SuperAPI AI 工具集找到适合任务的 Agent Skill，阅读介绍并复制安装命令。
更新于 10-22 00:14
16,774 个结果
该技能用于把投资研究需求先路由到正确场景，再检查必要输入，最后从提示词库取用对应模板。它以提示词模板与分析框架为核心，不负责程序化抓取金融数据。适用场景包括股票筛选、投资组合风险审查、股息组合设计、财报前瞻、行业竞争报告、DCF 估值、技术分析与趋势异常识别等。使用前会先判断请求属于哪一类场景，并检查该场景的必要信息是否齐全；若不足则先返回缺失数据输出，包含检测到的场景、缺失字段、原因、追问问题与下一步，而不是直接输出空模板。对于股价、估值倍数、财报日期、分析师共识、殖利率、配息纪录、市值、期权隐含波动、空头比例等时效性信息，要求先查证最新来源再套用模板。输出可保留专业角色设定、分析项目清单、输出格式要求与待补变量槽位，不捏造即时市场数据。
NetworkX 是用于创建、操作和研究复杂网络结构与动态的 Python 库，支持无向图、有向图、多重图等类型，节点可为任意可哈希对象，边可携带权重等属性，提供最短路径、中心性、社区发现、连通分量等图论算法。
用于为 Product Hunt 发布配置分析追踪的技能：设置 GA4、Plausible、Mixpanel 等工具，创建实时仪表盘，追踪排名、投票、评论、流量、注册与转化等指标，并做发布后分析。
智能数据库查询技能：通过 SSH 隧道连接线上数据库，支持自然语言转 SQL、执行查询与表结构探索，适合需要查询线上的数据库、查看表结构或做数据问答的场景。
x-scraper 是一个用于抓取 X.com（Twitter）用户公开帖子的技能工具。它通过已认证的 Cookie 提取用户近期帖子的文本内容、发布时间、互动指标（浏览量、点赞、转推、回复），并生成帖子的直接链接。工具基于 Python 3.11+ 与 Playwright 运行，输出为 JSON 文件，默认保存至 /tmp/x_{username}_posts.json。使用前需准备 Cookie 文件（默认 /tmp/x_cookies_pw.json），并可通过 convert_cookies.py 将 Cookie-Editor 导出的 JSON 转换为 Playwright 格式。适合需要整理、分析某位 X 用户近期发言的场景。
xAI X（Twitter）搜索是基于 Grok API 的实时社交搜索工具，利用 xAI 独有的原生 X 集成能力，通过 OpenAI 兼容的客户端调用 Grok 模型，让用户以自然语言检索 X 平台的帖子和讨论。它可以用于主题搜索、股票代码提及检索、账号动态监控、趋势话题获取和社交舆情分析。使用方式为通过 XAI_API_KEY 环境变量初始化客户端，将 base_url 指向 https://api.x.ai/v1，选用 grok-4-1-fast 模型发起对话式请求；进阶用法可通过 Agent Tools API 的 x_search 工具指定日期范围、包含或排除指定账号（上限 10 个）、分析图片视频等。典型场景包括财经新闻监控、财报市场反应追踪、多股票情绪对比和趋势跟踪。搜索按 $0.005/次（$5/1000 次）计费。
afa-dashboard 是一个面向 DTC（直接面向消费者）品牌的数据仪表盘与数据体检引擎，定位为全局引擎，版本 v2.6。它通过极简输入实现核心 KPI 的周期性对比与异常预警，将数据仪表盘从被动的业绩“后视镜”转变为主动的增长“驾驶舱”。主要能力包括：生成三层分层看板（高管摘要层、渠道管理层、客户洞察层）、北极星指标（NSM）健康度评估、异常预警列表（含严重度分级）、数据体检报告、路由建议与 learnings 更新。它支持五类工作流：首次体检、周期复检、专项分析、实时异常响应和 NSM 模式，并执行三层异常检测（绝对阈值、相对变化、动态基线）与 IDA 三步诊断。使用前需加载 products.md（必需），可选 learnings.jsonl、stack.md、metrics.md。触发词包括数据体检、仪表盘、dashboard、KPI、指标追踪、基准线、营收报表、异常预警、metrics、benchmark、data health check、revenue report。
