Ai Agents

iterative-retrieval 是一種工作流程模式，用於在 agentic 工作中逐步精煉上下文檢索。它能幫助 subagents 避免取得過多或過少的上下文，因此很適合用來評估 iterative-retrieval 的使用情境、安裝決策，以及 Workflow Automation 中的 iterative-retrieval。

continuous-agent-loop 可協助 agents 以可重複的自主迴圈執行工作，並搭配品質關卡、evals、復原步驟與清楚的停止規則，提升任務完成的可靠性。

autonomous-loops 是一個用來設計 Claude Code 自主工作流程的技能，涵蓋從簡單的順序式流水線，到具備品質關卡與交接機制的多代理 DAG 編排。

autonomous-agent-harness 可將 Claude Code 轉變為具備持續運作與自我導向能力的代理系統，提供記憶、排程執行、任務派發與電腦操作功能。當你的需求不只是一次性提示，而是代理協作、定期檢查或長時間運行的工作流程時，這項技能特別適合。

了解 agentic-engineering 技能，掌握以 eval-first 為核心的執行方式、任務拆解、模型路由，以及透過 regression checks 提升工作流程自動化的安全性。

agent-introspection-debugging 技能提供一套結構化的 AI 代理自我除錯流程：先擷取失敗狀態，再判斷可能原因，接著執行受控的修復步驟，最後產出可供人閱讀的 introspection 報告。適合用在容易迴圈、重試頻繁或容易發散的執行情境，不適合一般性的驗證工作。

agent-harness-construction 是一項實用技能，協助優化 agent harness 設計，涵蓋工具 schema、觀察格式、錯誤復原與上下文預算規劃，提升任務完成率。

subagent-driven-development 是一個用來執行 implementation plan 的 skill：它會為每個任務分派一個全新的 subagent，並對每個結果進行兩輪審查，先檢查是否符合 spec，再檢查 code quality。內容也包含 implementer、spec reviewer 與 code quality reviewer 的 prompt 範本。

dispatching-parallel-agents 是一個 Agent Orchestration skill，適合將真正彼此獨立的工作拆分給不同 agents 處理，並透過隔離的 context 與協調後的結果完成整體任務。

langsmith-fetch 是用於 LangChain 與 LangGraph agents 的除錯 skill。它會引導 assistants 安裝 CLI、設定 LangSmith credentials、擷取近期 traces，並依據 trace 證據分析錯誤、tool calls、memory activity、latency 與 token usage。

langbase-automation 是一個用於透過 Composio Rube MCP 自動化 Langbase 的 Claude skill。本指南說明設定流程、連線檢查、RUBE_SEARCH_TOOLS 探索，以及如何安全地自動化 Langbase 工作流程。

griptape-automation 是一個 Claude skill，可透過 Composio Rube MCP 執行 Griptape 操作。它會引導代理搜尋最新工具 schema、確認 Griptape connection 已啟用，並以較少過時參數執行工作流程自動化。

flowiseai-automation 可協助代理透過 Composio Rube MCP 自動化 FlowiseAI 任務。先設定 Rube、確認 flowiseai 連線、優先搜尋目前的工具 schema，接著再安全地執行支援的工作流程自動化。

botsonic-automation 可協助代理透過 Composio Rube MCP 自動化 Botsonic 操作：先探索目前可用工具、檢查 Botsonic 連線，並在執行前使用即時 schemas。

bolna-automation 可協助代理透過 Composio Rube MCP 自動化 Bolna 任務；它會探索目前的工具 schema、檢查 Bolna 連線，並執行較安全的工作流程動作。

prompt-engineering-patterns 是一套著重實務的生產級提示設計技能，涵蓋安裝脈絡、可重用範本、few-shot 範例、結構化輸出，以及適用於 Context Engineering 的提示優化流程。

evaluation-methodology 技能說明 Model Evaluation 中的 PluginEval 評分方法，涵蓋評估層級、評分規準、綜合計分、徽章門檻，以及如何解讀結果並改善較弱面向的實務建議。

langchain-architecture 是一份用於規劃 LangChain 1.x 與 LangGraph 應用的設計指南。可在實作前協助你判斷應採用 chains、agents、retrieval、memory 與 stateful orchestration 等模式。

team-composition-patterns 是用於 Claude Code Agent Teams 的多智能體團隊設計決策技能，提供團隊規模啟發、subagent_type 選擇與顯示模式指引。使用這份 team-composition-patterns 指南可套用預設的 review/debug 團隊、挑選角色，並在不同任務中標準化團隊設定。

parallel-feature-development 技能可協助團隊將單一功能拆分為權責清楚的工作群組、及早定義共享契約，並為多代理 Git 工作流程選擇更穩妥的合併模式。適合用來規劃檔案負責範圍、依相依關係安排整合方式，以及降低平行開發時的衝突風險。

task-coordination-strategies 可協助團隊拆解複雜工作、釐清相依關係、定義驗收標準，並協調平行進行的 agent 或協作者流程，讓責任歸屬更清楚、合併衝突更少。

team-communication-protocols 為 agent 團隊定義訊息傳遞規則，涵蓋直接訊息與廣播的使用時機、計畫核准、關閉流程，以及可重複使用的範本，協助進行協調一致的 Agent Orchestration。

agentic-eval 是一個 GitHub Copilot skill，示範如何運用反思、依 rubric 進行評論，以及 evaluator-optimizer 模式，為 AI 輸出建立評估迴圈。

agent-governance 是一個以文件為核心的技能，適合用來設計 AI agent 的防護欄、政策檢查、信任規則、工具限制，以及供工具使用型與多代理系統採用的稽核記錄機制。