Agent Skills Hub

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。

refactoring

基於檢查器的重構代理，透過自動化模式提取來解決循環複雜度、原始類型偏執和函數過長等程式碼維護問題。

confluence-docs

為 AI 代理工作流程提供 ADR、營運手冊、系統架構與知識移轉等標準化技術文件模板。

handoff-pack

生成結構化的 Handoff Pack 提示詞，用於將任務委派給 Gemini，確保明確的範圍、驗收標準與格式規範。

openai-agents-sdk

使用 OpenAI Agents SDK (Python) 構建 AI 代理。支援多代理協作、函數工具、狀態化對話、串流傳輸以及透過 LiteLLM 進行 Azure OpenAI 集成。

writing-agents

一個用於在專案環境中建立、測試和管理自主 AI 子代理的框架，並採用測試驅動開發 (TDD) 原則。

cross-plugin-detective

代理角色偵探技能標準化集成。將代理映射至代碼分析技能，並強制執行 claudemem 以實現索引內存代碼調查。

component-workflow

指導如何創建與整合新的 ECS 組件，包含類別設計、JSON 序列化、自定義編輯器 UI 實作以及 DI 註冊流程。

ADK Developer

使用 Google Agent Development Kit (ADK) 構建、編排和部署 AI 代理的綜合指南與參考。

react-native

React Native 開發最佳實踐，適用於 Expo 與原生專案。涵蓋專案結構、路由導航、NativeWind 樣式、平台特定代碼及 TypeScript 整合。

mcp-builder

開發高品質 MCP (Model Context Protocol) 伺服器的指南，支援使用 Python 或 TypeScript 將外部 API 與服務整合至 LLM 工作流程中。

evidence-first-debugging

強制執行嚴格的實證調試工作流程，利用結構化觀察、假設檢驗和因果驗證，消除技術調查中的推測。