Agent Skills Hub

semantic-compression

積極精簡輸入內容中的語法結構與冗餘文字，在保留核心語義的同時優化 LLM 的 Token 使用效率。

paperbanana

使用 AI 自動化技術，將 CSV 或 JSON 資料轉換為適合學術出版的高品質統計圖表。

subagent-driven-development

透過為每個任務指派獨立子代理程式來執行實作計畫，並結合規格符合性與程式碼品質的兩階段審查機制。

search

使用 Tavily 的 LLM 優化搜尋 API 進行網路搜尋，無需編寫程式碼即可獲取帶有引用來源的精準內容。

steering-specs-generator

透過引導式訪談提取隱性工程知識，並生成結構化的指導規範 (steerings)，以建立一致的專案標準與約定。

skills

一個專案專屬的架構模板，包含 Next.js 15、FastAPI 與 Supabase 的最佳實踐，以及 Claude AI 的結構化輸出整合模式。

log-debug-issue

維護結構化的 DEBUG_LOG.md 以記錄程式錯誤、除錯過程與解決方案，確保專案穩定性並累積技術知識。

文档分析器

對知識庫文檔進行深度結構分析、關鍵信息提取及質量評估的智能助手。

parallel-agents

透過協調多個專業 AI 代理來執行複雜工作流，實現多角度代碼分析、功能開發與系統級審查的自動化編排。

session-reflection-analysis

分析 Claude Code 會話歷史，以識別效率低下的模式、優化 Token 使用量並建議工作流程改進。

java-coding-standards

強制執行高品質 Java 17+ 編碼標準、Spring Boot 慣例以及可維護的專案架構。

summarize-interview

將訪談逐字稿轉換為結構化摘要，包含待辦任務 (JTBD)、滿意度信號與行動項目。