Agent Skills Hub

memcontext-autopilot

為 AI 代理設計的自動化記憶管理中間件，透過「查-回-存」閉環實現跨對話的長期記憶維持與上下文自動管理。

simplemem-skill

為 AI 代理提供持久的語義長期記憶。透過語義壓縮，跨對話儲存、查詢並檢索對話記錄、決策與多模態上下文。

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。

skill-reinforcement

一種自動化元學習技能，透過在每次任務執行後捕獲模式、錯誤和捷徑來改進代理工作流程。

context-management

為 AI 代理提供主動式上下文視窗管理，透過智慧令牌監控、快照建立與選擇性狀態恢復，確保長會話期間的連續性。

langchain-architecture

使用 LangChain 1.x 與 LangGraph 架構生產級 LLM 應用程式。實現狀態化 AI 代理、多步驟工作流程，並為複雜的對話與自動化任務建構自訂記憶系統。

cascade-orchestrator

進階 AI 代理工作流編排，支援多模型路由、Codex 沙盒迭代、平行 swarm 執行及複雜管線中的持久化記憶體功能。

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。

moollm

一個用於大語言模型代理生存記憶的微世界作業系統，將檔案系統轉化為可導航的房間，並將程式碼轉化為可居住的世界。

state-snapshot

擷取完整的除錯對象狀態快照，包含所有已提交的記憶體區域與處理器暫存器，供離線分析與鑑識調查使用。

novelty-check

根據最新文獻驗證研究想法的新穎性。適用於用戶詢問「查新」、「有沒有人做過」或需要確認方法原創性時。

doc-sync

同步並維護儲存庫中的 CLAUDE.md 與 README.md 文件層級，確保 AI 代理程式擁有即時且一致的上下文資訊。