Ai

videodb 可協助你從本機檔案、URL、RTSP/RTMP 串流，或桌面擷取匯入影片與音訊；以時間戳搜尋片段並取得可播放的證據；還能透過剪輯、疊加、轉錄、警示與時間軸編輯來執行動作。這是一份給 VideoDB for Video Editing 與直播分析使用的實用 videodb 指南。

token-budget-advisor 是一個路由型技能，用來在回覆前協助選擇回答深度。可用於在工作流程自動化與聊天流程中控制長度、細節或 token 消耗。本 token-budget-advisor 指南涵蓋觸發規則、不適用情境，以及如何從 skills/token-budget-advisor 套用。

skill-comply 是一個用於合規測試的 skill，會在實際執行中檢查 agent 是否遵循某個 skill、規則或 agent definition。它會從 markdown 產生規格、以三種不同嚴格度的 prompt 執行測試、分類 tool-call 時序，並以證據回報合規率。適合用來做 skill-comply 的 Compliance Review。

santa-method 是一套多代理驗證工作流程，專為上線前必須正確無誤的輸出而設計。它透過獨立審查來找出內容、貼近程式碼的交付物、合規敏感文案與工作流程自動化任務中的盲點。當你需要可重複執行的「生成、驗證、收斂」循環時，就適合安裝 santa-method 技能。

regex-vs-llm-structured-text 技能可協助你在結構化文字擷取時判斷該用 regex 還是 LLM。先從可預測的解析開始，再針對低信心的邊界情況加入 LLM 驗證，適合用更便宜、更可靠的流程處理文件、表單、發票與資料分析。

llm-trading-agent-security 是一份實用指南，專注於如何保護具錢包權限的自主交易代理。內容涵蓋提示注入、防止超額支出限制、送出前模擬、熔斷機制、考量 MEV 的執行，以及金鑰隔離，協助在 Security Audit 中降低財務損失風險。

foundation-models-on-device 協助你在 iOS 26+ 上打造 Apple FoundationModels 功能，包含裝置端文字生成、透過 `@Generable` 的引導式輸出、工具呼叫、串流式 snapshot，以及可用性檢查，適合重視隱私的 App。

cost-aware-llm-pipeline 協助你建立可控 API 支出的 LLM 工作流程，透過模型路由、不可變成本追蹤、重試處理與提示快取來管理成本。特別適合批次作業、文件處理管線與 Workflow Automation，當輸出量與品質取捨需要明確規則時尤其實用。

ai-first-engineering 是一套精簡的運作模式，適合由 AI agents 承擔大量實作工作的團隊。它可協助建立 Agent Standards，涵蓋規劃、架構、審查與測試，並提供安裝、使用方式，以及何時適合導入這項 skill 的指引。

fact-checker 是一款以提示驅動的技能，適合用於結構化主張驗證、來源評估，以及產出附帶信心等級與脈絡說明的清楚結論。你可從 Shubhamsaboo/awesome-llm-apps 安裝 fact-checker，用可重複執行的流程查核陳述、傳聞、統計數字與具誤導性的說法。

deep-research 是一個輕量型 agent skill，適合用於結構化網路研究。它能協助釐清研究範圍、蒐集多方來源、評估可信度，並透過單一 `SKILL.md` 工作流程整理出附引註的研究結論。

Triage 是一個 GitHub issue triage 技能，用來把新進的 bug 和功能需求透過以角色為 ভিত্ত的狀態機進行分流處理。可用來分類 issues、判斷是否還需要更多資訊、將工作派給 AFK agent 或人工維護者，並讓 issue 處理流程保持一致。這是一個實用的 Issue Tracking triage 技能。

vector-index-tuning 可協助調校向量搜尋索引，在延遲、召回率與記憶體使用之間取得平衡。可用來選擇索引類型、調整 HNSW 設定，並比較 RAG 工作流程中的量化選項。

rag-implementation 是一項實用技能，適合規劃包含向量資料庫、embeddings、檢索模式與 grounded-answer 流程的 RAG 系統。可用來比較技術堆疊選項、釐清架構決策，並為文件問答、知識助理與語意搜尋提供安裝與使用方向。

similarity-search-patterns 可協助你為語意搜尋與 RAG 工作流程選擇距離度量、索引類型與混合式檢索模式。適合用來規劃正式環境中的向量搜尋取捨，平衡召回率、延遲與擴充規模。

hybrid-search-implementation 技能說明如何在 RAG 與搜尋系統中，結合向量檢索與關鍵字檢索，並運用 RRF、線性融合、reranking 與 cascade 等模式。

使用 llm-evaluation skill，為 LLM 應用、提示詞、RAG 系統與模型變更設計可重複執行的評估方案，涵蓋指標、人工作業審查、基準測試與回歸檢查。

embedding-strategies 協助你為語意搜尋與 RAG 工作流程選擇並最佳化 embedding 模型，並提供實用指引，涵蓋 chunking、模型取捨、多語內容，以及檢索評估。

ai-prompt-engineering-safety-review 是一項提示詞稽核技能，可在正式上線、評估或面向客戶使用前，檢查 LLM 提示詞的安全性、偏誤、資安弱點與輸出品質。

gws-modelarmor 可協助你在 googleworkspace/cli 生態系中使用 Google Model Armor。可用來清理 prompts、清理模型回應，並建立比通用 prompt 更少猜測的 templates。它適合重複執行、符合政策意識的使用情境，以及 Security Audit 工作流程。

develop-ai-functions-example 可協助你在 vercel/ai 的 `examples/ai-functions/src/` 下建立或修改可執行的 AI SDK 範例。適合用來判斷正確的範例類別、對齊 repo 慣例，並建立精簡範例，以供 provider 驗證、展示或測試 fixtures 使用。

add-provider-package 是一份聚焦於在 vercel/ai 中建立新 `@ai-sdk/<provider>` 套件的實作指南，協助貢獻者與 API 團隊依循 AI SDK 的 provider 架構、套件結構與實作流程來新增 provider。

ai-seo 可協助團隊提升在 ChatGPT、Perplexity、Google AI Overviews、Claude 與 Gemini 中的 AI 答案曝光度。你可以用它診斷索引狀態、bot 存取、內容可擷取性與引用準備度，並搭配 repo 中的平台參考與內容模式參考，制定務實可執行的內容計畫。

mama 是 `pua` skill 的旁白風格變體，保留相同核心規則，但改用中文碎念媽媽口吻。適合用來安裝可重複使用的觸發模式，支援持續性的疑難排解、除錯與 Prompt Writing 工作流程，並沿用既有的升級機制、檢查清單與更強的後續追蹤。