Agent Skills Hub

freeride

為 OpenClaw 管理 OpenRouter 免費 AI 模型。自動根據品質排序模型、配置速率限制的後備方案，並更新 openclaw.json 設定。

subagent-driven-development

透過為每個任務指派獨立子代理程式來執行實作計畫，並結合規格符合性與程式碼品質的兩階段審查機制。

agentic-workflows

構建企業級 AI 代理系統，支援 LangGraph、Anthropic/OpenAI/vLLM 與結構化輸出。具備串流傳輸、A2A 協定、Pydantic 驗證、向量記憶體與防幻覺機制，適用於複雜的多代理協作工作流。

nelson

以英國皇家海軍中隊為隱喻的軟體開發多代理協調系統，具備任務規劃、並行任務協調與嚴謹的稽核日誌功能。

langgraph

LangGraph 專家技能，專為構建具狀態、多角色 AI 代理工作流而設計，包含持久化、條件分支與 ReAct 模式。

stable-baselines3

使用 Stable Baselines3 進行生產級強化學習。透過類 scikit-learn API 訓練智能體、設計自定義環境、實作訓練回調函數並優化工作流程。

sparc-methodology

SPARC 開發方法論，結合 Claude Flow 多代理協作，實現從規格、虛擬碼、架構到重構與完成的系統化軟體工程。

glyphbox

一個基於 LLM 的 NetHack 代理框架，透過在安全沙盒中動態合成 Python 程式碼，利用高階 API 執行複雜的地牢探索與遊戲操作。

ai-collaboration-standards

防止 AI 幻覺，確保在分析程式碼、技術文件或提供建議時，輸出具備證據支持且可驗證的內容。

dev-cycle

互動式開發流程管理器。協調探索、規劃、審查與建置階段，並運用專屬 AI 代理團隊（Scout、Bob、Garry、Arlo）確保專案交付品質。

prompt-engineering-patterns

掌握先進的提示工程技術，以最大化生產環境中大型語言模型（LLM）的性能、可靠性和可控性。

context-driven-testing

運用情境導向測試原則，根據專案目標、風險與限制調整測試策略，而非盲目依賴通用最佳實踐。