Agent Skills Hub

ai-llm-engineering

LLM 系統生命週期、架構與部署的運營中心。包含 PEFT/LoRA 微調、RAG 流程、vLLM 吞吐量優化、自動化偏移檢測及整合 CI/CD 的評估框架。

Add V4 Tool

指導如何透過 ToolRegistry 註冊自定義工具，以擴充 Agent V4 系統的自動化執行能力。

a2a-protocol

LiteLLM-RS A2A 協議：基於 Rust 的自主代理通訊框架，利用 JSON-RPC 2.0 協調多提供商代理工作流與任務管理。

personal-brand-agent

基於 LangGraph 與 Claude Opus 4.5 的自動化 LinkedIn 內容行銷多代理系統，涵蓋趨勢研究、內容生成、個人品牌語氣分析與成效追蹤。

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。

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。

context-engineering-collection

一套用於上下文工程、多代理架構及生產級代理系統優化的結構化代理技能集。

langgraph-workflows

掌握 LangGraph 多智能體編排。使用監管者-工作者模式、條件路由與狀態管理，構建具備容錯能力的複雜 AI 工作流。

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。

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。

langgraph

LangGraph 專家技能，專為構建具狀態、多角色 AI 代理工作流而設計，包含持久化、條件分支與 ReAct 模式。