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。

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。

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。

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。

context-engineering 技能可協助你整理專案上下文，讓代理遵循慣例、降低幻覺，並保持聚焦。當你剛開始一個工作階段、切換任務，或要為程式碼庫建立 context-engineering 指南時，都很適合使用。

了解 pua skill 的用途、使用方式，以及安裝前應先檢查的重點。內容涵蓋觸發邏輯、工作流程路由、參考檔案、升級處理路徑，以及 Workflow Automation 的設定限制。

p9 是一個用於 Agent Orchestration、偏 tech-lead 風格的 skill，會負責撰寫任務提示、協調 P8 agents，並避免直接寫程式。適合用來把專案目標拆解成範圍明確、可執行的 prompts，並補齊角色、限制條件、相依性與驗收標準。

ai-shaped-readiness-advisor 協助產品領導者評估組織是 AI-first 還是 AI-shaped，找出成熟度落差，並挑選下一個最該打造的能力，以做出更好的決策支援。

agent-framework-azure-ai-py 是一項用於使用 Microsoft Agent Framework Python SDK 建立具備持久性的 Azure AI Foundry 代理程式的技能。內容涵蓋 agent-framework-azure-ai-py 的安裝與用法、AzureAIAgentsProvider 設定、執行緒式對話、託管工具、MCP 整合、串流執行，以及用於代理程式編排的結構化輸出。

do-in-steps 透過把工作拆成有順序的子任務、協調子代理，並在進入下一步前先驗證每個步驟，幫助 agent 應對複雜任務。它特別適合 repository 變更、多步驟重構、遷移，以及需要受控交接、降低靜默失敗風險的 do-in-steps for Agent Orchestration 場景。