Agent Skills Hub

ai-llm-patterns

Anthropic Claude 整合模式：串流、使用 pgvector 的 RAG、工具使用、模型選擇（Haiku/Sonnet/Opus）、提示詞快取及 AI 工程成本管理。

deepscan-monitor

管理長時間運行的 PapersFlow DeepScan 研究流程，提供異步監控、即時進度追蹤與自動化報告生成功能。

skill-code-review

多模型代碼審查工作流，通過共識機制進行代碼質量與安全分析。

prp-manager

透過 Context Engineering 原則，為 AI 代理程式初始化、生成並執行完整實作藍圖 (PRPs)，實現軟體開發一次成功。

evidence-first-debugging

強制執行嚴格的實證調試工作流程，利用結構化觀察、假設檢驗和因果驗證，消除技術調查中的推測。

session-reflection-analysis

分析 Claude Code 會話歷史，以識別效率低下的模式、優化 Token 使用量並建議工作流程改進。

reflect-appworld-failure

分析 AppWorld 任務失敗原因，提取具體的 API 模式並生成帶有實作程式碼範例的可執行劇本要點。

tdd-london-chicago

掌握倫敦派（模擬測試）與芝加哥派（狀態測試）TDD。透過 AI 代理自動化測試驅動開發流程、風格選擇與程式重構。

multi-llm-advisor

透過 OpenAI Codex 與 Google Gemini 獲取架構、程式碼審查與除錯的專家觀點，並透明化呈現所有 AI 推論與建議。

frontend-design-review

評估、審核並構建具有高品質設計、符合無障礙標準及設計系統規範的生產級前端介面。

self-reviewer

為 AI 代理實作自動化的關鍵自我驗證層，在完成任務前確保程式碼品質、安全性及需求一致性。

claude-code-guide

Claude Code 高級開發指南，涵蓋 REPL 環境、MCP 整合、開發工作流及 AI 輔助編程最佳實踐，助力提升開發效率。