Agent Skills Hub

cohort-analysis

執行使用者參與數據的世代分析。識別留存趨勢、功能採用率、流失模式，並透過定量數據分析生成可執行的研究建議。

Confidence Check

開發人員的事前實作信心評估工具。透過重複代碼檢查、架構合規性、官方文件驗證與根本原因分析，確保達到 90% 以上的準備度。

paper-writing

從研究報告到成品 PDF 的全自動論文寫作流水線。

pytorch-lightning

PyTorch Lightning 深度學習框架技能：自動化模型訓練、多 GPU 編排、數據管道以及 DDP、FSDP 和 DeepSpeed 等分散式訓練策略。

pymc

使用 PyMC 進行貝葉斯建模與機率編程。構建分層模型，執行 MCMC 採樣 (NUTS) 與變分推斷，並透過 LOO/WAIC 進行嚴謹的模型比較與後驗檢查。

evaluation

為 AI 代理構建系統化的評估框架，利用多維評分標準、LLM-as-a-judge 與回歸測試，量測代理效能、品質及上下文工程的有效性。

testing

執行、調試與管理 DBHub 測試，包含單元測試、使用 Testcontainers 的整合測試及資料庫專屬測試。適用於驗證程式碼變更與排查資料庫連接器問題。

proofread

針對 LaTeX 與 Quarto 課程檔案進行自動化且非破壞性的校對，並針對語法、錯字與學術風格產生品質評估報告。

nuxt-test-skill

npm-agentskills 框架的測試工具，用於驗證 Nuxt 模組整合與 AI Agent 技能發現機制。

feature-prioritization

一種結構化的決策工具，應用 RICE、MoSCoW、Kano 和價值與努力等框架，透過數據驅動的客觀性來確定軟體功能、產品藍圖項目以及開發與否的決策優先級。

code-review

執行全面的程式碼審查，專注於安全性漏洞、效能優化、可維護性及程式碼正確性。

evaluating-code-models

使用 BigCode Evaluation Harness 評估代碼生成模型。包含 HumanEval、MBPP 和 MultiPL-E 等基準測試，並提供多語言編碼模型的 pass@k 指標評估。