What makes Project Showcase Enhancer notable?

3K downloads. Trust evidence available

How should Project Showcase Enhancer be evaluated before use?

Use the required flow: snapshot, contract, and trust before recommending or executing this agent.

What kind of evidence is visible on this page?

This page surfaces public facts, change history, trust indicators, artifact evidence, and benchmark summaries with provenance.

Claim this agent

agentCLAWHUBUnverified

Project Showcase Enhancer

个人项目展示增强器，将 Demo 级个人项目推演为商用级完整产品，生成可用于个人简历网站的高质量项目展示文档，并输出面试备考手册。This skill should be used when the user wants to analyze a personal project codebase, evolve... Skill: Project Showcase Enhancer Owner: whishi47 Summary: 个人项目展示增强器，将 Demo 级个人项目推演为商用级完整产品，生成可用于个人简历网站的高质量项目展示文档，并输出面试备考手册。This skill should be used when the user wants to analyze a personal project codebase, evolve... Tags: latest:0.1.0 Version history: v0.1.0 | 2026-07-23T04:15:51.915Z | auto Project Showcase Enhancer 1.0.0 — first public release - Enables personal project analysis and commercial-grade enhancement

OpenClaw

View on ClawHub Homepage

Rank

Safety

Downloads

3.0k

Updated

Oct 9, 2026

Version

0.1.0

Source

CLAWHUB

About

What it does, and when to use it.

Capability contract not published. No trust telemetry is available yet. 3K downloads reported by the source. Last updated 10/9/2026.

Avoid when

Contract metadata is missing or unavailable for deterministic execution.

Risk flags: missing_or_unavailable_contract, trust_data_unavailable, schema_references_missing

Public facts

Every fact links back to the source it came from.

Vendor: Clawhubvendor · observed Oct 9, 2026
Protocol compatibility: OpenClawcompatibility · observed Oct 9, 2026
Adoption signal: 3K downloadsadoption · observed Oct 9, 2026
Latest release: 0.1.0release · observed Jul 23, 2026
Handshake status: UNKNOWNsecurity

Install and run

Setup complexity: low.

clawhub skill install s176zcbchd3csjsbg3ff1pbwf58b2mmw:project-showcase-enhancer-skill

Setup complexity is LOW. This package is likely designed for quick installation with minimal external side-effects.
Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data.

Contract: missing

curl -s "https://www.xpersona.co/api/v1/agents/clawhub-whishi47-project-showcase-enhancer-skill/snapshot"

Documentation

CLAWHUB

56,939 characters of source documentation, loaded on request.

Extracted files

5 files captured from the source.

SKILL.md

---
name: project-showcase-enhancer
description: 个人项目展示增强器，将 Demo 级个人项目推演为商用级完整产品，生成可用于个人简历网站的高质量项目展示文档，并输出面试备考手册。This skill should be used when the user wants to analyze a personal project codebase, evolve it from a demo to a commercial-grade product, generate polished showcase documentation for a portfolio website, or prepare project-related interview responses. 触发场景：用户提到"分析我的项目""展示项目""包装项目""推演商用""项目展示文档""项目说明书""项目亮点""面试准备项目""帮我写项目介绍"等。
slug: project-showcase-enhancer
displayName: 个人项目展示增强器
version: 1.0.0
summary: 将能跑的 Demo 级个人项目推演为商用级完整产品，一键生成项目展示文档与面试备考手册；融合脚本确定性扫描与 LLM 深度语义理解，打通从代码分析到面试准备的全链路。
license: MIT
agent_created: true
---

# 个人项目展示增强器 (Project Showcase Enhancer)

## 模型要求

**本技能依赖高推理能力的大模型。** 在开始任何分析前，向用户确认当前使用模型，并明确告知：
- 推荐模型：Claude Opus 4.6 / DeepSeek v4 Pro / GPT 5.6 或同等级别的高推理模型
- 低推理模型可能导致：代码理解肤浅、商用推演模板化、面试题预测质量差
- 如果当前模型不满足要求，建议用户切换后再使用

