Agent Skills Hub

devops

管理多鏈加密錢包系統的 CI/CD 工作流程、Docker 容器化與基礎設施配置。

iterate

代碼庫自動化優化循環。根據特定目標與機械指標，自動修改、測量並迭代代碼以提升效能。

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)。

creating-opencode-agents

為建立 OpenCode AI 代理程式提供專家指引與配置標準，包含 YAML frontmatter、工具權限設定及操作模式等。

hive

自動化 GitHub 問題分類，透過分析程式碼庫驗證技術主張，並針對無效問題提供專家級的回應以進行關閉。

LifeOS

一套基於 GTD 方法論的個人生活操作系統，整合 Todoist 任務管理、Logseq 生活追蹤與 AI 數據分析，實現高效的時間與習慣管理。

MLOps Industrialization

一套將實驗性機器學習原型轉換為穩健、可發佈的 Python 套件之框架，採用 src 配置、混合架構與嚴謹的設定管理。

gh-fix-ci

診斷 GitHub Actions CI 失敗，自動獲取日誌、總結錯誤並規劃修復方案。

wormhole

AI 程式代理的共享記憶與協作層，用於追蹤操作、管理工作階段、偵測衝突，並跨工具保留專案上下文。

Writing Hookify Rules

建立並設定 Hookify 規則，以監控檔案、Bash 指令或使用者提示中的特定模式。

systematic-debugging

一套嚴格的四階段方法論，強制要求在應用任何程式碼修復前，必須先進行系統性的根本原因分析。

self-reviewer

為 AI 代理實作自動化的關鍵自我驗證層，在完成任務前確保程式碼品質、安全性及需求一致性。