Agent Skills Hub

scientific-writing

此科學寫作技能為研究人員和學者提供了一個結構化框架，用於起草、編輯和完善高品質的手稿，以進行同行評審期刊投稿。它協助作者在保持精確度和清晰度的同時，嚴格遵守學科標準和特定期刊的要求。無論您是在撰寫摘要、組織複雜的數據，還是處理詳細的審稿人意見，此工具都能作為您的全方位文件撰寫夥伴。 - 全面支援 IMRAD 格式（緒論、方法、結果與討論），包括邏輯流程和各章節的撰寫指導。 - 針對主要學術引用格式（如 APA、AMA、Vancouver、Chicago 和 IEEE）進行引文與參考文獻管理。 - 整合標準化報告準則以確保研究透明度與完整性，例如用於隨機試驗的 CONSORT、觀察性研究的 STROBE、系統性評價的 PRISMA 等。 - 提供數據視覺化的專業指導，包括圖表選擇、表格格式化和圖說設計的最佳實踐，以最大化清晰度與影響力。 - 編輯協助以提升科學論文的文筆，確保正確使用術語，並達到符合高影響力期刊的簡潔要求。 - 使用者應輸入原始研究結果、初步數據描述或草稿片段，以獲取結構化建議。 - 該技能將輸出潤飾後的手稿章節、格式化參考文獻列表，以及針對結構連貫性的可執行回饋。 - 雖然其輸出品質受限於使用者提供的數據，但它能有效識別符合報告準則（如 STARD、TRIPOD 或 ARRIVE）所需的缺失元素。 - 非常適合博士生、研究科學家和臨床調查員，他們需要在應對複雜期刊投稿要求的同時，盡量減少手動格式化的負擔。

rr-debugger

rr-debugger 技能提供了 rr (Record and Replay) 框架的接口，使開發人員與安全研究人員能夠對 C/C++ 應用程式進行確定性調試。與傳統只能向前執行的調試器不同，rr 會擷取程式的完整執行過程，使用戶能夠回溯時間，檢查暫存器、記憶體和局部變數在執行軌跡中任何一點的精確狀態。這對於分類非確定性錯誤、競爭條件或複雜的軟體崩潰非常有效，特別是在難以重現根本原因的情況下。 - 支援二進位執行的確定性記錄與重放。 - 支援完整的反向執行，包含 reverse-next、reverse-step、reverse-continue 與 reverse-stepi 指令。 - 透過允許用戶從故障點回溯到觸發記憶體違規的確切指令，簡化了對 ASAN (AddressSanitizer) 錯誤的分析。 - 支援使用與 GDB 相容的指令進行記憶體檢查，包括列印變數、指標解引用與十六進位格式記憶體檢視。 - 提供原始碼與組合語言視圖，方便深入觀察執行邏輯。 - 包含透過腳本自動化進行崩潰軌跡提取的支援，非常適合大規模漏洞研究工作流程。 - 此工具專為進階二進位分析與安全研究而設計，最適合在支援 rr 的 Linux 環境中使用。 - 輸入要求：在啟動調試器並進行 `rr replay` 之前，必須先使用 `rr record` 記錄二進位檔。 - 操作限制：需要具有特定 Linux 核心配置的容器或環境（例如 Docker 中的 --privileged 模式），以啟用記錄與重放功能的效能計數器。 - 非常適合用於記憶體損壞、段錯誤 (Segmentation Fault) 及複雜邏輯錯誤的根本原因分析 (RCA)，在難以重現確切崩潰序列的情境中特別實用。