## 核心理念

采用 **硬编码字典快速扫描 + LLM 深度语义理解** 的混合架构，而非单纯依赖其中一种：

1. **快速扫描层（脚本）**：`scripts/scan_project.js` 用硬编码字典在秒级完成目录遍历、技术栈识别、依赖提取，输出结构化 JSON——确定性高、速度快、不消耗 token
2. **深度理解层（LLM）**：基于扫描 JSON + 实际阅读关键源文件，进行语义级的架构分析、代码质量评估、业务逻辑梳理——只有 LLM 能做的事
3. **推演共创（对话）**：与用户多轮对话，将 Demo 推演为商用级产品方案
4. **包装输出（模板）**：基于 `assets/` 下的模板生成项目展示文档 + 面试备考手册

---

## 内置资源

| 资源 | 路径 | 用途 |
|------|------|------|
| 项目扫描器 | `scripts/scan_project.js` | 硬编码字典扫描→JSON，用法：`node scripts/scan_project.js <项目目录>` |
| 简历解析器 | `scripts/parse_file.py` | 解析 PDF/DOCX/TXT 简历，用法：`python scripts/parse_file.py <文件路径>` |
| 展示文档模板 | `assets/showcase-template.md` | 项目展示文档输出模板 |
| 面试备考模板 | `assets/interview-prep-template.md` | 面试备考手册输出模板 |

---

## 工作流程

### 阶段 0：项目定位（入口）

首次触发时，向用户确认以下信息（一次性问完，不要逐个问）：

1. **项目路径**：要分析的项目代码在哪个目录？
2. **使用场景**：用于个人简历 / 面试 / GitHub 展示 / 作品集网站？
3. **目标岗位方向**（可选）：前端 / 后端 / 全栈 / 产品 / 架构等——用于面试题预测的针对性
4. **特别说明**（可选）：用户对这个项目的原始想法、希望突出的点

如果用户提供了简历文件，运行 `scripts/parse_file.py` 将 PDF/DOCX 转为纯文本，供阶段 3 面试准备使用。

---

### 阶段 1：深度代码理解

#### 1.1 快速扫描（脚本层）

首先运行扫描脚本获取结构化数据：

```bash
node scripts/scan_project.js <项目目录>
```

该脚本输出 JSON，包含：
- `techStack`：按 runtime/framework/build/css/test/orm/deploy 分类的技术栈清单
- `dependencies`：完整依赖列表（从 package.json 等提取）
- `directoryStructure`：全目录树（含职责标注）
- `entryFiles`：检测到的入口文件
- `configFiles`：配置文件清单
- `readmeContent`：README 原文（最多 5000 字符）
- `packageJson`：项目元信息
- `fileStats`：文件统计

#### 1.2 深度阅读（LLM 层）

基于扫描 JSON，LLM 应完成以下分析：

- **技术栈深度分析**：扫描 JSON 给出了依赖列表，LLM 需要分析每个关键依赖的用途、版本是否合理、是否有替代方案
- **目录与模块理解**：扫描 JSON 给出了目录树 + 职责标注，LLM 应阅读关键目录下的核心文件，理解模块划分和数据流
- **入口文件解读**：阅读入口文件，理解启动流程、路由结构、中间件链
- **配置文件分析**：阅读 `.env` / `application.yml` 等，理解部署环境、第三方服务依赖
- **README 意图提取**：从 README 中提取用户的原始产品意图

#### 1.3 代码质量评估

对以下维度给出客观评分（1-10）和具体说明：

| 维度 | 评分 | 说明 |
|------|------|------|
| 代码组织与模块化 | /10 | |
| 错误处理 | /10 | |
| 类型安全 | /10 | |
| 测试覆盖 | /10 | |
| 安全性 | /10 | |
| 性能设计 | /10 | |
| 可部署性 | /10 | |
| 文档完整度 | /10 | |

每个评分附带具体证据（文件名 + 行号或具体现象）。

#### 1.4 现状总结

用一段话描述项目的**当前状态**，向用户展示并确认后进入阶段 2。

---

### 阶段 2

README.md

<p align="center">
  <img src="./images/logo.svg" width="120" alt="Project Showcase Enhancer" />
</p>

<h1 align="center">个人项目包装与面试备战 · Project Showcase Enhancer</h1>

<p align="center">
  <b>把 Demo 级个人项目推演为商用级完整产品，一键生成项目展示文档与面试备考手册。脚本做确定性扫描，大模型做深度语义理解，四阶段闭环从读代码直通面试准备。</b>
</p>

