Agent Skills Hub

literature-review

透過 PubMed、arXiv 和 Semantic Scholar 進行系統性文獻回顧，包含人工智慧驅動的綜述、核實引用以及強制性的科學圖表生成。

paper-notes

為核心研究集中的論文產生結構化、機器可讀的筆記，以實現可靠的文獻綜述與證據導向的寫作。

reflect-appworld-failure

分析 AppWorld 任務失敗原因，提取具體的 API 模式並生成帶有實作程式碼範例的可執行劇本要點。

deepscan-monitor

管理長時間運行的 PapersFlow DeepScan 研究流程，提供異步監控、即時進度追蹤與自動化報告生成功能。

scientific-critical-thinking

評估科學宣稱與研究方法的嚴謹度、偏誤及有效性。運用 GRADE 與 Cochrane 等實證架構來分析實驗設計、研究方案及研究結論。

literature-engineer

證據優先的文獻收集工具，專為自動化研究管線設計。將論文池擴充至 1200 篇以上，具備元數據正規化、來源追溯及多路徑匯入功能。

sherlock-review

基於證據的程式碼審查，運用福爾摩斯式演繹推理來驗證開發聲明、調查錯誤並進行根本原因分析。

react-expert

使用權威原始碼、測試和儲存庫歷史記錄來研究 React API、模式和概念。

paper-plan

根據研究敘述、實驗數據與審稿結論，自動生成結構化的學術論文大綱。

synthesizer

將多個研究智能體的發現綜合為連貫且附引用的研究報告，解析矛盾並提取核心共識。

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。

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。