Agent Skills Hub

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。

mcp-tools

用於管理基於 MCP 的研究、文件查詢以及在外部搜索工具與插件支援的記憶系統之間進行協調的技能。

api-design-principles

掌握 REST 與 GraphQL API 設計原則，構建直觀、可擴展且易於維護，並令開發者滿意的 API。

agentic-workflows

構建企業級 AI 代理系統，支援 LangGraph、Anthropic/OpenAI/vLLM 與結構化輸出。具備串流傳輸、A2A 協定、Pydantic 驗證、向量記憶體與防幻覺機制，適用於複雜的多代理協作工作流。

Project Context Analyzer

透過平行代理執行分析專案結構、相依套件與程式碼模式，為快速上手陌生程式庫與 AI 輔助開發產生詳細的專案背景文件。

User Story Writing

使用標準的「As a/I want/So that」框架編寫結構良好的使用者故事，並包含清晰的驗收標準，以確保敏捷團隊的一致性。

linear-issue-creator

建立結構化的 Linear 議題（主議題 + 子議題），自動處理專案連結、標題前綴、標籤與 PRD 內容流程，專為全端開發者設計。

wt

使用 git worktrees 管理隔離的 LlamaFarm 開發環境，實現平行代理程式工作階段與服務測試。

subagents-orchestration-guide

協調多代理軟體開發工作流程，管理任務分解、需求分析及複雜軟體專案的品質保證。

docs-generator

為代碼庫生成層級化的 AI 優化文檔結構 (AGENTS.md, agent.d)，幫助 AI 編碼助手與開發者更高效地存取項目上下文、設置與導航。

convex-self-hosting

自動化 Convex 靜態網站託管整合，管理 React、Vite 與 Next.js 應用的上傳 API、HTTP 路由及部署腳本。

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。