🧠 SKILL HUB

本文件詳細說明了一個名為「github-trending-report」的 AI skill，其主要功能為自動爬取 GitHub Trending（每日、每週、每月）榜單，針對當日前三名熱門專案進行繁體中文的深入分析，並以深色科技風格產出可切換 tab 的 HTML 研究報告。此 Skill 不僅可自動生成高品質的本地 HTML 報告，還支援選擇性發佈至 HackMD、Notion、以 Telegram 通報，並自動維護本地索引頁，便於後續搜尋與瀏覽。 使用方法方面，Skill 會根據日期自動判斷需產生的報告型別與目標 URL，抓取 Trending top 3 專案詳情（含 description、語言、stars、contributors 等），並針對各專案 README 進行結構化摘要，涵蓋簡介、亮點、使用情境、啟動指令、競品比較及注意事項。報告內容皆以台灣繁體中文撰寫，並遵循工程師閱讀習慣，強調資訊量與實用性。 產生的 HTML 報告可本地化儲存，亦可快速轉為 Markdown 以利發佈，並有完善的自動化腳本協助一鍵發佈與通知。設定方面，僅需於 .env 檔案填入各平台 API 金鑰即可啟用所有發佈與通知功能，金鑰缺漏時亦不影響本地報告之產出。整體流程高度自動化並注重容錯，適用於開發者日常追蹤 GitHub 熱門專案、生成週報、月報，或作為團隊知識管理工具。

本文件詳細說明了一個名為「n8n-auto-update」的 AI Skill，其主要功能為自動檢查並升級本地端以 Docker Compose 部署的 n8n 至 GitHub 官方最新穩定版（僅限 Latest，排除 Pre-release），以提升自動化維運效率並降低人工介入風險。Skill 針對 Windows + PowerShell 環境設計，明確規範所有操作完全不依賴 git、GitHub REST API 或 gh CLI，只透過 WebFetch 擷取 GitHub releases 網頁，並以內建工具（如 Read、Edit、Write、PowerShell、Python scripts）實現從版本查詢、.env 檔案修改、docker compose 操作、健康檢查到版本報告產出與發佈的全流程自動化。 使用方法極為線性標準化，涵蓋：1. 以 WebFetch 查詢 n8n 最新穩定版及 release notes；2. 比對本地 .env 之 IMAGE_VERSION；3. 若有新版則自動整理繁體中文摘要、產生深色科技風 HTML 報告；4. 自動進行 Breaking Change 健康性診斷，SAFE 狀態全自動升級，DANGEROUS 則主動中止並強調人工檢視報告，避免升級風險；5. 執行停機、重啟、健康檢查與舊 image 清理；6. 最終將報告自動轉為 Markdown，發佈至 HackMD/Notion 並以 Telegram 通報，更新本地索引頁。全程輔以友善進度提示，確保用戶明確掌握狀態。 本 Skill 特別強調操作安全性與自動化哲學：僅用最小權限執行必要步驟，嚴禁臨時撰寫自訂 script、避免多餘中間檔案，並以嚴格判準防範 Breaking Changes 導致的服務異常。適用於需定期且安全自動維護本地 n8n 服務的技術用戶，減少人力負擔並即時掌握升級動態。

此文件為 Go 語言開發的指導手冊，旨在推廣符合 Go 慣用語（Idiomatic Go）的程式設計模式，協助開發者建構穩健、高效且易於維護的應用程式。文件涵蓋了 Go 開發的核心原則，包括簡潔性、零值初始化（Zero Value）、介面與結構體的設計規範。 在技術實作層面，該文件深入探討了錯誤處理（Error Handling）、並發模式（如 Worker Pool、Context 應用、Errgroup）、介面設計、專案目錄結構規劃以及效能優化技巧。此外，文件中亦整理了常見的程式反模式（Anti-Patterns）建議，並列舉了靜態分析工具與標準化專案布局。 本文件適合作為 Go 開發者的實務參考指南。開發者可於撰寫新程式碼、進行 Code Review、重構現有專案或設計系統架構時使用此 Skill。透過遵循這些最佳實踐，團隊能確保程式碼風格的一致性，減少維護複雜度，並提升系統整體的穩定性與執行效能。

