Agent Skills Hub

llm-integration

一套用於建構穩健 LLM 整合的工具包：包含 API 模式、串流、函數調用、RAG 管線及具成本效益的模型路由。

lambda

管理 AWS Lambda 無伺服器函式：部署程式碼、配置事件觸發器、除錯呼叫、優化冷啟動，並維護層（Layers）。

find-bugs

對本地分支差異進行自動化安全審計、漏洞檢測及代碼品質評估，使用結構化的檢查清單驅動驗證流程。

swift-patterns

專業的 SwiftUI 助手，協助審核、重構與建構高效、可測試且現代化的 iOS 應用程式，並遵循 Apple 的最佳實踐。

constant-time-analysis

透過靜態與動態分析檢測密碼學程式碼中的時間側通道漏洞，支援多種程式語言。

MLOps Industrialization

一套將實驗性機器學習原型轉換為穩健、可發佈的 Python 套件之框架，採用 src 配置、混合架構與嚴謹的設定管理。

training-data-curation

用於 LLM 後訓練（SFT/DPO/RLHF）的高品質數據集策劃指南，涵蓋數據格式、品質過濾與收集策略。

inno-prepare-resources

自動化研究資源準備工作，包括載入實例、搜尋 GitHub 程式碼庫、建立資料集描述以及下載 arXiv 論文。

performance-testing

使用 k6、Artillery 或 JMeter 進行應用程式效能分析，測量延遲、吞吐量與錯誤率。適用於規劃負載、壓力與耐力測試，以識別效能瓶頸。

testing-strategies

實作強大的軟體測試策略，涵蓋單元測試、整合測試與端對端 (E2E) 測試，並提供模擬框架 (Mocking)、TDD 模式與各類技術堆疊的最佳實踐，確保高品質且可靠的程式碼。

ci

自動化 CI/CD 事故響應與 GitHub Actions 管道失敗分析。提供安全的修復建議，並協助解決構建與測試錯誤。

basic-usage

llmemory 文件儲存與搜尋入門：涵蓋安裝、pgvector 資料庫設定、文件導入、混合/語義檢索，以及具備多租戶支援的 RAG 系統建構。