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。

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。

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。

使用正式的信念-慾望-意圖模式將 RDF 資料轉換為認知代理架構。讓 AI 系統能夠建立理性代理模型，具有可追蹤的推理鏈和多用於多代理系統的語義互操作性。

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。

從頭建立 Solana 區塊鏈專案需要了解 Anchor 框架慣例、Rust 智慧合約結構以及 Next.js 前端整合。此技能會產生具有正確結構、設定和錢包整合的完整生產就緒專案。

此技能可在變更後自動偵測 React 程式碼問題，幫助開發人員及早發現錯誤，避免問題擴大。

將 Figma 設計轉換為可直接用於生產環境的 React TypeScript 元件，確保像素級精準度。此技能運用 AI 自動化設計到程式碼的工作流程，產生乾淨且結構化的程式碼。

此技能協助開發人員在 Microsoft Azure AI Foundry 中建構、部署及管理 AI 代理程式與模型。它提供完整的代理程式建立、模型部署、容量規劃、RBAC 管理及疑難排解工作流程。