Agent Skills Hub

Extract structured data from unstructured files (PDF, PPTX, DOCX...)

使用 LlamaExtract 實作從 PDF、DOCX 與 PPTX 等非結構化檔案中擷取結構化資料的解決方案，並透過 Pydantic 定義資料架構。

pytdc

提供用於藥物開發的 AI 就緒數據集、基準測試與分子預測工具，涵蓋 ADME、毒性、藥物-目標交互作用及分子生成任務。

bmad-planner

用於生成業務模型、架構與設計 (BMAD) 規劃文件的互動式工具，專為功能開發前的規劃流程設計。

backend-rag-implementation

建立 RAG 系統以運用專有數據增強 LLM。包含向量資料庫整合、嵌入策略、混合搜尋及 FastAPI 後端的高級檢索模式。

create-tasks

根據需求建立結構完善、可執行的工程任務，運用垂直切分、INVEST 原則與範例映射 (Example Mapping) 技術。

sql-queries

根據自然語言描述生成優化後的 SQL 查詢。支援 BigQuery、PostgreSQL、MySQL 與 Snowflake 等多種資料庫方言。分析資料庫架構、解讀業務需求，並輸出包含詳細說明的可執行查詢。

requirements-clarity

透過系統化的對話與評分機制釐清模糊的需求，確保在開發前產出高品質且可執行的產品需求文件 (PRD)。

data-extraction-patterns

為 GA4 與 GSC 分析數據提供提取、緩存與處理的最佳實踐模式，並整合 MCP 伺服器操作。

summarize-interview

將訪談逐字稿轉換為結構化摘要，包含待辦任務 (JTBD)、滿意度信號與行動項目。

market-sentiment-pulse

聚合並分析加密貨幣與股票代碼的市場情緒，通過掃描新聞與社交訊號，為交易前的「氛圍感」評估提供快速參考。

tweet-rl-tracker

基於 Notion 的推文效能追蹤系統，透過強化學習原理實現數據驅動的內容實驗與優化。

Documenting Code

將專案文件與程式碼同步。使用 init-project 標準維護功能規格、API 合約與 README，確保可追蹤性與完整性。