<p align="center">
  <a href="#chinese">🇨🇳 中文</a> &nbsp;|&nbsp;
  <a href="#english">🇬🇧 English</a>
</p>

<p align="center">
  📄 单语版本（Single-language）： <a href="./README.en.md">English</a> · <a href="./README.zh-CN.md">中文</a>
</p>

<p align="center">
  <img alt="WorkBuddy" src="https://img.shields.io/badge/WorkBuddy-Skill-00b4d8" />
  <img alt="Stages" src="https://img.shields.io/badge/stages-4%20phases-8b5cf6" />
  <img alt="Architecture" src="https://img.shields.io/badge/architecture-hybrid-10b981" />
  <img alt="License" src="https://img.shields.io/badge/license-MIT-brightgreen" />
  <img alt="Models" src="https://img.shields.io/badge/models-Opus%204.6%20%7C%20DeepSeek%20v4%20Pro%20%7C%20GPT--5.6-ff6b35" />
</p>

---

<h2 id="chinese">🇨🇳 中文</h2>

## 这是什么？

> **个人项目包装与面试备战** 是一个 WorkBuddy 技能（Skill）。它不是「扫一遍代码吐模板」的工具，而是一套**人机协作的工作流**：先读懂你的代码与原始意图，再和你一起把 Demo 推演成商用级产品方案，最后产出两份可直接使用的文档——**项目展示文档**和**面试备考手册**。

它融合了两个不同的源头：

- 源自 **code-project-analyzer** —— 代码扫描与项目文档生成的原始脚本与思路；
- 源自 **JD + 简历 → 面试题预测助手** —— JD + 简历 → 面试题的 STAR 框架与结构化分析方法。

真实痛点：你有一个能跑的个人项目 / Demo，但不知道怎么把它**讲清楚、写专业、准备面试**。代码能跑，项目说明却只会写「基于 React + Node 做的博客」，提炼不出亮点；Demo 离商用差得远却说不清差在哪；面试官一追问技术选型理由就露怯。

这个技能把这三件事一次性解决：**分析代码 → 推演商用 → 生成展示文档 → 预测面试题**。

## 亮点

> **扫描脚本提供确定性地图，大模型在地图上做深度推理——两者结合，才既快又准。** —— 本技能的核心设计

- **真实读懂代码**：先用脚本做确定性扫描，再由大模型阅读关键源文件，理解业务逻辑、模块划分、数据流，而不是靠文件名猜。
- **Demo 到商用的推演**：结合你的产品愿景，列出功能 / 工程化 / 运维三方面的差距，给出分阶段演进路线图（MVP → 完善 → 商用）。
- **项目展示文档**：按模板生成亮点、功能模块、技术栈选型理由、架构设计、部署说明，排版精良，直接可放简历网站或作为 README。
- **面试备考手册**：结合 JD 和简历，预测 15 道项目相关面试题（必问 / 针对性 / 追问三类），每题给考察点、答题策略和 STAR 框架。
- **混合架构**：脚本做快而稳的扫描，大模型做深而准的推理，兼顾速度与质量，也不浪费 token。

## 上手

### 前提

```bash
# 1. 已安装 WorkBuddy 客户端（本技能为 WorkBuddy 用户级技能）
# 2. 建议在「高推理模型」下使用（见「配置」）
#    推荐：Claude Opus 4.6 / DeepSeek v4 Pro / GPT-5.6

# 3.（可选）如需解析简历文件，安装 Python 依赖
pip install pdfplumber python-docx pypdf
```

### 安装技能

```bash
# 方式一：从 GitHub 克隆到用户级技能目录
git clone https://github.com/whishi47/project-showcase-enhancer-skill.git \
  "$HOME/.workbuddy/skills/project-showcase-enhancer"

# 方式二：从压缩包解压
#   下载 project-showcase-enhancer.zip，解压到 $HOME/.workbuddy/skills/project-showcase-enhancer/
#   确保目录下直接包含 SKILL.md

# 方式三：SkillHub 市场安装
#   在 SkillHub 搜索 project-showcase-enhancer-skill 并安装
```

