Agent Skills Hub

ops-devops-platform

DevOps 與平台工程模式：Kubernetes、Terraform、GitOps、CI/CD、可觀測性、事件回應及雲原生營運。

metacognition

透過結構化的自我評估檢查點，確保 AI 在任務執行前、中、後的方案驗證與風險控管，提升程式開發品質。

doc-reader

透過 llms.txt、MCP 搜尋與智慧解析策略，有效率地讀取並導航外部技術文件。

tzurot-council-mcp

為技術架構、複雜重構與結構化除錯提供多視角 AI 諮詢服務。

response-compliance

執行 OpenResponses API 合規性測試，驗證架構遵循度、串流回應及端點穩定性，確保 LobeHub 整合品質。

qras

基於 Qdrant 和 Ollama 的本地 RAG 語義記憶系統。適用於高效檢索工作區文件、筆記、決策記錄與用戶偏好，提供精確的向量語義搜索。

project-migrate

使用 AI 驅動的分析技術，將現有專案遷移至 AgenticDev 結構。自動分類文件、生成豐富的 YAML 元數據，並透過 git mv 完整保留檔案變更歷程。

model-registry-maintainer

維護並更新 MassGen 模型註冊表，包含後端能力、模型元數據、定價結構以及新舊 AI 模型的上下文窗口配置。

Hive Agent Architecture

用於在 Hive 原生 Rust 架構中構建、註冊和編排模型上下文協議 (MCP) 工具與 AI 代理工作流的開發框架。

prompt-estruturado

一個結構化的提示工程框架，能將隨意輸入轉換為包含角色、背景、任務、格式及防護機制的專業模組化提示詞。

claude-copilot

分析 Markdown 文件以確保符合預先定義的 AI Token 預算，並優化內容以利於 AI 高效攝取。

markdown-token-optimizer

分析 Markdown 檔案以識別浪費 Token 的模式，並提供具體優化建議，以提高文件對 AI 的 Token 使用效率與清晰度。