Agent Skills Hub

context-compression

透過先進的上下文壓縮、結構化摘要與任務導向的狀態管理，為長期運行的 AI 代理會話優化效能並降低 Token 使用量。

implement-type-annotations

自動化整合 Python 與 TypeScript 型別標註，以強化 IDE 智慧提示、錯誤偵測並提升 AI 程式碼理解能力。

documentation-standards

專案文件標準與架構指南，確保使用者指南、開發文件及 AI 輔助流程之間的一致性與結構完整性。

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)。

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。

codebase-inspection

使用 pygount 分析程式碼庫統計資料：程式碼行數 (LOC)、語言分佈及程式碼與註解比例。

xp-practices

實踐極限編程 (XP)，包括測試驅動開發 (TDD)、結對編程與持續整合，旨在提升團隊協作能力並落實軟體工程的技術卓越性。

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。

test-generation

基於 Minion 框架的智能單元與集成測試生成工具，支持業務邏輯驗證、邊界測試及 Vitest 框架深度集成。

lsp-code-analysis

透過語言伺服器 (LSP) 進行精確的語意程式碼分析。支援 Python, Rust, Go, TypeScript/JS 與 Java，提供定義跳轉、引用查詢、實作查找、檔案大綱與全專案重構功能。

Auditing Security

執行系統性的安全性稽核、漏洞掃描與風險評估，並結合 OWASP 方法論，確保程式碼的強健安全性。

troubleshooting-docs

自動化記錄已解決的技術問題，利用 YAML 前言、分類目錄與結構化知識庫，專為 JUCE 外掛程式開發所設計。