Code Review Expert 是一個專為軟體開發人員設計的 AI 輔助工具，旨在以資深工程師的視角，對 Git 變更進行結構化且深入的程式碼審查。該工具的核心功能在於自動化檢測程式碼中的 SOLID 原則違規、架構缺陷、潛在的安全漏洞及效能風險。透過預定義的嚴重等級（P0 至 P3）分類，它能協助開發者精準區分需立即修正的關鍵錯誤與建議性的優化項目。 在使用上，該 Skill 遵循嚴謹的審查工作流：首先進行變更範圍確認與情境分析，隨後依據 SOLID 原則、安全檢查清單及程式品質標準進行全面掃描。它不僅止於指出問題，更會針對冗餘程式碼提出移除計畫，並提供具體的改善建議。其輸出格式標準化且清晰，包含審查摘要、各級別問題列表及後續處理建議。 此工具強調「審查優先」的原則，在使用者明確授權前不會擅自修改程式碼，確保開發者對專案變更保有完全的控制權。它不僅能提升程式碼的可維護性與安全性，還能透過系統化的檢測步驟，顯著降低生產環境發生錯誤的機率，是團隊執行高品質程式碼審查的最佳助手。

每日排程專案git的自動化更新，以及自動開啟unity進行資料更新的匯入，對於同時進行多個專案的同仁可以在固定時間自動作業，省下不少時間

針對大量大型的特定資料，如音樂音效的音檔，請ai進行各種特定標籤的分析，未來需要取得相似音檔的使用情境下，可以透過跟ai 互動取得所需

當使用者想要產出測試 Checklist、組合測試矩陣、或跨維度測試表格時，使用此 Skill。觸發關鍵詞：「幫我做 checklist」、「測試矩陣」、「組合測試」、「這幾個維度的測試表」、「可以貼到 Excel 的表格」、「階梯式測試」、「縮減測試項目」。只要使用者提到兩個以上的測試維度（如裝置 + 瀏覽器、時區 + 語系 + 遊戲），就應立即觸發此 Skill，不需等使用者明確說「產出 checklist」。輸出為 Tab 分隔格式（TSV）可直接貼入 Excel，或直接產出 .xlsx 檔。

若專案有使用共用後台蒐集數據，且想使用AI直接分析對應數據內容時可以使用。

AIBI 成就徽章全收集攻略（28枚）— 照著點就能解鎖的操作步驟版

這份文件說明了一個名為「worklog」的 AI skill，其主要功能是協助使用者將本機 Claude Code session 的紀錄，整理成條理清晰、可讀性高的工作日誌。原始 session 紀錄為 `.jsonl` 格式，內容繁雜且包含大量工具呼叫及系統訊息，不利於直接檢視。因此，本 skill 透過附帶的 `extract_sessions.py` 腳本，過濾並結構化 session 資料，包括每個專案的 session 起訖時間（已轉成本地時區）、使用者的實際訊息（已過濾雜訊、截斷過長訊息），以及助理的最終回覆（即 final_outcome，通常為成果摘要）。 使用方法分為兩步：首先執行解析腳本，依需求選擇今天、指定日期或一段期間（如 7 天）來擷取 session，腳本輸出分組 JSON 結構；接著，使用者需將這些素材歸納整理，撰寫成以專案分組、涵蓋每個 session 主要任務與成果的日誌，而非逐條羅列訊息。日誌格式嚴謹，包含當日總覽、各專案 session 彙整、明確描述成果與待辦事項，並以易於後續檢索與彙報的方式呈現。 此 skill 適用於撰寫日報、週報、專案回顧等情境，能快速協助使用者回顧近期在各個專案的工作進展及成效，特別適合需要整理 Claude Code 操作紀錄作為正式工作文檔的場合。若使用者有特殊輸出需求（如存檔、寄信），亦能靈活應對。

指引Agent者將 Skill 上傳到 IGS SkillHUB 平台。當使用者提到要上傳 skill、發布 skill 到 SkillHUB、或分享 skill 給同事時使用此技能。