analyze-data 是 allenai/asta-plugins 中的数据分析技能，通过 DataVoyager 智能体在沙箱 notebook 中对用户数据集编写并执行代码，回答分析问题。需先 asta auth login 认证，用 asta analyze-data submit 提交并上传文件，再轮询任务结果。
cs-math 是 OpenClaw 生态中的计算机科学数学计算技能，覆盖离散数学、组合数学、概率、线性代数与机器学习相关微积分，可通过 CLI 或 API 按 JSON 参数调用，返回 JSON 结果。
基于 aeon 库的时间序列机器学习技能，覆盖分类、回归、聚类、预测、异常检测、分段与相似性搜索，兼容 scikit-learn，含特征提取、距离度量、深度学习网络与基准数据集工具。
AnnData 是 Python 中用于处理带注释数据矩阵的包，将测量矩阵 X 与观测元数据 obs、变量元数据 var 及多维注释 obsm、varm、obsp、varp、uns 一起存储，是 scverse 生态的基础数据结构，常用于单细胞基因组学数据。
一个面向学术研究的引文管理技能：可在 Google Scholar 与 PubMed 检索论文，从 DOI、PMID、arXiv ID 等标识符提取完整元数据，校验引文并生成规范化 BibTeX。
用于查询癌症依赖图谱（DepMap）的技能：通过 Figshare API 无密钥获取 CRISPR Chronos 基因依赖评分、细胞系注释与药物敏感性等数据，重点在本地用 pandas 分析癌症选择性依赖、生物标志物与共依赖性。
对科学数据文件进行探索性数据分析（EDA）的工具，能自动识别格式，执行结构、质量与统计检查，并生成 Markdown 格式的 EDA 报告，适合在正式分析前了解数据集。
基于 edgartools Python 库访问、分析与提取 SEC EDGAR 申报数据的技能，覆盖 1994 年以来的各类申报文件与结构化财务数据，可用于财报、内幕交易、机构持仓、代理声明等场景，需先设置身份并遵守限速。
用于查询 NHGRI-EBI GWAS Catalog REST API v2 的技能，可按 rs ID、疾病/性状（EFO/MONDO）、基因或研究（GCST）检索经整理的 SNP-性状关联，并获取研究元数据与汇总统计入口。
基于 Plotly Python 库构建交互式图表的技能，支持悬停提示、缩放平移、动画、范围滑块与 3D 旋转，覆盖 40 多种图表类型，可导出独立 HTML 或静态图片，并可与 Dash 仪表板集成。
基于 pymatgen 的材料分析技能，用于创建、转换和分析晶体结构与分子，计算相图和热力学稳定性，分析电子结构，生成表面与界面，并访问 Materials Project 数据库。
scikit-bio 技能：用 Python 处理生物数据，涵盖序列读写与操作、双序列与多序列比对、系统发育树构建与比较、alpha/beta 多样性（含 UniFrac）、排序分析（PCoA/CCA/RDA）、PERMANOVA 等生态统计、BIOM 特征表与蛋白质嵌入。
scikit-survival 是构建在 scikit-learn 之上的 Python 生存分析库，用于处理右删失数据的时间到事件建模，支持 Cox 模型、随机生存森林、梯度提升和生存 SVM，并提供一致性指数、Brier 分数等评估指标。
用于处理超内存大型表格数据的 Vaex 技能：通过 vaex.open 内存映射 HDF5/Arrow/Parquet，支持惰性虚拟列、delay=True 单次遍历聚合与十亿行级分箱统计；含安装、用法与迁移到 Polars 的指引。
BingX 永续合约技术分析技能，可获取K线、资金费率与持仓量数据，计算RSI、MACD、EMA、ADX、Supertrend、布林带等指标，识别K线形态、背离与支撑阻力，并给出多周期综合评分。
面向学术研究的引导式统计分析技能，帮助选择合适检验、检查假设、计算效应量与功效，并按 APA 格式报告结果，覆盖 t 检验、ANOVA、卡方、回归、相关与贝叶斯分析。
xolars 是一个小型冻结容器，将 xarray.Dataset 与每个维度一个 Polars 帧配对，并在选择与磁盘读写过程中保持对齐。适用于编写或修改导入 xolars 的 Python 代码。