Agent Skills Hub

skill-authoring-workflow

一套標準化工作流程，用於將原始 PM 筆記、工作坊內容或初稿轉化為經過驗證且符合儲存庫規範的 AI 技能。

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。

docs-generator

為代碼庫生成層級化的 AI 優化文檔結構 (AGENTS.md, agent.d)，幫助 AI 編碼助手與開發者更高效地存取項目上下文、設置與導航。

milady-development

透過管理插件來自我修改 Milady 代理。編輯程式碼、重建並重新啟動運行環境，以開發新功能或本地優化代理工作流程。

data-storytelling

將原始數據轉化為引人入勝的敘事，運用視覺化策略、敘事框架與說服性結構，協助分析師進行高階報告與數據決策。

working-with-spreadsheets

使用 openpyxl 與 pandas 建立和編輯 Excel 試算表，包含專業格式、公式與財務建模標準。

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。

research-review

透過 Codex MCP 使用外部 LLM 獲取您的研究、論文草稿與實驗設置的深度批判性評論（NeurIPS/ICML 等級）。

proactive-agent

透過 WAL 協定、持久化記憶緩衝區與自動化 Cron 排程，將 AI 代理轉變為能主動預測需求並持續優化的主動式夥伴。

kagent

kagent 專家指南：用於構建、部署和管理 AI Agent、MCP 工具及 A2A 協議的 Kubernetes 原生框架。

openai-agents-sdk

使用 OpenAI Agents SDK (Python) 構建 AI 代理。支援多代理協作、函數工具、狀態化對話、串流傳輸以及透過 LiteLLM 進行 Azure OpenAI 集成。

scikit-learn

使用 scikit-learn 進行經典機器學習。適用於分類、迴歸、分群、降維、資料預處理、模型評估，以及構建 Python 機器學習流程。