SuperAPI AI 工具集
合作ENAI 行业资讯收藏

Skill 广场

找到适合任务的 Agent Skill，阅读介绍并复制安装命令。

更新于 10-15 00:40

数据与分析

13,553 个结果

migrating-dbt-project-across-platforms

该技能用于将 dbt 项目从一个数据平台迁移到另一个数据平台（例如从 Snowflake 迁移到 Databricks，或反向迁移）。其核心方法是借助 dbt Fusion 的实时 SQL 编译与详细错误日志进行方言转换：读取 Fusion 报错、修复、重新编译，循环迭代直至通过。迁移前会在源平台生成 dbt 单元测试作为“黄金数据集”，迁移后在目标平台运行这些测试以验证数据一致性。成功标准为：dbtf compile 在目标平台 0 错误 0 警告、所有单元测试通过、所有模型运行成功。迁移过程使用 dbtf compile 作为主要迭代门槛（免费、不消耗仓库计算），仅在编译干净后才执行 dbtf run 和 dbt test。工作流共 7 步：验证 dbt Fusion 安装、评估源项目、在源平台生成单元测试、切换 dbt target、运行 Fusion 编译并修复错误、运行并验证单元测试、最终验证并记录变更。该技能还包含禁止事项（不预先修复 Fusion 未报告的问题、不跳过单元测试、不使用 dbtf run 做迭代验证等）和已知限制（如 Fusion 2.0 版本化模型单元测试可能报错 dbt1048、需清除 target 缓存、Python 模型 dbt.ref() 验证问题等）。

数据与分析472 次安装

whale-tracking

这是一个用于 Solana 代币的巨鲸跟踪技能，通过监控大额钱包的链上行为，识别吸筹、派发和聪明钱动向，并在价格反应之前生成信号。核心能力包括：识别巨鲸（按绝对与相对阈值分类）、检测吸筹与派发模式、管理巨鲸观察名单、跨代币资金流向分析、以及基于 Helius 等数据源生成实时的鲸鱼买卖、吸筹和派发信号。适用于 Solana 生态的交易研究与链上情报分析，帮助评估代币集中度风险、跟踪聪明钱头寸及预警大额抛售。

数据与分析470 次安装

xctf-data

XC/TF Data 是一个用于获取 NCAA 越野跑与田径运动员数据的工具，数据来自 TFRRS（tfrrs.org）公开页面以及 The Stride Report 的 RSS 新闻源。它提供命令行（CLI）和 Python SDK 两种使用方式，无需 API 密钥，要求 Python 3.10 及以上。主要功能包括：按姓名搜索现役运动员、获取运动员档案（含全部个人最好成绩 PR 和逐赛季比赛结果）、获取队伍名单、获取赛事结果以及获取最新新闻。使用运动员档案时，athlete_id、school、name 三个参数必须与 TFRRS 运动员页面 URL 完全一致（区分大小写、使用下划线）。该工具仅覆盖现役运动员，已毕业或转学的运动员需直接提供 TFRRS 页面 URL。

数据与分析470 次安装

metadata

该技能封装 TheSportsDB 免费 API（key=3），用于获取体育元数据，包括球队队徽与徽章、球员照片、球场信息、联赛信息及人物传记数据，覆盖 100 多个联赛。无需 API key、无需注册。支持命令行与 Python SDK 两种调用方式，提供 get_team_logo、get_team_info、get_player_photo、search_teams、search_players 五个命令。覆盖足球、NFL、NBA、MLB、NHL、F1、板球等团队运动，以及网球、高尔夫球员；不覆盖 MMA/UFC、橄榄球、电竞、拳击。免费 key 限每分钟 30 次请求，重复查询缓存 5 分钟。

数据与分析468 次安装

pandas

pandas 是 Python 生态中用于数据分析与数据处理的强大库。本技能聚焦于将 pandas 应用于客户支持运营场景，涵盖工单管理、SLA 跟踪与绩效报表。核心能力包括 DataFrame 的创建、选择与索引、列运算，以及面向支持业务的 SLA 合规分析、工单量与趋势分析、坐席绩效指标计算。同时涉及数据集成与 ETL，例如通过 SQLAlchemy 连接 PostgreSQL 读写数据、数据清洗与校验、多级分组聚合、多表合并与拼接，以及时间序列的重采样与滚动窗口分析。适合需要处理支持工单数据、构建生产级数据管道的分析场景。