ui-ux-pro-max

UI/UX Pro Max 是一款為軟體代理設計的複雜設計智慧引擎，旨在維護高品質、一致性且具備無障礙功能的用戶介面。它作為一個可搜尋的資料庫，連結了原始設計意圖與技術實作。通過整合 50 多種風格、97 種配色、57 種專業字體搭配和 99 條 UX 指南，它賦予代理在建構元件、儀表板佈局或登陸頁面時做出數據驅動決策的能力。此技能對於需要確保產品符合現代標準（如 WCAG 無障礙規範、效能優化和多裝置響應式設計）的開發者和設計師至關重要，並支援 React、Vue、Next.js 和 Tailwind CSS 等主流技術堆疊。 - 為電商、SaaS 和個人作品集等特定產業生成進階設計系統，並提供智慧推薦邏輯。 - 執行關鍵無障礙審核，包括色彩對比度（4.5:1）、鍵盤導航、ARIA 標籤及焦點狀態管理。 - 效能導向的 UI 最佳實作，如圖片優化、減少動畫處理及防止內容跳動。 - 完整的 UX 指南，涵蓋觸控目標（44x44px）、錯誤回饋機制及複雜網頁/行動應用的載入狀態設計。 - 提供多種技術棧的實作支援（html-tailwind, react, nextjs, vue, svelte, swiftui, react-native, flutter, shadcn）。 - 提供資料視覺化輔助，包含 25 種圖表類型及以無障礙為首的配色與結構建議。 - 輸入要求：提供產品類型、產業、風格關鍵字及目標技術堆疊，以獲取量身打造的建議。 - 使用流程：務必先使用 --design-system 參數進行主搜尋，以生成基礎模式，再透過特定領域查詢（style、typography、ux、charts、landing）進行迭代。 - 約束條件：遵循定義的優先級（從關鍵到低優先級）來解決設計衝突，始終將無障礙與互動完整性置於視覺選擇之上。 - 操作技巧：利用命令列搜尋工具快速檢索符合專案視覺識別的 CSS 實用類別或設計代幣，確保跨頁面與元件的一致性。

massgen-release-documenter

massgen-release-documenter 是一項專為簡化 MassGen 框架技術發布流程而設計的專業代理技能。它為開發人員提供了一套結構化且具權威性的工作流程，確保每次軟體發布都附有完整、高質量的文件。透過標準化發布路徑，該技能最大限度地減少了在更新變更日誌 (CHANGELOG)、基於 Sphinx 的技術文件、配置參考及路線圖檔案等複雜編排過程中可能出現的人為錯誤。 此技能適用於在 MassGen 儲存庫中工作的軟體工程師與維護者。它在開發週期的最後階段特別實用，當時確保各個專案構件（包括 README、同步至 PyPI 的文件以及詳細案例研究）之間的一致性，對於使用者採用與生態透明度至關重要。該代理強制執行嚴格的依賴順序，以確保程式碼的上游變更能夠精確地反映在下游的文件輸出中。 - 根據權威文件 docs/dev_notes/release_checklist.md 編排多階段發布工作流程。 - 促進 CHANGELOG.md、Sphinx 原始檔及配置文件的系統化生成與更新。 - 整合預提交 (pre-commit) 掛鉤，以自動化同步 README.md 與 README_PYPI.md 檔案。 - 支援專案案例研究的建立與模板化，協助記錄複雜的代理工作流程與模型整合。 - 為 Sphinx 文件建置、連結檢查及路線圖狀態更新提供明確的驗證步驟。 - 管理特定版本的發布公告轉換，包括透過整合工具支援社交媒體內容的生成。 - 始終以更新 CHANGELOG.md 並參考權威的 release_checklist.md 作為啟動發布流程的開端。 - 當 YAML 架構或模型支援發生演變時，利用此技能驗證 config_builder.py 和 capabilities.py 中的後端變更是否已記錄。 - 確保所有構件皆透過工具提供的 make html 與 make linkcheck 指令進行驗證。 - 利用自動化優先的策略來降低專案維護與技術寫作中的手動開銷。 - 請注意，此技能需要持續存取儲存庫根目錄與文件目錄，以執行檔案系統操作與驗證檢查。

xp-practices

此技能為現代工程團隊提供了一套結構化的框架，用以採納極限編程 (XP) 方法論，特別是針對利用 AI 輔助工作流的團隊。它專注於核心敏捷實踐的系統性整合，例如測試驅動開發 (TDD)、結對編程、群體編程與持續整合。透過將這些實踐視為一個連貫的系統而非獨立任務，工程團隊可以在保持高技術標準與集體代碼所有權的同時，實現可持續的交付節奏。本技能旨在幫助軟體工程師、品質保證專家與技術主管透過嚴謹且以測試為中心的習慣，規範化其開發生命週期。 - 協調包含 RED-GREEN-REFACTOR 階段的 TDD 週期之代理人工作流。 - 提供驅動者-導航者 (Driver-Navigator) 與乒乓式 (Ping-Pong) 結對編程會話的標準化模式。 - 將持續整合邏輯與自動化風險分析及回歸測試相結合。 - 透過代碼審查協調與知識共享協定來支持集體所有權。 - 提供關於何時應用結對（例如：複雜代碼、入職培訓、關鍵錯誤）與何時進行獨立研究衝刺的實務指南。 - 促進結對會話、團隊速度指標與回顧筆記的記憶管理。 - 在引入集體所有權或小規模發布之前，先從 TDD 與 CI 等高價值實踐開始。 - 每 20-30 分鐘輪換結對角色以維持能量與參與度。 - 利用提供的 fleet 協調架構來整合專門的代理人，如 qe-test-generator、qe-test-executor 與 qe-code-reviewer。 - 將 AI 代理人分配處理重複性工作（如回歸測試套件、數據生成與覆蓋率分析），而人類則專注於架構判斷與策略制定。 - 堅持 XP 作為一個系統運作的原則；避免隨意挑選可能破壞自動化測試安全網或持續反饋循環的單一實踐。 - 本技能在不同會話間維護內部狀態，使代理人能夠記憶從您的特定代碼庫與團隊動態中學到的模式。

