Agent Skills Hub

constant-time-testing

偵測加密代碼中的時序側通道漏洞，防止機密數據洩漏。適用於審計高敏感度的加密實現。

context-degradation

診斷、隔離並緩解 LLM 上下文故障（如中間丟失、中毒、干擾及衝突），提升 AI 代理的執行可靠性。

seo-audit

執行全面的 SEO 診斷與審計，涵蓋技術基礎、可爬取性、頁面優化與內容 E-E-A-T，旨在提升搜尋排名與自然流量表現。

receiving-code-review

為 AI 開發代理設計的嚴謹程式碼審查接收機制，強調技術驗證與實際檢查，避免盲目同意。

subagent-driven-development

透過為每個任務指派獨立子代理程式來執行實作計畫，並結合規格符合性與程式碼品質的兩階段審查機制。

code-review

執行全面的程式碼審查，專注於安全性漏洞、效能優化、可維護性及程式碼正確性。

code-quality-review

全面的多維度代碼審查技能，針對正確性、安全性、性能、設計和可訪問性提供優先排序的可操作反饋。

iam

管理 AWS Identity and Access Management：配置使用者、角色、策略與權限，確保雲端環境安全性。

memory-systems

指導代理人記憶系統的實作，比較主流框架（Mem0、Zep、Letta、LangMem、Cognee），並設計用於跨會話知識保留的持久化架構。

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。