依目前工作區異動產出 commit message 建議；預設只分析與建議

Anti-Slop 前端設計框架，13 種高端 UI 風格。包含 Brutalist（軍用終端）、Editorial Luxury（精品感）、Minimalist（簡約編輯風）等。AI會根據需求自動選擇風格，或可直接指定。適合做儀表板、作品集、落地頁、簡報頁面。

遊戲設計操作系統（7 個 AI Skill）。涵蓋：體驗分析（截圖/錄影→診斷報告）、概念架構（一句話→完整設計文件）、企劃提案（概念→商業決策文件）、體驗密度優化（留存問題→A/B實驗計劃）、AI工作流演進（prompt升級→受控演化）、設計書翻譯（英文→專業中文）、資源策展（散落資料→知識庫）。證據先行、合約驅動、跨Skill可串接。

https://docs.google.com/presentation/d/1Hl7dEnVDrJZP5OrR9ChvpOh6G7jjFWLjoZIxEPpekT8/edit

[簡介] LLM 微調專案的決策助手——根據 NVIDIA NeMo 全棧實戰經驗，幫你判斷該用 Prompting、SFT、DPO 還是 CPT，並避開常見工程陷阱。 [核心功能] - 技術選型決策框架 — 從「模型缺什麼訊號」出發，推薦最省力的路徑，每層都有投資前驗證步驟（ICL 天花板測試、headroom 檢查、smoke test） - NeMo 全棧配置指引 — Data Designer、Curator、AutoModel、NeMo-RL、vLLM 的實用配置模式和已知地雷 - 14+ 常見陷阱目錄 — 每個都附「為什麼會犯」「正確思路」「開始前怎麼檢查」 - 訓練問題即時排除 — loss 不降、eval 不動、DPO margin 爆炸、merge 後模型壞掉等典型狀況的診斷路徑 - 真實數據背書 — Meridian 案例從 50% → 77% avg accuracy 的完整實驗記錄，8B SFT 打贏 120B API model [觸發條件] 對話中提到微調規劃、LoRA/DPO/SDG 任一環節、NeMo 工具棧、或訓練 metrics 異常時自動啟用。 [適用對象] 正在規劃或執行 LLM 微調的工程師。 [來源提供] 2026 NVIDIA GTC Workshop

Taste Skill 是一套專為 AI 前端代理（Agent）設計的技能模組，旨在提升由 AI 生成的介面設計品質，避免產生無趣且制式化的 UI。此技能強調設計美感與專業性，涵蓋版面配置、排版、動畫、間距等多個面向，並提供多種可調控制參數（如設計變化度、動態強度、視覺密度），讓使用者能針對需求調整設計風格與細節。 Taste Skill 包含多個技能，分為兩大類：實作技能（輸出程式碼）與圖像生成技能（產出設計參考圖）。安裝方式簡單，支援 npx CLI 工具，亦可直接將 SKILL.md 檔案嵌入至專案或對話中。主要技能如 design-taste-frontend（最新 v2 版本）、gpt-taste（強化 GPT/Codex 適用）、image-to-code（圖像分析轉程式碼）、redesign-skill（現有專案重設）、soft/minimalist/brutalist-skill（對應不同設計取向）等，並提供品牌套件、網站與行動裝置圖像生成專用技能。 此模組框架與各大前端開發框架（React、Vue、Svelte）相容，並可配合主流 AI 代理工具（如 ChatGPT、Codex、Claude Code）使用。用戶可根據專案需求選擇適用技能組合，並透過調整參數實現個性化設計。Taste Skill 強調設計語言推理、嚴格的前置檢查機制與反重複規則，適合開發高品質、具備美感的 AI 前端介面。

