Agent Skills Hub

humanizer

移除 AI 生成的寫作模式，為文字注入自然的人文氣息。修復機械化的措辭、AI 慣用詞彙過度使用以及單調的結構，讓內容讀起來更真實自然。

context-fundamentals

情境工程基礎指南：為 AI 代理優化 Token 預算、注意力機制及系統架構。

debug-hooks

Claude Code 掛鉤的系統化除錯工作流程。用於解決掛鉤無法觸發、輸出錯誤或行為異常等問題。

browser-debugger

使用 Chrome DevTools MCP 和 AI 視覺模型進行 UI 測試、設計一致性驗證及瀏覽器除錯。

prompt-optimizer

透過成熟的提示工程原則，將模糊或結構不良的指令轉換為優化且高效的 AI 模型提示，提升執行品質與準確性。

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。

debug-mcp

針對 MCP 伺服器與 Microsoft Copilot Studio 整合的系統性除錯工作流程，包含常見修復模式與驗證腳本。

find-bugs

對本地分支差異進行自動化安全審計、漏洞檢測及代碼品質評估，使用結構化的檢查清單驅動驗證流程。

tldr

節省 token 的程式碼分析技能，支援呼叫圖、語義搜尋、影響分析與資料流追蹤。相比原始程式碼讀取節省約 95% token。

workflow-execute-plans

以小型、可驗證的批次執行實作計劃，並在每個階段設置回饋暫停點，以防止偏離目標並確保代碼品質。

agents

構建具備工具呼叫與多步驟推理能力的 AI 代理。生成、管理並編排適用於 Claude Code、Cursor、Cline 等 AI 助手的自定義技能文件，實現開發流程標準化。

memov

AI 輔助代碼代理版本控制。透過 MemoV 自動追蹤提示詞、上下文與差異，確保完整可追溯性，且不污染 Git 歷史紀錄。