Agent Skills Hub

simplemem-skill

為 AI 代理提供持久的語義長期記憶。透過語義壓縮，跨對話儲存、查詢並檢索對話記錄、決策與多模態上下文。

evaluation

為 AI 代理構建系統化的評估框架，利用多維評分標準、LLM-as-a-judge 與回歸測試，量測代理效能、品質及上下文工程的有效性。

hegelion

適用於 MCP 的辯證推理與對抗式編碼代理，透過強制 LLM 解決內部矛盾，產出更高品質的推理與程式碼。

prompt-engineering-patterns

掌握先進的提示工程技術，以最大化生產環境中大型語言模型（LLM）的性能、可靠性和可控性。

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。

agent-architecture

實作生產級 AI 代理。包含 LangGraph、工具調用護欄、SSE 串流、情節記憶與 pgvector。提供反模式分析與修正代碼。

Extract structured data from unstructured files (PDF, PPTX, DOCX...)

使用 LlamaExtract 實作從 PDF、DOCX 與 PPTX 等非結構化檔案中擷取結構化資料的解決方案，並透過 Pydantic 定義資料架構。

jta

具備 Agentic 反思機制的 AI JSON 國際化翻譯工具，支援自動術語管理、格式保護與增量更新，大幅提升翻譯效率與品質。

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。

context-engineering-collection

一套用於上下文工程、多代理架構及生產級代理系統優化的結構化代理技能集。

orchestrator

Claude Code 的自主多代理協調框架，具備記憶驅動工作流程、優先並行執行、基於亞里斯多德原則的拆解與多階段品質把關。

freeride

為 OpenClaw 管理 OpenRouter 免費 AI 模型。自動根據品質排序模型、配置速率限制的後備方案，並更新 openclaw.json 設定。