Agent Skills Hub

metacognition

透過結構化的自我評估檢查點，確保 AI 在任務執行前、中、後的方案驗證與風險控管，提升程式開發品質。

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。

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。

manufacturing-failure-reason-codebook-normalization

根據產品代碼手冊將測試工程師的缺陷描述標準化，修正錯別字、縮寫錯誤與歧義，並執行站點驗證。

design-excellence

一套設計系統與反模式指南，讓 AI 生成的介面更具人工質感。透過管理色彩、排版、間距與動畫，為 Toh Framework 提供專業的視覺品質。

variant-analysis

使用基於模式的分析技術在程式碼庫中尋找類似的漏洞與 Bug。適用於漏洞變體挖掘、建立 CodeQL/Semgrep 查詢規則或進行系統性的程式碼審計。

ring:testing-skills-with-subagents

用於構建健壯 AI Agent 技能的元技能，採用測試驅動開發 (TDD) 方法：定義失敗 (RED)、實作技能 (GREEN) 並修補合理化漏洞 (REFACTOR)。

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。

margin-management

監控並管理保證金生活策略，追蹤餘額、利息成本與覆蓋率。根據投資組合與保證金的安全閾值提供自動化擴展建議與安全警報。

feature-prioritization

一種結構化的決策工具，應用 RICE、MoSCoW、Kano 和價值與努力等框架，透過數據驅動的客觀性來確定軟體功能、產品藍圖項目以及開發與否的決策優先級。

using-skills

強制性工作流程技能，用於管理對話狀態、執行技能發現，並透過 TodoWrite 清單確保任務執行。

pyhealth

全方位 Python 醫療 AI 工具包，用於臨床數據處理、醫學編碼轉換，以及開發用於 EHR、生理訊號和臨床預測任務的深度學習模型（如 RETAIN 與 Transformer）。