Agent Skills Hub

use-railway

操作 Railway 基礎設施：管理專案、服務、資料庫、物件儲存、部署、環境、變數、日誌及效能指標。

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。

performance-correlation

將內容屬性與 GA4 和 GSC 指標進行關聯分析，以識別績效驅動因素並挖掘優化機會。

qstash-js

使用官方 Upstash QStash JavaScript/TypeScript SDK 來管理無伺服器訊息傳遞、任務排程與 Webhook 驗證。

implementation

結構化、模板驅動的端到端功能開發工作流，包含編碼、自動化測試、驗證及基於會話的持續改進。

debug-firewall

透過檢查容器、分析 Squid 日誌、檢查 iptables 以及排除網路或網域存取問題，對 AWF (Agentic Workflow Firewall) 進行除錯。

skill-repo

標準化、驗證與管理 Netresearch AI Agent 技能儲存庫，提供自動化結構執行、發布工作流程與授權合規工具。

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。

ReasoningBank with AgentDB

使用 AgentDB 的超快速向量後端實作 ReasoningBank 自適應學習。具備軌跡追蹤、判斷評估、記憶蒸餾與模式識別功能，適用於構建自我學習的自主智能體。

WordPress Penetration Testing

對 WordPress 網站執行自動化安全評估，包含使用 WPScan、列舉技術以及對佈景主題、外掛和使用者進行漏洞掃描。

llmintegration

支援 Claude、GPT、Gemini 與 Ollama 的多模型 LLM 整合方案。包含 API 對接、提示工程、Token 管理及模型中立的編排架構。

instruments-profiling

用於使用 Instruments/xctrace 進行原生 macOS 或 iOS 應用程式效能分析。涵蓋二進位選擇、CLI 指令、追蹤匯出以及常見除錯技巧。