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。

docs-generator

為代碼庫生成層級化的 AI 優化文檔結構 (AGENTS.md, agent.d)，幫助 AI 編碼助手與開發者更高效地存取項目上下文、設置與導航。

request-optimizer

一個智慧閘道，可分析、評分並將使用者請求路由至 27 個代理、27 個技能與 14 個 MCP，以優化 Claude Code 的執行效率。

paper-reproduce

提供論文復現的系統性方法論，支援數據清理、統計驗證、樣本篩選及自動化產出學術復現報告（Markdown 與 LaTeX）。

frontend-design-pro

打造價值 $50,000 美元級別的專業前端介面，提供生產級程式碼、精選排版與高品質影像素材整合。

Task Patterns

基於 CLI 的 Linear 集成，用於 AI 輔助的任務管理、工單追蹤和自動化開發工作流程。

content-rewriter

跨平台內容重製工具。將單一內容改寫為小紅書、知乎、微信公眾號及抖音腳本，精確適配各平台原生的語氣、排版與內容限制。

hegelion

適用於 MCP 的辯證推理與對抗式編碼代理，透過強制 LLM 解決內部矛盾，產出更高品質的推理與程式碼。

transcribee

使用高精度說話者分離技術轉錄 YouTube 影片與本地影音檔案，提供適合 AI 分析的結構化文字輸出。

maestro

智慧型 RAG 知識閘道，將程式碼任務路由至專業的 Swift/iOS 領域知識。透過 MCP 從 100 多種索引技能中擷取精準模式，優化開發情境使用率。

massive-context-mcp

透過遞迴分塊、子查詢與聚合結果處理超過 1,000 萬 tokens 的大型檔案與程式碼庫，突破 LLM 上下文視窗限制。

figma-create-new-file

透過 MCP 伺服器直接建立新的 Figma 設計或 FigJam 檔案。自動處理計畫解析並為您的設計工作流程初始化畫布。