Agent Skills Hub

kill-claude-mem

終止閒置的 claude-mem 工作程序與 MCP 伺服器，以釋放記憶體並提升 GitHub Codespaces 等受限環境下的系統效能。

prompt-rewriter

進階提示詞改寫與優化服務。分析提示詞的清晰度、具體性與結構，提供可執行的優化建議、多種變體選項，並教授提示工程的最佳實踐。

context-compression

透過先進的上下文壓縮、結構化摘要與任務導向的狀態管理，為長期運行的 AI 代理會話優化效能並降低 Token 使用量。

hive

自動化 GitHub 問題分類，透過分析程式碼庫驗證技術主張，並針對無效問題提供專家級的回應以進行關閉。

lint-fix

使用 Trunk 進行 linting、格式化與迭代式錯誤修復的自動化程式碼維護流程。

context-degradation

診斷、隔離並緩解 LLM 上下文故障（如中間丟失、中毒、干擾及衝突），提升 AI 代理的執行可靠性。

paper-writing

從研究報告到成品 PDF 的全自動論文寫作流水線。

testops-companion

一個 AI 驅動的測試運營平台與 MCP 伺服器，提供自動化測試失敗分析、根因匹配 (RCA) 及 CI/CD 流水線的智能測試編排。

recursive-decomposition

透過將大型任務自動拆解為可管理的遞迴子任務，突破上下文視窗限制，提升對大型程式碼庫與文件集的推理準確度。

split-pdf

自動化流程，用於下載、拆分並深度解析學術 PDF。通過分批處理技術確保閱讀品質，避免因內容過長導致的脈絡遺失與上下文視窗崩潰。

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。

prompt-improver

透過程式碼庫研究與針對性提問，在執行前釐清模糊提示詞的意圖。