Agent Skills Hub

wt

使用 git worktrees 管理隔離的 LlamaFarm 開發環境，實現平行代理程式工作階段與服務測試。

pytorch-lightning

PyTorch Lightning 深度學習框架技能：自動化模型訓練、多 GPU 編排、數據管道以及 DDP、FSDP 和 DeepSpeed 等分散式訓練策略。

paper-reproduce

提供論文復現的系統性方法論，支援數據清理、統計驗證、樣本篩選及自動化產出學術復現報告（Markdown 與 LaTeX）。

debug-cuda-crash

使用 FlashInfer API 日誌功能排查與解決 CUDA 運行時崩潰的教學指南。

scientific-critical-thinking

評估科學宣稱與研究方法的嚴謹度、偏誤及有效性。運用 GRADE 與 Cochrane 等實證架構來分析實驗設計、研究方案及研究結論。

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。

pymc

使用 PyMC 進行貝葉斯建模與機率編程。構建分層模型，執行 MCMC 採樣 (NUTS) 與變分推斷，並透過 LOO/WAIC 進行嚴謹的模型比較與後驗檢查。

seaborn

Python 統計視覺化程式庫。透過 Pandas 整合與自動統計估計，輕鬆製作盒鬚圖、熱圖與小提琴圖等出版級品質的統計圖表。

flow-nexus-neural

使用 Flow Nexus 平台在分佈式 E2B 沙盒中訓練與管理神經網路，支援 Transformer、LSTM 和 GAN 等自定義架構。

stable-baselines3

使用 Stable Baselines3 進行生產級強化學習。透過類 scikit-learn API 訓練智能體、設計自定義環境、實作訓練回調函數並優化工作流程。

statistical-analysis

引導式統計分析，包含測試選擇、假設檢定、效能分析及 APA 格式報告，適用於學術與實驗研究。

ml-pipeline-workflow

建構並協調從資料準備、模型訓練、驗證到自動化部署的端到端 MLOps 管線。