本文件為「技能商店 - Skill Store」的說明文件，旨在提供一個最完整且更新最快的 AI Agent 技能庫，涵蓋文檔處理、內容創作、編程開發、機器學習、以及自動化工作流等多個領域。技能商店整合來自頂級團隊（如Anthropic、Vercel、Cloudflare、Google Labs、Hugging Face等）的官方技能，以及61個本地精選中文技能，總計243項，並以多維度標籤分類、每日自動更新，確保內容新穎且全面。 使用者可透過 git clone 倉庫、安裝依賴、執行同步更新與數據導出（支援JSON與CSV格式），並透過線上商店或本地文件瀏覽技能列表與文檔。系統亦提供完整的技能備份及管理工具，方便技能的整理、遷移與統計分析。技能涵蓋內容創作、視頻製作、電商營銷、PPT生成、語音合成等14大分類，並推薦多個五星核心技能，適用於多元場景。 此外，技能商店支持社群貢獻，允許用戶通過Issue或Pull Request提交新技能，並設有專業維護機制。此平台適合希望快速部署、管理及擴展AI技能的開發者、企業及內容創作者，提供高效的技能整合、分類與備份解決方案，助力AI智能體應用落地。

女娲.skill 是一款基於 Agent Skills 協議的開源 AI 技能，旨在自動化蒸餾各領域頂尖人物（如乔布斯、马斯克、芒格、费曼等）的思維方式，將其心智模型、決策啟發式、表達DNA等認知操作系統轉化為具備個人視角的 AI Skill。用戶只需輸入目標人物名稱，女娲即會自動完成資料調研、認知提煉、質量驗證，生成可在 50+ 兼容 runtime（如 Claude Code、Codex、Cursor 等）運行的技能。 其蒸餾流程包括六路並行資料採集、三重驗證提煉、構建認知框架及表達特徵，並針對每位人物標明認知邊界與局限。女娲已內建 13 位人物及1個主題的獨立 Skill，並附完整調研透明資料及對話示例，展現這些技能如何以名人的思維模式分析問題而非簡單語錄復讀。 安裝方法極為簡便，可一鍵命令安裝或手動放置於指定技能目錄，亦可直接拷貝 SKILL.md 作為參考。使用上，安裝後可直接呼叫人物視角分析或解釋問題，如「用芒格的視角分析投資」、「費曼如何解釋量子計算」等。該項目不僅支持個人蒸餾，也鼓勵用戶創建自定義人物或主題技能，徹底解放認知資源，讓頂尖思維隨時可調用於決策、學習、內容創作等各類場景。

本文件詳細說明了一個稱為「wiki-qa」的 AI技能，其主要功能是管理與維護 Markdown 格式的知識庫，並針對非程式碼相關的使用者訊息（如提問、知識陳述、資料分享、記錄請求等）進行智能路由與處理。該技能可自動判斷訊息意圖，將其導向知識庫操作（查詢、更新、資料新增、健康檢查、外部搜尋），並整合 Google Search Grounding，當問題涉及市場、業界趨勢、競品研究等情境時，主動進行即時網路搜尋，引入外部佐證資料，提升資訊完整性與決策依據。 使用流程包括初始化目錄結構、載入知識庫、判斷操作類型並執行對應動作。技能支援多種操作模式：一般提問（Query）、新增資料（Ingest）、健康檢查（Lint）、筆記更新（Update）、外部搜尋問答（Search）。每次操作都會記錄於 log 檔案，並依內容重要性給予存檔建議。知識庫頁面需符合嚴格的 YAML frontmatter 規範，並遵循命名慣例與衝突標記方式，確保資訊結構明確、來源可追溯、矛盾不被自動消解。使用者可透過 persona 設定檔自訂 AI 角色行為，並搭配 CLI 工具進行深度市場研究。此技能適合企業、團隊或個人用於長期知識累積、資料管理、決策分析與市場洞察。

本文件為「ml-tree-training」AI skill的詳細說明，旨在指導使用者於結構化表格資料（主要來源為 BigQuery）上進行樹狀機器學習模型（LightGBM、XGBoost、CatBoost）的端到端訓練流程。此 skill 適用於分類、回歸、排名、存活分析及提升模型等監督式學習場景，並強調模型解釋性需求，如特徵重要性分析。 文件內容涵蓋完整的工作流程，包括：資料前置確認（目標定義、預測時點、特徵窗口、評估指標、解釋要求、資料量、類別分布、部署場景）、BigQuery 資料提取與防止目標洩漏、EDA與資料切分、基準模型建立、特徵工程、模型選擇、Optuna 進行超參數調整、模型解釋（SHAP、樹增益/權重）、及產出Markdown與HTML報告。每步驟皆明確連結至相關參考文件或腳本，確保流程標準化與可追溯性。 此外，文件列出常見陷阱（如時間/目標/分組洩漏、類別不平衡處理、測試集超參數調整、SHAP採樣須註明等）及交付清單，要求模型產出包含訓練模型、特徵清單、測試報告、SHAP圖、樹重要性分析、分類閾值建議、校準圖、錯誤分析及完整報告。技術環境包括 Python 3.10+、pandas/polars、三大樹模型框架、Optuna、SHAP、常用繪圖與報告工具。此 skill 堅持嚴謹的標準化流程，適合需要高透明度與可解釋性的企業級數據分析與模型建置需求。

