Agent Skills Hub

vitest

Vitest 測試模式，提供可靠的單元與整合測試架構。專注於關鍵業務邏輯、邊際案例與高效的 Mocking 策略，確保核心程式碼的穩定性。

quality

Rust 專案的專家級程式碼審查工具。使用 Bazel 與專案特定規範，進行全面的品質、安全、效能及架構分析。

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。

engineering-as-marketing

執行「工程即行銷」增長策略：透過構建免費的 SEO 工具頁面獲取自然流量，將訪客轉化為付費用戶，實現零廣告預算下的高效成長。

skill-template

為建立與記錄模組化代理技能所設計的標準化模板，確保在 AI 代理系統中實現一致且高效的上下文工程。

code-quality

為 Turso 資料庫執行嚴格的程式碼品質、正確性及 Rust 設計模式，優先考慮資料完整性、效能以及易於維護的慣用語法。

peer-review

結構化手稿與經費審查助手，提供基於檢查清單的評估，涵蓋方法論、統計效度及報告標準（如 CONSORT/STROBE）合規性檢核。

tools

統一的 LLM 函式呼叫與工具使用 API，支援 OpenAI、Anthropic、Google 與 Ollama，提供標準化的 JSON Schema 定義與執行流程。

agent-architecture

實作生產級 AI 代理。包含 LangGraph、工具調用護欄、SSE 串流、情節記憶與 pgvector。提供反模式分析與修正代碼。

claude-copilot

分析 Markdown 文件以確保符合預先定義的 AI Token 預算，並優化內容以利於 AI 高效攝取。

ci

自動化 CI/CD 事故響應與 GitHub Actions 管道失敗分析。提供安全的修復建議，並協助解決構建與測試錯誤。

rag-implementation

使用向量資料庫、語意搜尋與 LangGraph 構建生產級 RAG 系統，為 LLM 提供外部知識基礎。