Agent Skills Hub

ship-learn-next

將教學內容（如逐字稿、教程）轉化為可執行的「Ship-Learn-Next」循環，建立具體的實作計畫與學習任務。

solo-video-promo

生成專業的 30-45 秒宣傳影片計劃、腳本與分鏡表，並自動偵測並配置 Remotion 或 Montage-tool 專案設定。

ragcode-sse

透過 SSE 協定直接連接 RagCode MCP，無需繁瑣的設定檔或二進位檔案依賴。

zai-cli

透過 CLI 與 MCP 使用 z.AI，提供影像分析、網頁搜尋、文件閱讀與 GitHub 程式碼探索功能。

sound-effects

使用文字描述生成專業級音效。製作音訊紋理、電影質感音效、介面音效及環境音，並精確控制時長、循環與提示詞相符度。

identify-assumptions-existing

透過價值、易用性、可行性與營運可行性四個維度，利用多角度批判性思維對現有產品功能進行風險假設評估與壓力測試。

prompt-engineering-patterns

掌握先進的提示工程技術，以最大化生產環境中大型語言模型（LLM）的性能、可靠性和可控性。

literature-review

透過 PubMed、arXiv 和 Semantic Scholar 進行系統性文獻回顧，包含人工智慧驅動的綜述、核實引用以及強制性的科學圖表生成。

deep-thinking

一套深度推理框架，透過多假設生成、嚴謹驗證與系統化分析，協助 AI 處理複雜的架構設計、除錯與高風險決策任務。

screenpipe-cli

透過 CLI 管理 screenpipe pipes（AI 自動化腳本）與連接。建立、執行、排程並除錯本地 AI 代理，實現基於電腦操作的自動化任務。

goal-tracking

階層式目標追蹤系統，將三年願景連結至每日任務。自動化計算進度、偵測停滯目標，並整合 Obsidian 庫中的專案與目標對齊。

social-push

使用 agent-browser 自動化將內容發佈至小紅書、X、微博、微信公眾號與掘金等社交平台，並支援草稿暫存功能。