前端動畫簡報生成工具

開源簡報製作工具(跟open-design類似，但這是簡報專用，作者是台灣人)

AntV 資訊圖表自動生成工具

將 PDF、Office、圖片等轉為 Markdown

快速將文件/程式碼轉 Markdown 供 LLM 使用

防 AI Slop 繁中寫作品質閘：方法論 + regex 機械檢查 + 判斷閘留證

AI 文字轉自然繁體中文語氣

LLM 應用範例精選集

研究並視覺話呈現專案

模擬1人公司指揮新創創投的多Agent架構

將任意任務轉為 CLI 互動的框架，想讓AI接管可以看看

Gemini API 官方技能：API 開發、Live API、Interactions API

Google 產品 Agent Skill：Gemini API + GKE/BigQuery/Cloud Run/Firebase 等40+ 技能

UI/UX 設計智慧技能：67 種風格、161 產業推理規則、自動生成設計系統

345 個生產級技能：工程、行銷、產品、合規、C-Level 顧問、研究等17 領域

SEO 分析外掛：25 子技能 + 18 Agent 平行執行，涵蓋技術 SEO、Schema、GEO

社群媒體內容系統：17 個 Skill 覆蓋 LinkedIn/Reels/YouTube/分析

Claude Code 小專案/黑客松設定集

本文件為「Seedance 2.0 Prompt Writing Skills」AI技能說明，旨在協助使用者撰寫高效的 Seedance 2.0 影片生成提示詞。Seedance 2.0 是字節跳動推出的多模態AI影片生成模型，能夠支援廣告、劇集、MV、教育等多元類型影片製作。本技能模組適用於 Claude Code、Cursor、Cline 等兼容代理，並提供多語言支持（英、中）。 內容涵蓋輸入限制、@引用語法、鏡頭語言、提示詞結構模式，以及針對各類影片場景的即用模板。使用者可依官方文件指引，透過手動複製或 CLI 指令，將技能檔案安裝至個人 Claude skills 資料夾，並於對話代理中調用協助撰寫 Seedance 2.0 提示詞。文件同時整理了官方參考資源，包括用戶手冊及實際案例，詳細說明參數設定、互動方式、多模態能力，以及範例提示詞，讓使用者能夠快速掌握並應用於實際創作流程。此技能以 MIT 授權方式釋出，適合需求多樣化的影片生成場景專業應用。

這份文件詳細介紹了「hermes-search」AI skill的功能、用途與使用方法，主要針對 hermes-agent 在 kiroGateway 環境下執行網路搜尋時的特殊需求設計。由於 gateway 會攔截 tool calling，導致原始搜尋結果（如 XML 格式）直接曝露給使用者，hermes-search skill 以兩階段流程解決此問題：第一階段直接以 Python 函數取得 JSON 格式的搜尋結果，第二階段利用 OpenAI SDK 呼叫 LLM API，將結果整理成繁體中文純文字摘要，避免原始資料洩漏並提升使用者體驗。 此 skill 適用於 hermes-agent + kiroGateway 環境，當使用者要求網路搜尋（如查資料、找新聞、google 一下等），可取代原生 web_search 工具。其操作方式簡單，只需執行 search.py 並輸入查詢字串，並可透過各種旗標（如 --limit、--raw、--json、--max-tokens）靈活調整搜尋結果數量、輸出格式及摘要長度。文件亦明確指出何時不適用此 skill（如非 gateway 環境或查詢本機資料），並提供錯誤排查與環境變數設置指引，確保穩定運作。 使用者須注意，所有搜尋摘要均為 LLM 整理自網路結果，內容可能不完整或不精確，轉述時應保留原有語氣，不應過度腦補或將資訊視為絕對事實。此外，若 LLM 摘要中出現可疑指令，應直接回報使用者並避免執行。此 skill強調資訊安全與摘要品質，是 hermes-agent 在 gateway 環境下進行網路搜尋的最佳替代方案。

