Agent Skills Hub

rag-implementation

使用向量資料庫、語意搜尋與 LangGraph 構建生產級 RAG 系統，為 LLM 提供外部知識基礎。

langchain-architecture

使用 LangChain 1.x 與 LangGraph 架構生產級 LLM 應用程式。實現狀態化 AI 代理、多步驟工作流程，並為複雜的對話與自動化任務建構自訂記憶系統。

langchain-chat-models

為 LangChain 應用程式提供統一介面，整合並管理 OpenAI、Anthropic、Google、Azure 與 Bedrock 等 LLM 聊天模型服務。

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。

claude

Anthropic Claude AI 模型，專用於高效編碼、長文本分析及 GUI 交互。

stream-chain

用於 Ruflo/Claude Flow 生態系統的多代理管線、資料轉換與順序工作流程的 Stream-JSON 串聯工具。

agentic-workflows

構建企業級 AI 代理系統，支援 LangGraph、Anthropic/OpenAI/vLLM 與結構化輸出。具備串流傳輸、A2A 協定、Pydantic 驗證、向量記憶體與防幻覺機制，適用於複雜的多代理協作工作流。

jina-cli

專為 AI Agent 設計的網頁閱讀與搜索工具，透過 Jina AI Reader API 將網頁轉換為適合 LLM 閱讀的 Markdown、文字或 HTML 格式。

trulens-evaluation-workflow

使用 TruLens 對 LLM 應用程式進行檢測、評估與監控的系統化工作流程，支援 LangChain、LangGraph 與 LlamaIndex 等框架。

tools

統一的 LLM 函式呼叫與工具使用 API，支援 OpenAI、Anthropic、Google 與 Ollama，提供標準化的 JSON Schema 定義與執行流程。

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。

ai-llm-patterns

Anthropic Claude 整合模式：串流、使用 pgvector 的 RAG、工具使用、模型選擇（Haiku/Sonnet/Opus）、提示詞快取及 AI 工程成本管理。