Swarm Orchestration

Swarm Orchestration 是一個強大的協調框架，旨在將 Claude Code 的功能擴展為強大的多代理分散式系統。它使開發人員能夠超越單一代理的互動，透過部署能進行溝通、共享記憶體並實現自我優化的專業蜂群。此技能利用 agentic-flow 引擎來管理複雜的工作流程，並支援多種架構模式，例如網狀 (mesh)、層級 (hierarchical) 以及可根據任務複雜度進行調整的適應性 (adaptive) 拓撲。該系統適用於軟體工程師、系統架構師和 AI 研究人員，他們正在構建需要高容錯性、平行處理和智慧共識機制的自動化或半自動化開發管道。 - 多種拓撲支援：配置網狀、層級或適應性蜂群結構，以針對不同的開發工作流程和代理角色進行優化。 - 智慧任務路由：透過負載平衡和並發執行模式，將任務自動分發給專業代理（例如：程式設計師、測試員、審查員、架構師）。 - 共享記憶體協調：利用中央蜂群記憶體儲存來實現一致的上下文共享、狀態持久化和代理間通訊，減少延遲與上下文碎片化。 - 高階彈性機制：內建容錯功能，包括自動重試、指數退避和任務重新分配，確保長週期持續整合/持續部署 (CI/CD) 或開發迴圈期間的高可用性。 - 生命週期 Hook：與任務前協調、任務後同步和會話恢復等 Hook 深度整合，實現與開發管道的無縫銜接。 - 使用案例涵蓋從自動程式碼重構、多部分 API 功能實作，到複雜的系統測試和分散式文件生成。 - 前置需求包含 agentic-flow v1.5.11+ 以及 Node.js 18+。使用者應具備分散式系統基礎概念，以便有效地調整拓撲與彈性設定。 - 實作技巧：建議從初始化 2-3 個代理的小型蜂群開始測試通訊，隨後針對不可預測的工作負載使用適應性拓撲模式。務必啟用負載平衡並監控吞吐量指標，以防止效能瓶頸。排解協調問題時，請驗證記憶體存取權限並確保所有 Hook 已在環境中正確註冊。

blucli

blucli 技能是一款專為 Bluesound 和 NAD 音響設備使用者設計的自動化工具。它彌補了硬體手動操作與程式化控制之間的差距，讓您的 AI 助理能夠流暢地管理多房間音訊系統。透過在原生播放器協定上提供簡潔的介面，它將複雜的網路指令轉化為發現、播放與同步的簡單操作。此工具適合希望將高品質音響設備整合至更廣泛的 AI 對話工作流中，實現免手持音樂與音效環境控制的發燒友及家庭自動化愛好者。 - 完整支援 Bluesound 和 NAD 播放器發現、狀態監控與設備識別。 - 流暢的媒體控制功能，包含播放、暫停、停止與音量調整。 - 進階多房間音訊群組功能，可動態新增或移除同步區域中的播放器。 - 內建 TuneIn 支援，可直接透過指令搜尋並播放網路廣播電台或串流。 - 原生支援 JSON 輸出，極適合用於腳本自動化與管線整合。 - 靈活的設備目標選擇，支援使用 ID、名稱或別名，並可透過 BLU_DEVICE 環境變數進行持久化設定。 - 在發出播放或音量指令前，請務必確認目標設備，以免對其他區域造成意外干擾。 - 將輸出導向其他 OpenClaw 外掛或系統腳本時，建議使用 --json 旗標以確保資料解析正確。 - 此技能依賴基於網路的通訊，請確保您的播放器在區域網路上可被連線，以避免發現失敗。 - 執行複雜的群組任務時，請先檢查狀態，確認目前的區域設定後再執行新增或移除操作。 - 支援如 blu devices、blu play 和 blu volume set 等標準指令模式，為 CLI 使用者與自動化代理提供一致且可預測的操作體驗。