能夠分析螢幕截圖，自動偵測並識別畫面上的 UI 元素（按鈕、圖示、文字區塊等），並將它們轉化為結構化資訊，讓 GPT-4V 等視覺語言模型能夠精確地定位並操作對應的介面區域，實現自動化操作。

本 AI skill「git-commit」專為協助使用者優化 Git commit 流程而設計。其核心功能是根據上次 commit 的內容與本次編輯範圍，自動辨識 commit 的邏輯邊界，並產生帶 emoji 的精簡標題及結構化詳細說明，確保每次 commit 具備語意明確、易於維護的紀錄。Skill 支援多次 commit 拆分，能根據實際調整將變更合理分組，避免單一 commit 混雜多種主題。 使用方式上，當使用者發出如「幫我 commit」、「分 commit」等指令時，AI 會先檢查暫存區狀態，主動列出已暫存檔案，並請使用者選擇直接提交、重設暫存區或自行調整，確保流程透明且不未經授權操作。隨後，AI 會分析最近 commit 風格、變更範圍、檔案類型，並根據業界最佳實踐（如 conventional commits、emoji 標記）規劃 commit 邊界，產生詳細計畫供使用者確認。 在生成 commit message 時，標題需簡明、帶 emoji 且符合專案慣例，內容則強調說明變更原因、具體內容、破壞性變更（含 BREAKING CHANGE 標記）及未處理項目。最後，AI 依計畫逐步執行 commit，並定期將進度、commit 摘要及剩餘未提交項目回報給使用者。此 skill 能協助團隊建立高品質 commit 歷史，減少合併衝突與維護困難，並提升協作效率。

本文件詳細說明了一個名為「llm-wiki」的 AI skill，其核心目標是協助使用者根據 Andrej Karpathy 所提出的 LLM Wiki 三層架構（raw / wiki / SCHEMA.md），建立並維護個人化、持續累積且完全由 LLM 編寫的 Markdown 知識庫。此技能徹底落實知識庫結構與流程規範，將維護責任從使用者轉交給 AI，使用者只需提供原始資料、方向、提問，AI 則負責所有知識組織、讀寫、摘要、交叉引用與紀錄。 功能方面，本 skill 包含知識庫的初始化、來源資料（raw）吸收（ingest）、查詢與回寫（query）、健康檢查（lint）等主要流程。初始化時，AI 會詢問知識庫主題範圍，建立標準目錄結構與初版規範文件 SCHEMA.md，並根據 domain 需求協助後續調整。來源吸收時，AI 會自動將新資料存入 raw/，產生摘要與重點、辨識實體和概念、自動新建或更新多個相關頁面（通常 10–15 頁），並嚴格依照衝突標註、來源註解等規範操作。資料查詢則以 wiki 索引為主，必要時自動產生整合分析頁面，並記錄於 log。健康檢查則協助整理缺漏、矛盾、格式錯誤等，並由使用者決定後續修正行動。 使用方法上，使用者只需以口語觸發詞（如「建一個 llm wiki」、「吸收這篇文章」、「整理我的 wiki」等）指示 AI 執行對應操作，無需參與具體內容編輯。AI 會主動報告所有修改過的檔案，並給出進一步追問建議。整體架構高度模組化，適合學術研究、知識積累、專案紀錄等場景，亦與 Obsidian 等 Markdown 知識庫工具完全兼容。

多角色結構化會議系統。自動選配虛擬專家（數值/體驗/營運/技術/美術/玩家/競品/風控），進行 3~5輪辯論與協商，產出共識決議與待決策點。支援多模型、自訂角色、自動排程、會議記錄歸檔。說「開會：{議題}」即啟動。