Agent Skills Hub

implement-feature

使用架構優先設計、TDD、豐富領域模型與 Swift 6.2 模式實作功能的指南，確保領域、基礎設施與應用層之間的清晰隔離。

karpathy-guidelines

為 LLM 設定的程式開發行為準則，旨在減少錯誤、落實最佳實踐，並透過強調簡潔性、精確修改與目標導向驗證來提升代碼品質。

web-search

自主研究專員，專注於獲取驗證資訊、評估來源並進行結構化綜述。

performance-analysis

系統性效能工程：基準測試、效能分析、瓶頸診斷，以及基於實證的應用程式最佳化指導。

wm-git-worktree-manager

高效管理 git worktrees，支援自動化檔案同步、背景任務執行以及基於 CLI 的工作區編排。

massive-context-mcp

透過遞迴分塊、子查詢與聚合結果處理超過 1,000 萬 tokens 的大型檔案與程式碼庫，突破 LLM 上下文視窗限制。

alphaear-deepear-lite

從 DeepEar Lite 平台獲取即時金融訊號、傳導鏈推理及市場信心指標，協助 AI 代理進行深度市場分析。

swarm

透過基於協議的行為治理，協調 Claude Code 並行工作集群，以執行複雜功能開發、多步驟重構及長時間運行的自動化編程任務。

context-compression

透過先進的上下文壓縮、結構化摘要與任務導向的狀態管理，為長期運行的 AI 代理會話優化效能並降低 Token 使用量。

vercel-react-native-skills

React Native 和 Expo 效能優化最佳實踐。涵蓋列表虛擬化、Reanimated 動畫、UI 模式以及原生平台 API 優化。

claude-review

根據 Hyperlane 文件標準審查文件變更，確保內容符合架構模式與規範。

upstash-ratelimit-ts

適用於 TypeScript 的無連線 HTTP 速率限制 SDK，專為無伺服器 (Serverless)、邊緣運算 (Edge) 環境及 Upstash Redis 設計。