Agent Skills Hub

Ralph-Loop-Ultra

透過模型上下文協定 (MCP) 在即時與模擬外部依賴項之間無縫切換，支援自動化開發環境。

skill-developer

根據 Anthropic 最佳實踐建立與管理 Claude Code 技能，包含觸發條件、Hook 機制與漸進式揭露。

taskery

為 AI 代理程式生成完整的 Taskery 本地 Kanban 看板操作指南，涵蓋 CLI、API 及並發控制管理。

marketing-fundamentals

掌握行銷核心概念、心理學與架構。包含漏斗規劃、定位、價值主張與客戶旅程分析，為行銷策略奠定基礎。

customer-problems

從業務背景識別並記錄客戶問題 (CP)。適用於開始需求工程或利益相關者僅描述解決方案而非問題時。這是 Problem-Based SRS 方法論的第 1 步。

agno

用於構建多代理系統、AgentOS 運行時及整合 MCP 伺服器的 AI 代理開發框架。

skill-architect

設計與構建高品質 AI Agent Skills 的專家顧問。透過發現、架構與製作階段的結構化引導，確保您建立的技能具備高度一致性、可組合性與執行效能。

python-plan-optimization

為 Python 代碼提供 6 階段唯讀分析的工作流程，根據專案類型（從 POC 到開源）檢測設計原則違規、程式碼異味並建議現代化改善方案。

model-registry-maintainer

維護並更新 MassGen 模型註冊表，包含後端能力、模型元數據、定價結構以及新舊 AI 模型的上下文窗口配置。

ux-audit-walkthrough

極簡 UX/互動審計專家，透過認知負荷與操作效率的視角剖析複雜互動，評估 Figma 原型或網頁可用性。

training-data-curation

用於 LLM 後訓練（SFT/DPO/RLHF）的高品質數據集策劃指南，涵蓋數據格式、品質過濾與收集策略。

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。