Agent Skills Hub

langchain-architecture

使用 LangChain 1.x 與 LangGraph 架構生產級 LLM 應用程式。實現狀態化 AI 代理、多步驟工作流程，並為複雜的對話與自動化任務建構自訂記憶系統。

indirect-injection-detection

檢測 AI 代理中的間接提示注入與目標劫持，評估代理處理 RAG、文件與網頁內容等外部資訊時的安全性。

agents

構建具備工具呼叫與多步驟推理能力的 AI 代理。生成、管理並編排適用於 Claude Code、Cursor、Cline 等 AI 助手的自定義技能文件，實現開發流程標準化。

goal-tracking

階層式目標追蹤系統，將三年願景連結至每日任務。自動化計算進度、偵測停滯目標，並整合 Obsidian 庫中的專案與目標對齊。

p9

P9 技術領隊模式：透過任務提示（六要素）管理 P8 代理團隊，無需親自撰寫程式碼。負責專案管理、任務拆解，並協調 3 個以上平行代理執行任務。

context-bar

為 Claude Code 狀態列提供即時彩色上下文使用進度條，並支援手動即時檢查功能。

fabric

Fabric CLI 智慧模式選擇工具，從 242+ 種專業提示中自動選取最合適的模式，支援威脅建模、資料分析、摘要與內容創作。

session-logs

搜尋、分析並稽核 GeminiClaw 工作階段紀錄與記憶。用於調查過往對話、追蹤 Token 使用量、除錯工具呼叫及監控代理程式效能。

tzurot-council-mcp

為技術架構、複雜重構與結構化除錯提供多視角 AI 諮詢服務。

java-coding-standards

強制執行高品質 Java 17+ 編碼標準、Spring Boot 慣例以及可維護的專案架構。

multi-agent-patterns

架構多代理系統以突破上下文限制，運用監督者、群體與分層模型等模式來管理複雜工作流程。

write-e2e-cases

自動化建立與維護 Rsbuild E2E 測試，透過 Playwright 確保功能覆蓋率並防止迴歸。