page-cro

此技能作為您行銷網站的專業轉化率優化 (CRO) 顧問。旨在協助創辦人、成長工程師與數位行銷人員審核並改進表現不佳的頁面。透過嚴謹的評估框架，識別阻止訪客採取行動（如註冊試用、預約演示或購買）的摩擦點、資訊模糊處與策略不一致之處。 - 全面審核首頁、登陸頁面、定價頁、功能介紹頁與部落格文章。 - 評估核心 CRO 維度，包括價值主張清晰度、標題有效性、CTA 層級、視覺掃描性、社交證明與異議處理。 - 交付結構化的優化建議，分為：即時可執行的 Quick Wins、具策略影響力的 High-Impact Changes，以及用於 A/B 測試的 Test Ideas。 - 提供基於數據的標題與行動呼籲 (CTA) 文案替代方案，以優化訊息匹配度與轉化驅動力。 - 分析訪客意圖與流量背景，確保頁面訊息與流量來源（自然搜尋、付費廣告、電子郵件等）精準對齊。 - 在提出建議前，優先查閱 product-marketing-context.md，確保建議符合您的品牌定位與目標客群。 - 與文案寫作 (copywriting)、註冊流程優化 (signup-flow-cro) 及 A/B 測試設置 (ab-test-setup) 等技能整合，提供全方位的優化策略。 - 需要使用者提供頁面類型、轉化目標與流量來源背景，以產出具針對性的高品質優化建議。 - 限制：本技能適用於網路行銷資產，最終實施與程式碼調整仍需人工確認。 - 關鍵詞：轉化率優化、CRO、登陸頁優化、跳出率降低、註冊轉化、CTA 測試、價值主張、使用者體驗、行銷分析、成長駭客、A/B 測試策略。

sarif-parsing

此技能作為處理 SARIF (Static Analysis Results Interchange Format) 2.1.0 資料的專門助手。專為資安工程師與開發者設計，能對來自 CodeQL、Semgrep 等靜態分析工具的輸出進行程式化解釋。透過提供結構化的分析結果存取方式，使用者可執行複雜的資料處理、標準化與報告產出，無需手動操作。在多工具並行的環境中，當需要統整不同警報格式以維持清晰的安全狀態時，此技能尤為重要。 - 使用 jq 等指令列工具對 SARIF 日誌進行深度分析，實現快速探索。 - 透過 pysarif 與 sarif-tools 等函式庫實現複雜的 Python 解析管線，聚合多次掃描的結果。 - 自動化處理安全警報的去重，並根據規則 ID、嚴重程度 (error/warning/note) 或特定檔案路徑篩選雜訊。 - 將 SARIF 發現的漏洞轉換為 CSV 或 HTML 報告等易於閱讀的格式，提升團隊可見度。 - 提取指紋 (fingerprints)、部分指紋與構件位置 (artifact locations) 等元資料，以便跨分支或建置環境追蹤漏洞。 - 此技能旨在處理已產生的掃描結果；它不會直接執行靜態分析掃描——若需執行掃描，請使用 Semgrep 或 CodeQL 等專用技能。 - 使用者應熟悉 SARIF 2.1.0 規範結構，包含 runs、results 與 physicalLocation 元素的階層關係。 - 利用指紋技術進行基準對照、識別 pull request 中的回歸錯誤，並維護已知誤報的屏蔽清單。 - 確保輸入檔案為有效的 JSON SARIF 日誌，以獲得最佳解析效能。 - 利用所提供的策略將結果整合至 CI/CD 管線中，根據安全嚴重程度門檻建立自動化品質控管。

