Agent Skills Hub

context-engineering-expert

先進的上下文工程系統，用於協調 AI 代理、記憶體管理和 Token 優化，以提升長期持久性和專案智慧。

analyzing-research-documents

從研究文件、技術論文和架構設計檔案中，系統性地萃取關鍵見解、決策紀錄與技術限制。

markdown-token-optimizer

分析 Markdown 檔案以識別浪費 Token 的模式，並提供具體優化建議，以提高文件對 AI 的 Token 使用效率與清晰度。

developer-growth-analysis

分析 Claude Code 聊天記錄以識別編程模式與技能差距，從 HackerNews 精選個人化學習資源，並將成長報告發送至 Slack。

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。

orchestrator

Claude Code 的自主多代理協調框架，具備記憶驅動工作流程、優先並行執行、基於亞里斯多德原則的拆解與多階段品質把關。

skill-memory

一個基於 Git 的 AI 代理技能記憶庫。透過 CLI 下載、版本控制、編輯與共享自定義的代理技能與程序性知識。

performance-analysis

系統性效能工程：基準測試、效能分析、瓶頸診斷，以及基於實證的應用程式最佳化指導。

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。

security-hardening

AI 代理的全面安全審計與加固工具：包含憑證掃描、個人隱私保護 (PII)、提示注入防禦，以及工作區配置優化。

code-search-selector

代碼搜索工具選擇器。自動在語義搜索 (claudemem) 與本地工具 (Grep/Glob) 之間切換，優化搜索效率、Token 使用與準確性。

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。