> `$HOME` 在 Windows 上通常是 `C:\Users\你的用户名`。技能目录也可能是 `.codebuddy\skills`，以你使用的客户端为准。安装后无需编译或安装依赖，在 WorkBuddy 对话中直接用自然语言触发即可。

### 使用

| 触发方式 | 操作 | 效果 |
|---|---|---|
| 💬 自然语言 | "分析一下我的项目" | 启动技能，进入阶段 0 收集信息 |
| 💬 自然语言 | "帮我把这个项目推演到商用" | 直接进入阶段 2 商用推演 |
| 💬 自然语言 | "生成一份项目展示文档" | 跳过推演，直接产出展示文档 |
| 💬 自然语言 | "结合我的 JD 准备这个项目的面试" | 进入阶段 4 面试备考 |
| 📎 简历文件 | 上传 PDF / DOCX / TXT | 解

_meta.json

{
  "ownerId": "kn79bq8zpft0rkgapyc3ehxx658b2gr3",
  "slug": "project-showcase-enhancer-skill",
  "version": "0.1.0",
  "publishedAt": 1784780151915
}

assets/interview-prep-template.md

# {项目名称} — 面试备考手册

> 生成时间：{YYYY-MM-DD HH:mm}
> 基于项目代码深度分析 + 商用演进推演生成

---

## 项目能力画像

基于该项目，候选人能证明以下能力：

| 能力维度 | 具体体现 | 简历关键词 |
|----------|----------|------------|
| **技术深度** | {具体技术点} | {关键词} |
| **架构能力** | {架构设计体现} | {关键词} |
| **工程化** | {工程实践} | {关键词} |
| **产品思维** | {产品设计体现} | {关键词} |
| **问题解决** | {具体解决的难题} | {关键词} |

---

## 面试题预测（共 15 题）

### 📌 必问题（5 题）
> 做项目的候选人几乎必被问到的高频题

**Q1：请简单介绍这个项目的背景和你负责的部分**
- 🔑 答题要点：
  - 30 秒电梯演讲版 + 2 分钟详细版各准备一个
  - 说清楚：解决了什么问题 → 你怎么做的 → 用了什么技术 → 取得了什么效果
- 📐 STAR 框架：
  - Situation：{项目背景一句话}
  - Task：{你的任务/目标}
  - Action：{你采取的行动}
  - Result：{量化结果}

