Agent Skills Hub

memory-systems

指導代理人記憶系統的實作，比較主流框架（Mem0、Zep、Letta、LangMem、Cognee），並設計用於跨會話知識保留的持久化架構。

context-degradation

診斷、隔離並緩解 LLM 上下文故障（如中間丟失、中毒、干擾及衝突），提升 AI 代理的執行可靠性。

context-fundamentals

情境工程基礎指南：為 AI 代理優化 Token 預算、注意力機制及系統架構。

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。

skill-creator

一個用於構建模組化、可重複使用 Agent 技能的框架。提供有關建構 SKILL.md、腳本、參考資料和資源的指南，以擴展 Claude 的功能。

multi-agent-patterns

架構多代理系統以突破上下文限制，運用監督者、群體與分層模型等模式來管理複雜工作流程。

cmux

透過 CLI 控制 macOS cmux 終端機拓撲、工作區與視窗布局。適用於需要確定性多窗格導航、介面路由與注意力提示的 AI 編碼代理。

digital-brain

為創業者、內容創作者與專業人士設計的個人數位大腦系統，利用 AI 協助管理數位足跡、知識庫、人際關係與個人目標。

skill-template

為建立與記錄模組化代理技能所設計的標準化模板，確保在 AI 代理系統中實現一致且高效的上下文工程。

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。

semantic-compression

積極精簡輸入內容中的語法結構與冗餘文字，在保留核心語義的同時優化 LLM 的 Token 使用效率。

claude

Anthropic Claude AI 模型，專用於高效編碼、長文本分析及 GUI 交互。