Agent Skills Hub

low-complexity

強制執行低認知與循環複雜度標準。自動在開發過程中維護程式碼的可讀性、模組化與維護性，防止複雜函式的堆疊。

using-sdlc-engineering

基於 CMMI 的 SDLC 路由工具，針對 GitHub 與 Azure DevOps 工作流程，提供流程指引、需求管理、架構決策支援、品質保證與治理。

avoid-feature-creep

協助軟體開發團隊與 AI 代理程式預防功能蔓延的框架，透過嚴格的驗證、待辦事項清理與明確的決策流程，落實範疇管理並交付精簡的 MVP 產品。

codebase-inspection

使用 pygount 分析程式碼庫統計資料：程式碼行數 (LOC)、語言分佈及程式碼與註解比例。

documentation-creation

基於代碼庫分析自動生成專案文檔，確保準確性、一致性並符合 VilnaCRM 架構模式。

skill-repo

標準化、驗證與管理 Netresearch AI Agent 技能儲存庫，提供自動化結構執行、發布工作流程與授權合規工具。

frontend-design-review

評估、審核並構建具有高品質設計、符合無障礙標準及設計系統規範的生產級前端介面。

long-running-agent

為 AI 代理程式設計的框架，可在多個上下文視窗中保持狀態，讓代理程式能夠完成複雜的長期程式設計任務，而不遺失進度或上下文。

shift-right-testing

生產環境測試策略，包含功能旗標、金絲雀部署、合成監控與混沌工程，確保線上系統的持續可靠性。

ui-styling

使用 shadcn/ui 與 Tailwind CSS 建構可存取且一致的使用者介面。採用組件優先架構以建立設計系統、整合 React Hook Form，並實踐響應式行動優先開發。

study-note

使用 CLI 工具將學習筆記、想法與心得按時間順序自動歸檔至專案文件，實現系統化的知識管理。

data-quality-frameworks

使用 Great Expectations、dbt 測試與資料合約實作生產級資料品質驗證，確保資料管線的可靠性。