Agent Skills Hub

multi-llm-advisor

透過 OpenAI Codex 與 Google Gemini 獲取架構、程式碼審查與除錯的專家觀點，並透明化呈現所有 AI 推論與建議。

clarity-gate

透過預注入驗證強化 RAG 系統的認知品質，確保文檔在進入知識庫前皆經過嚴格定義與結構化校對。

prompt-lookup

透過 prompts.chat 搜尋、發掘並優化 AI 提示詞。存取數千個專為 ChatGPT、Claude 等 AI 模型設計的社群精選提示詞。

mcp-builder

開發高品質 MCP (Model Context Protocol) 伺服器的指南，支援使用 Python 或 TypeScript 將外部 API 與服務整合至 LLM 工作流程中。

skill-template

為建立與記錄模組化代理技能所設計的標準化模板，確保在 AI 代理系統中實現一致且高效的上下文工程。

session-logs

搜尋、分析並稽核 GeminiClaw 工作階段紀錄與記憶。用於調查過往對話、追蹤 Token 使用量、除錯工具呼叫及監控代理程式效能。

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)。

recursive-decomposition

透過將大型任務自動拆解為可管理的遞迴子任務，突破上下文視窗限制，提升對大型程式碼庫與文件集的推理準確度。

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。

Skills Guide

一套用於建立、結構化與管理可重複使用 AI 代理技能的全面框架，旨在標準化指令驅動的工作流程。

brave-search

透過 Brave Search API 進行無頭網頁搜尋與內容提取。無需瀏覽器即可執行文件檢索、事實查核及網頁內容抓取。

batch-coordinator

驗證並協調批次學習指南操作，透過強制執行模板相容性、檔案可用性及僅限來源政策，在代理程式執行前防止錯誤。