Agent Skills Hub

context-driven-development

透過管理 conductor/ 目錄中的專案環境工件（產品、技術棧、工作流程、追蹤）來標準化開發環境。支援專案鷹架建立、工件同步以及針對全新與既有專案的 AI 對齊。

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。

webapp-testing

使用 Playwright 測試本地 Web 應用程式的工具組，支援伺服器生命週期管理、自動化 DOM 檢測與瀏覽器自動化工作流程。

massive-context-mcp

透過遞迴分塊、子查詢與聚合結果處理超過 1,000 萬 tokens 的大型檔案與程式碼庫，突破 LLM 上下文視窗限制。

btca-cli

操作 btca CLI 進行原始碼優先的研究。管理 Git、本機目錄與 npm 資源，確保 AI 的回答基於實際程式碼庫而非過時的文件。

context-engineering-expert

先進的上下文工程系統，用於協調 AI 代理、記憶體管理和 Token 優化，以提升長期持久性和專案智慧。

context-driven-testing

運用情境導向測試原則，根據專案目標、風險與限制調整測試策略，而非盲目依賴通用最佳實踐。

backend-rag-implementation

建立 RAG 系統以運用專有數據增強 LLM。包含向量資料庫整合、嵌入策略、混合搜尋及 FastAPI 後端的高級檢索模式。

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。

gemini-video-understanding

使用 Google Gemini API 進行深度影片分析：包含影片摘要、音訊轉錄、時間戳記提取、影片片段剪輯，並支援 YouTube 連結或本機檔案，適用於多種模型與長文本脈絡。

saving-codeacts

將成功的 Python 程式碼執行結果封裝為 gentools 套件中的可重用工具，並透過 Pydantic 模型實現結構化輸出與型別安全的執行介面。

ralph-tui-create-beads

將 PRD 轉換為 ralph-tui 自主執行所需的任務 beads，包含品質閘控與依賴關係管理。