Agent Skills Hub

creative-thinking-for-research

應用認知科學框架於計算機科學與人工智慧研究，透過系統化的創造力策略生成具備原創性的研究方向。

rag-engineer

架構與優化生產級別的 RAG 系統。精通嵌入模型、向量資料庫、分塊策略及檢索管線，提升 LLM 應用的精確度。

agent-architecture

實作生產級 AI 代理。包含 LangGraph、工具調用護欄、SSE 串流、情節記憶與 pgvector。提供反模式分析與修正代碼。

evaluation

為 AI 代理構建系統化的評估框架，利用多維評分標準、LLM-as-a-judge 與回歸測試，量測代理效能、品質及上下文工程的有效性。

context-fundamentals

情境工程基礎指南：為 AI 代理優化 Token 預算、注意力機制及系統架構。

cost-optimization

為 AWS、Azure、GCP 和 OCI 提供系統化的雲端成本優化，涵蓋資源調整、自動化治理、定價模型分析及架構最佳實踐。

sparc-methodology

SPARC 開發方法論，結合 Claude Flow 多代理協作，實現從規格、虛擬碼、架構到重構與完成的系統化軟體工程。

database-testing

資料庫架構驗證、資料完整性測試、遷移測試、交易隔離與查詢效能分析。確保應用程式的 ACID 合規性與參照完整性。

vibesafe

管理 Vibesafe 單元，透過加密雜湊檢查點，對 AI 生成的程式碼進行掃描、編譯、測試與驗證，確保生產環境的穩定性。

mcpgraph

建構無代碼 MCP 伺服器，透過 YAML 以有向圖形式編排工具，實現資料轉換、條件路由與自動化工作流。

youtube-rl-tracker

一個受強化學習啟發的 YouTube 績效追蹤工具，透過系統化記錄來優化縮圖、標題與影片鉤子。

memory-systems

指導代理人記憶系統的實作，比較主流框架（Mem0、Zep、Letta、LangMem、Cognee），並設計用於跨會話知識保留的持久化架構。