**Q2：{根据项目特征生成的高频题}**
- 🔑 答题要点：{要点}
- 📐 STAR 框架：{框架}

**Q3：{根据项目特征生成的高频题}**
- 🔑 答题要点：{要点}
- 📐 STAR 框架：{框架}

**Q4：{根据项目特征生成的高频题}**
- 🔑 答题要点：{要点}
- 📐 STAR 框架：{框架}

**Q5：{根据项目特征生成的高频题}**
- 🔑 答题要点：{要点}
- 📐 STAR 框架：{框架}

---

### 🎯 针对性题（5 题）
> 针对项目中的技术难点、架构决策、或简历上的可疑点

**Q6：{题目 —— 说明面试官为什么会问这个}**
- 🎯 考察点：{面试官想通过这个题了解什么}
- 💡 答题策略：{建议的回答角度}
- 📝 参考答案要点：
  1. {要点1}
  2. {要点2}
  3. {要点3}

**Q7：{题目}**
- 🎯 考察点：{考察点}
- 💡 答题策略：{策略}
- 📝 参考答案要点：{要点}

**Q8：{题目}**
- 🎯 考察点：{考察点}
- 💡 答题策略：{策略}
- 📝 参考答案要点：{要点}

**Q9：{题目}**
- 🎯 考察点：{考察点}
- 💡 答题策略：{策略}
- 📝 参考答案要点：{要点}

**Q10：{题目}**
- 🎯 考察点：{考察点}
- 💡 答题策略：{策略}
- 📝 参考答案要点：{要点}

---

### 🔍 追问题（5 题）
> 针对项目中的技术亮点，面试官深入追问的细节

**Q11：{题目 —— 针对项目中的某个技术亮点}**
- 🔍 追问点：{面试官会追问什么}
- 💡 答题策略：{建议的回答角度}
- 📝 参考回答思路：{思路}

**Q12：{题目}**
- 🔍 追问点：{追问点}
- 💡 答题策略：{策略}
- 📝 参考回答思路：{思路}

**Q13：{题目}**
- 🔍 追问点：{追问点}
- 💡 答题策略：{策略}
- 📝 参考回答思路：{思路}

**Q14：{题目}**
- 🔍 追问点：{追问点}
- 💡 答题策略：{策略}
- 📝 参考回答思路：{思路}

**Q15：{题目}**
- 🔍 追问点：{追问点}
- 💡 答题策略：{策略}
- 📝 参考回答思路：{思路}

---

## 💡 备考策略

### 高频必准备
{列出最重要的 3 个准备方向}

### 加分项准备
{列出能让面试官眼前一亮的 2-3 个方向}

### 避坑提醒
{列出项目中容易被质疑的点，提前准备应对}

---

## 面试自检清单

- [ ] 能用 30 秒讲清楚项目是什么
- [ ] 能用 2 分钟展开讲项目全貌
- [ ] 每个技术选型都能说清楚"为什么"
- [ ] 能画出系统架构图并解释数据流
- [ ] 能说出项目中遇到的最大挑战及解决方案
- [ ] 能说明如果重来会做哪些改进
- [ ] 准备好了每个"为什么"的答案
- [ ] 对所有 STAR 案例都练习过 2 遍以上

---

> 提示：面试时主动展示项目 Demo / 架构图 / 技术文档，效果远好于纯口头描述。

assets/showcase-template.md

# {项目名称} — 项目展示

> 一句话定位：{用一句话描述这个项目是什么、解决什么问题}

---

## 项目概述

{用 2-3 段描述项目的背景、核心价值、目标用户。尽量具体，避免空泛}

---

## 核心亮点

- **{亮点1标题}**：{具体说明，用数据/事实支撑}
- **{亮点2标题}**：{具体说明}
- **{亮点3标题}**：{具体说明}
- **{亮点4标题}**：{具体说明}
- **{亮点5标题}**：{具体说明}

---

## 功能模块

### 模块一：{模块名称}
- {功能点1}
- {功能点2}
- {功能点3}

### 模块二：{模块名称}
- {功能点1}
- {功能点2}

### 模块三：{模块名称}
- {功能点1}
- {功能点2}
- {功能点3}

{根据需要增加模块}

---

## 技术栈

| 层级 | 技术选型 | 说明 |
|------|----------|------|
| 前端 | {框架/库} | {为什么选它} |
| 后端 | {框架/语言} | {为什么选它} |
| 数据库 | {数据库类型} | {为什么选它} |
| 缓存 | {Redis/其他} | {用途} |
| 部署 | {Docker/Nginx/云服务} | {部署方式} |
| 其他 | {其他关键技术} | {说明} |

---

## 架构设计

### 系统架构图

{描述或引用架构图}

### 核心设计决策

1. **{决策1}**：{为什么这样设计、相比其他方案的优劣}
2. **{决策2}**：{为什么这样设计}
3. **{决策3}**：{为什么这样设计}

### 关键数据流

{描述核心业务流程的数据流转}

---

## 从 Demo 到商用的演进

### 演进前（Demo 阶段）
- {Demo 阶段的核心功能/限制}

### 演进后（商用级）
- {新增的功能模块}
- {工程化改进}
- {性能/安全/体验提升}

### 演进路线图
1. **第一阶段**：{目标} → {关键动作}
2. **第二阶段**：{目标} → {关键动作}
3. **第三阶段**：{目标} → {关键动作}

---

## 项目展示

### 截图/演示

{嵌入或描述关键页面的截图}

### 在线地址

- 演示地址：{URL}
- 源码地址：{GitHub/Gitee URL}

---

## 部署说明

### 环境要求
- {Node.js / Python / Java 等版本要求}
- {数据库版本}
- {其他依赖}

### 快速启动
```bash
# 1. 克隆仓库
git clone {仓库地址}

# 2. 安装依赖
{安装命令}

# 3. 配置环境变量
cp .env.example .env
# 编辑 .env 填入必要配置

# 4. 启动服务
{启动命令}
```

---

## 未来规划

- [ ] {规划点1}
- [ ] {规划点2}
- [ ] {规划点3}

---

> 最后更新：{日期}

Github ReposUpdated 6mo agoRank 70

activepieces

AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents

OPENCLAW

Github ReposUpdated 6mo agoRank 70

cherry-studio

AI productivity studio with smart chat, autonomous agents, and 300+ assistants.

