Agent Skills Hub

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。

build-design-system

使用 Design Graph 方法論構建連貫且基於約束的設計系統。自動化設計令牌、排版比例、元件、變體及主題的創建過程。

ship-learn-next

將教學內容（如逐字稿、教程）轉化為可執行的「Ship-Learn-Next」循環，建立具體的實作計畫與學習任務。

python

Python 編碼助手，提供最佳實踐、PEP 8 風格檢查、使用 pytest 自動化測試以及 uv 依賴管理。

scientific-brainstorming

創意研究腦力激盪夥伴，用於探索跨領域連結、挑戰現有假設，並協助產生可驗證的科學假設。

upstash-vector-db-skills

Upstash Vector DB 設定、語意搜尋、命名空間與向量嵌入模型。專為在 Next.js 16 與 Vercel 專案中建構高效向量搜尋功能而設計。

auto-skill-generator

研究技術文件並自動生成可直接使用的 Markdown 格式軟體代理技能。

semgrep-rule-variant-creator

使用嚴格的測試驅動方法將 Semgrep 規則移植到新語言。包含適用性分析、基於 AST 的轉換以及針對每種目標語言的自動化驗證。

browser-use

基於 Model Context Protocol 的 AI 瀏覽器自動化伺服器，支援網頁互動、數據提取與深度研究。

ReasoningBank with AgentDB

使用 AgentDB 的超快速向量後端實作 ReasoningBank 自適應學習。具備軌跡追蹤、判斷評估、記憶蒸餾與模式識別功能，適用於構建自我學習的自主智能體。

work-logs-knowledge-log

輸出知識日誌，記錄會話中發現的專案結構、隱性規則及邏輯差異。

skill-engineer

為 OpenClaw 技能開發提供多代理迭代優化與品質把關，透過標準化測試與生命週期管理提升技能效能。