Agent Skills Hub

risk-based-testing

利用風險評估與優先級排序，將測試重點集中在最高風險區域。適用於規劃測試策略、配置測試資源或進行覆蓋率決策。

ml-pipeline-workflow

建構並協調從資料準備、模型訓練、驗證到自動化部署的端到端 MLOps 管線。

use-railway

操作 Railway 基礎設施：管理專案、服務、資料庫、物件儲存、部署、環境、變數、日誌及效能指標。

tool-design

專門用於設計代理工具的專業框架，優化工具描述、執行基於合約的 API，並實施架構精簡以提高 AI 代理工具選擇的準確性。

feature-prioritization

一種結構化的決策工具，應用 RICE、MoSCoW、Kano 和價值與努力等框架，透過數據驅動的客觀性來確定軟體功能、產品藍圖項目以及開發與否的決策優先級。

flyio

管理 Fly.io 邊緣基礎設施：透過 Fly.io Machines API 部署應用、擴展機器、配置儲存卷、密鑰與網路。Python 編寫，無外部依賴。

dlt-skill

建立、管理與除錯 dlt (data load tool) 資料管線，將資料從 API、資料庫及自訂來源匯入 DuckDB、BigQuery 或 Snowflake 等目標。

quality-metrics

自動化品質監控與量測，包含 DORA 指標、缺陷密度追蹤，並為持續交付流水線配置智慧品質閘道。

context-engineering-collection

一套用於上下文工程、多代理架構及生產級代理系統優化的結構化代理技能集。

clawsec-nanoclaw

NanoClaw WhatsApp 機器人的安全諮詢監控，透過 MCP 工具提供漏洞掃描、技能安全檢查與完整性保護。

flaky-detect

透過分析持續整合 (CI) 歷史、執行模式與程式碼結構，識別、分類並排除不穩定的測試 (flaky tests)，以提升測試套件的可靠性。

datarobot-model-deployment

用於部署、管理和監控 DataRobot 模型的工具，包含預測環境配置、冠軍/挑戰者模型工作流程以及部署操作。