fuzzing-dictionary

fuzzing-dictionary 技能可協助安全工程師與開發者優化覆蓋率引導式的模糊測試活動。除了單純依賴隨機突變（這通常無法通過解析器或協定狀態機的初始驗證檢查）之外，此技能協助配置與注入有意義的資料，例如魔術數字、協定指令、關鍵字以及特定格式的標頭，進而將模糊測試器推向更深入且複雜的程式碼路徑。 它專為採用嚴格輸入格式的目標系統而設計，例如 JSON/XML 解析器、網路協定實作（如 HTTP、DNS）以及媒體檔案編解碼器。透過提供經過篩選的字典，您可以大幅提高生成的輸入通過完整性檢查的機率，並觸及隱藏在深層執行分支中的脆弱邏輯。 - 支援針對解析器、網路協定及複雜檔案格式（PNG, PDF 等）進行精確的模糊測試。 - 支援業界標準的模糊測試工具，包含 libFuzzer、AFL++ 以及 cargo-fuzz。 - 提供從標頭檔案、二進位字串、說明頁面或透過 LLM 輔助生成字典內容的方法。 - 包含字典維護的進階技巧，例如去重、針對二進位資料使用十六進位跳脫序列，以及最佳化字典大小（50-200 個條目）。 - 示範如何利用 AFL++ 的 AUTODICTIONARY 功能，從二進位比較點自動提取字串。 - 當覆蓋率早期陷入停滯，或目標程式碼針對關鍵字或魔術常數執行明確的字串比對時，請使用此技能。 - 若為純演算法測試且格式結構並非主要限制時，則無需使用。 - 輸入應為格式正確的文字檔案，包含引號字串，並支援註解以及用於二進位控制的十六進位跳脫序列。 - 此技能提供常見模糊測試工作流程的實作 CLI 指令，確保能無縫整合至現有的 CI/CD 或研究流水線中。 - 使用者應監控字典大小，因為過大的字典可能會拖慢模糊測試速度，並稀釋高價值標記的影響力。

github-release-management

GitHub 發布管理技能為 Claude Code 內部的軟體發布流程提供高級協調層，利用多代理群體智能來處理複雜的部署工作流。它專為需要自動化、彈性且可重複發布流程的 DevOps 工程師、軟體開發人員與發布經理所設計。通過與 GitHub API 直接整合，並利用專職代理執行更改日誌生成、語義版本控制和兼容性測試等任務，該技能在最大限度減少手動操作的同時，確保了發布生命週期的完整性。 - 根據提交歷史和合併請求分析，自動執行語義版本控制與重大變更檢測。 - 多階段發布管道協調，支持 npm、Docker 和 GitHub 環境的並行構建生成。 - 使用層級或網格拓撲進行智能群體協調，將任務委派給負責測試、安全掃描和文檔編寫的專業代理。 - 內建回滾機制，可在部署階段檢測到性能衰退或安全漏洞時自動觸發。 - 自動生成基於存儲庫活動的專業發布說明、更改日誌與遷移指南。 - 通過指令列介面執行，例如使用 npx claude-flow github release-create 或利用 npx claude-flow sparc pipeline 初始化完整群體管道。 - 整合依賴於標準 GitHub CLI (gh) 認證與存儲庫級別的權限；請確保存儲庫已配置適當的訪問令牌。 - 通常輸入包括目標版本字符串、部署配置與可選的測試驗證參數。 - 實際限制：需要已配置的 GitHub 環境以及連接至相關組件註冊表（如 npm、Docker Hub 等）的網絡權限。 - 為獲得最佳效果，建議初始化層級化的群體拓撲，以實現跨複雜驗證任務的自主代理協作。

react-state-management

本技能為現代 React 應用程式的狀態管理提供了全面的指南。它專為需要處理狀態（從簡單的組件層級資料到複雜的全域儲存庫與遠端伺服器同步）的前端開發人員與軟體工程師所設計。此技能協助架構不同狀態典範之間的差異，為原子狀態、全域狀態及伺服器端狀態解決方案的選型提供了明確的決策準則。 - 涵蓋主要函式庫，包括用於複雜全域狀態的 Redux Toolkit、用於輕量級儲存管理的 Zustand，以及用於原子化、細粒度更新的 Jotai。 - 包含 React Query 與 SWR 的實作模式，特別聚焦於伺服器狀態同步、資料快取與樂觀更新 (optimistic updates) 以提升使用者體驗。 - 提供將狀態分類為本地、全域、伺服器、URL 及表單狀態的架構指引，以確保程式碼的可維護性與關注點分離。 - 包含 TypeScript 的最佳實踐，用於型別化的選擇器 (selectors)、派發器 (dispatchers) 與 store slices，確保整個應用程式狀態的型別安全性。 - 提供從傳統 Redux 模式遷移至現代化、可擴展狀態管理架構的策略。 - 適用於除錯與狀態相關的效能問題，透過選擇性訂閱 (selective subscriptions) 防止不必要的渲染，並優化資料獲取流程。 - 推薦用於建置動態使用者介面，且需要高效能、即時資料處理與複雜前端狀態轉換的開發者使用。