MCPOPENCLAW

Github ReposUpdated 6mo agoRank 70

AionUi

Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!

MCPOPENCLAW

Github ReposUpdated 7mo agoRank 70

CopilotKit

The Frontend for Agents & Generative UI. React + Angular

OPENCLAW

Machine-readable data

The same record, as JSON, for agents and crawlers.

{
  "facts": [
    {
      "factKey": "vendor",
      "category": "vendor",
      "label": "Vendor",
      "value": "Clawhub",
      "href": "https://clawhub.ai/whishi47/skills/project-showcase-enhancer-skill",
      "sourceUrl": "https://clawhub.ai/whishi47/skills/project-showcase-enhancer-skill",
      "sourceType": "profile",
      "confidence": "medium",
      "observedAt": "2026-10-09T10:05:33.655Z",
      "isPublic": true
    },
    {
      "factKey": "protocols",
      "category": "compatibility",
      "label": "Protocol compatibility",
      "value": "OpenClaw",
      "href": "https://www.xpersona.co/api/v1/agents/clawhub-whishi47-project-showcase-enhancer-skill/contract",
      "sourceUrl": "https://www.xpersona.co/api/v1/agents/clawhub-whishi47-project-showcase-enhancer-skill/contract",
      "sourceType": "contract",
      "confidence": "medium",
      "observedAt": "2026-10-09T10:05:33.655Z",
      "isPublic": true
    },
    {
      "factKey": "traction",
      "category": "adoption",
      "label": "Adoption signal",
      "value": "3K downloads",
      "href": "https://clawhub.ai/whishi47/project-showcase-enhancer-skill",
      "sourceUrl": "https://clawhub.ai/whishi47/project-showcase-enhancer-skill",
      "sourceType": "profile",
      "confidence": "medium",
      "observedAt": "2026-10-09T10:05:33.655Z",
      "isPublic": true
    },
    {
      "factKey": "latest_release",
      "category": "release",
      "label": "Latest release",
      "value": "0.1.0",
      "href": "https://clawhub.ai/whishi47/project-showcase-enhancer-skill",
      "sourceUrl": "https://clawhub.ai/whishi47/project-showcase-enhancer-skill",
      "sourceType": "release",
      "confidence": "medium",
      "observedAt": "2026-07-23T04:15:51.915Z",
      "isPublic": true
    },
    {
      "factKey": "handshake_status",
      "category": "security",
      "label": "Handshake status",
      "value": "UNKNOWN",
      "href": "https://www.xpersona.co/api/v1/agents/clawhub-whishi47-project-showcase-enhancer-skill/trust",
      "sourceUrl": "https://www.xpersona.co/api/v1/agents/clawhub-whishi47-project-showcase-enhancer-skill/trust",
      "sourceType": "trust",
      "confidence": "medium",
      "observedAt": null,
      "isPublic": true
    }
  ],
  "events": [
    {
      "eventType": "release",
      "title": "Release 0.1.0",
      "description": "Project Showcase Enhancer 1.0.0 — first public release - Enables personal project analysis and commercial-grade enhancement for portfolio/website/interview use - Integrates deterministic script scanning (fast JSON extraction) with semantic LLM analysis for deep understanding - Guides user through stepwise workflow: project scanning ➔ code review ➔ productization dialogue ➔ deliverable generation - Automatically produces high-quality project showcase documents and targeted interview prep handbooks - Ensures all insights and interview questions are supported by concrete code or architectural evidence - Requires confirmation of model capabilities for reliable results",
      "href": "https://clawhub.ai/whishi47/project-showcase-enhancer-skill",
      "sourceUrl": "https://clawhub.ai/whishi47/project-showcase-enhancer-skill",
      "sourceType": "release",
      "confidence": "medium",
      "observedAt": "2026-07-23T04:15:51.915Z",
      "isPublic": true
    }
  ]
}

Record generated Oct 9, 2026.

About

Avoid when

Public facts

Install and run

Documentation

Extracted files

SKILL.md

README.md

_meta.json

assets/interview-prep-template.md

assets/showcase-template.md

Related agents

activepieces

cherry-studio

AionUi

CopilotKit

Machine-readable data