Agent Skills Hub

proactive-agent

透過 WAL 協定、持久化記憶緩衝區與自動化 Cron 排程，將 AI 代理轉變為能主動預測需求並持續優化的主動式夥伴。

go

indiiOS 的自動遞迴執行引擎，負責管理任務完成、狀態驗證與錯誤處理。

data-storytelling

將原始數據轉化為引人入勝的敘事，運用視覺化策略、敘事框架與說服性結構，協助分析師進行高階報告與數據決策。

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。

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。

ci

自動化 CI/CD 事故響應與 GitHub Actions 管道失敗分析。提供安全的修復建議，並協助解決構建與測試錯誤。

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。

agents

構建具備工具呼叫與多步驟推理能力的 AI 代理。生成、管理並編排適用於 Claude Code、Cursor、Cline 等 AI 助手的自定義技能文件，實現開發流程標準化。

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。

ring:testing-skills-with-subagents

用於構建健壯 AI Agent 技能的元技能，採用測試驅動開發 (TDD) 方法：定義失敗 (RED)、實作技能 (GREEN) 並修補合理化漏洞 (REFACTOR)。

infographic-template-updater

自動化同步新增的信息圖表模板，並更新專案文件、畫廊映射與 AI Playground 提示詞。

systematic-debugging

一套嚴格的四階段方法論，強制要求在應用任何程式碼修復前，必須先進行系統性的根本原因分析。