Agent Skills Hub

AgentDB Vector Search

為 AI 代理提供的高效能向量搜尋引擎，具備毫秒級檢索、HNSW 索引與量化技術，適用於 RAG 系統、相似度匹配與知識庫管理。

ai-llm-patterns

Anthropic Claude 整合模式：串流、使用 pgvector 的 RAG、工具使用、模型選擇（Haiku/Sonnet/Opus）、提示詞快取及 AI 工程成本管理。

maestro

智慧型 RAG 知識閘道，將程式碼任務路由至專業的 Swift/iOS 領域知識。透過 MCP 從 100 多種索引技能中擷取精準模式，優化開發情境使用率。

qras

基於 Qdrant 和 Ollama 的本地 RAG 語義記憶系統。適用於高效檢索工作區文件、筆記、決策記錄與用戶偏好，提供精確的向量語義搜索。

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。

qmd

用於 Markdown 筆記、文件和代碼庫知識庫的本地混合搜尋引擎，旨在降低 Token 消耗並提升檢索效率。

librarian

抓取、索引並搜尋 GitHub 和網站上的開發者文件，為 AI 代理提供準確、基於真實來源且具備版本控制的程式碼上下文。

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。

skill-writer

用於編寫 ClawdHub/MoltHub 高品質 Agent Skills (SKILL.md) 的工具套件，涵蓋結構規範、前端元數據模式、內容模式及技術文檔編寫最佳實踐。

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。

ReasoningBank Intelligence

透過 ReasoningBank 實現代理程式的自適應學習，進行模式識別、策略優化與持續改進。