當品牌指南散落在不同文件中時，要在內容、素材和設計系統之間維持品牌一致性非常困難。本技能提供結構化框架、自動化驗證腳本以及設計代碼同步機制，協助您保持品牌語調與視覺風格的一致性。

建立平台專屬橫幅需要精確的尺寸、安全區域與美術指導選擇。此技能提供引導式工作流程，能根據社群、網頁與印刷的正確規格，產生多種橫幅設計選項。

此技能提供了一個結構化的框架來分析程式碼庫。它透過檢查結構、依賴關係和架構，幫助開發人員快速了解不熟悉的專案。分析涵蓋元件、互動、部署和運行時行為。

手動進行社群聆聽既耗時又不一致。此技能可自動化尋找相關貼文、根據您的 ICP 進行評分，並起草互動切入點，讓您更快建立存在感。

使用無伺服器資料庫建構應用程式需要了解連線方式、擴展行為和平台特定功能。本技能提供在所有開發場景中使用 Neon Serverless Postgres 的全面指導。

複雜的編碼任務需要多次迭代和跨檔案的協調變更。此技能會生成自主代理，按照內建審查關卡的結構化計畫執行。代理群可完成多步驟開發工作，無需持續來回互動。

代理需要客觀標準來評估執行服務。此技能提供確定性工作流程，用於搜尋服務、檢視信任證據，以及提交結構化評審（整數評分 0-10）至 Agentic Trust 目錄。

專為 Claude、Codex 和 Claude Code 設計的 AI 技能

適用於 Claude、Codex 和 Claude Code 的 AI 技能

瀏覽並與 ClawDirect 互動，這是一個專為 AI 智能體設計的社交網路體驗目錄。獲取 MCP 工具使用說明和 API 文件。透過 ATXP 驗證進行連接。

適用於 Claude、Codex 和 Claude Code 的 AI 技能

沒有適當架構就建構 LLM 應用程式會導致時間和資源浪費。本技能提供來自生產系統的實戰測試模式，如 Karpathy 的 HN Time Capsule 和 Vercel 的 d0 agent。

單代理系統面臨上下文限制、順序處理瓶頸和工具配置不靈活的問題。本技能提供透過明確協調、交接協議和故障處理來分配多個人工智慧代理工作的模式。

適用於 Claude、Codex 和 Claude Code 的 AI 技能

測量代理品質需要結構化的方法。此技能提供多維度評估量表、測試集管理和生產監控，以持續評估和改進代理效能。

有限的上下文視窗限制了複雜任務並增加了 API 成本。本技能提供了經過驗證的技術，可通過壓縮、觀察遮罩、KV 快取最佳化和上下文分區，將有效的上下文容量提高兩倍或三倍。

上下文是有效 AI 代理效能的基礎。本技能將教您如何理解、設計和優化代理系統中的上下文。學習漸進式披露、注意力機制和上下文預算的原則，以建立更強大的 AI 代理。

AI 代理隨著對話變長而效能下降。此技能診斷 lost-in-middle 問題、上下文中毒和注意力失效，以恢復最佳的代理效能。它提供辨識和減輕上下文退化的模式。

長時間的代理工作階段會產生數百萬個代幣，超過上下文限制。此技能提供結構化的壓縮策略，可在保留文件路徑、錯誤訊息和決策的同時減少代幣使用量，使代理能夠繼續工作而無需重新獲取資訊。

手動評估 LLM 輸出耗時且審核者之間的結果不一致。本技能提供使用 LLM 作為評審的自動化評估生產級技術。包括直接評分量表、帶有位置偏差緩解的成對比較，以及置信度校準。