Agent Skills Hub

context-optimization

透過 KV 快取、觀察遮罩、基於摘要的壓縮與內容分割技術，優化代理程式的上下文窗口，以降低成本並減少延遲。

lading-optimize-submit

自動化 lading 效能最佳化的提交流程，包含分支管理、git 提交與 Pull Request 建立。

ReasoningBank with AgentDB

使用 AgentDB 的超快速向量後端實作 ReasoningBank 自適應學習。具備軌跡追蹤、判斷評估、記憶蒸餾與模式識別功能，適用於構建自我學習的自主智能體。

performance-optimization

透過 Redis 快取、叢集運算、效能剖析與監控技術，優化 Node.js 應用程式效能，打造高效且可擴展的後端服務。

order-troubleshooting

處理訂單追蹤、配送狀態查詢，以及針對遺失、損壞或錯誤商品的疑難排解。

python-plan-optimization

為 Python 代碼提供 6 階段唯讀分析的工作流程，根據專案類型（從 POC 到開源）檢測設計原則違規、程式碼異味並建議現代化改善方案。

convoy

使用 Gas Town 的車隊系統 (convoy) 管理批次任務追蹤與排程，實現多代理自動化協作。

ui-design-review

基於 Gemini 的 UI 設計審核、無障礙審計與設計系統驗證工具，專為軟體代理設計。

worker-integration

用於將任務分發給專業背景代理的智能編排系統，具備基於性能的路由與執行追蹤功能。

spawn-decision

專為協調系統設計的決策代理，用於處理複雜的架構選擇、任務規劃與錯誤排除。

ReasoningBank Intelligence

透過 ReasoningBank 實現代理程式的自適應學習，進行模式識別、策略優化與持續改進。

log-debug-issue

維護結構化的 DEBUG_LOG.md 以記錄程式錯誤、除錯過程與解決方案，確保專案穩定性並累積技術知識。