数据与分析468 次安装

llmquant-portfolio-lab

LLMQuant Portfolio Lab 是一个用于投资组合虚拟化工作流的路由型技能，适用于需要组合敞口地图、假设情景模拟、情景状态或虚拟组合状态的场景。它本身不直接计算，而是根据用户意图识别组合 ID、持仓列表、基准、情景和所需可视化输出，然后路由到最接近的工作流：按持仓、行业、因子、地域、ETF 穿透和集中度绘制组合敞口地图，或模拟加仓、减仓、对冲、冲击及虚拟组合状态。该技能优先使用 LLMQuant Data 获取持仓、价格、ETF 穿透、因子、情景和风险模型输出；若相关 API 不可用，则要求用户提供持仓表或构建结构化组合输入模板。使用中会报告数据截止日期、模型日期、基准、缺失持仓和不支持的资产类型，并明确禁止编造权重、持仓、因子敞口或情景收益。

数据与分析466 次安装

llmquant-commodities

LLMQuant Commodities 是 LLMQuant 技能库中的路由型技能，用于商品研究与期货曲线相关工作流。当用户需要进行商品现货、期货曲线、库存、滚动收益率或宏观联动分析时，可调用该技能。它本身不直接提供数据，而是根据用户意图将任务路由到对应的工作流文件，并明确所需的 LLMQuant Data 输入。技能内置两条工作流：一是跨价格、曲线、库存、宏观与股票的商品市场简报（workflows/commodity-market-lens.md），二是期货期限结构、滚动收益率、升贴水与曲线变动分析（workflows/futures-curve-monitor.md）。使用时会先识别商品品种、合约代码、地区、时间跨度与输出目标，再选择最接近的工作流，仅打开该工作流及相关本地资源。数据方面优先使用 LLMQuant Data，涵盖现货或近月价格、期货曲线、库存与供需、宏观指标、利率、汇率及相关股票或 ETF 价格代理等能力；若商品数据不可用，则列出所需的具体输入，并仅基于可获得的宏观、市场或用户提供证据继续，明确禁止凭记忆推断现货价格、库存或曲线形态。

数据与分析465 次安装

database-management-patterns

该技能是一套跨 SQL（PostgreSQL）与 NoSQL（MongoDB）的数据库管理准则合集，涵盖模式设计、索引策略、事务管理、复制、分片与性能优化，面向生产级应用。内容按数据库范式对比、PostgreSQL 模式（规范化、主外键、约束、触发器、视图与物化视图）以及 MongoDB 模式（嵌入与引用、桶模式、计算模式、多态模式、聚合管道）分节展开，并说明 ACID 与 CAP 等基础概念，帮助在不同场景下做选型与设计决策。

数据与分析465 次安装

fastf1

FastF1 是一个面向一级方程式（Formula 1）赛事数据的技能，基于 FastF1 库提供赛程、比赛结果、圈速计时、车手与车队信息等数据查询能力。它覆盖 F1 的练习赛、排位赛、正赛等各类赛段，可用于赛事周末分析、车手与车队对比、赛季概览等场景。使用方式以命令行工具 sports-skills 为主，也提供 Python SDK 作为替代。查询前需根据当前日期推导年份，1 月或 2 月应使用上一年份。

数据与分析462 次安装

sentiment-analysis

该技能用于从社交媒体、新闻和链上数据中提取并量化市场情绪，识别群体持仓与潜在的反向机会。核心能力包括：计算提及速度（mention velocity）以检测趋势或病毒式传播；通过关键词列表进行情绪极性评分；整合恐惧与贪婪指数、资金费率、多空比、交易所净流量等链上代理指标；构建加权综合情绪分数（-100 至 +100）；识别极端情绪下的反向信号；追踪高关注度影响者的活动。提供数据源参考、评分方法参考以及情绪扫描器和关键词情绪分析脚本。适用于在开仓或平仓前评估群体情绪、检测反转前的狂热或恐慌极端、监控社交提及速度以早期发现趋势、追踪特定代币的影响者活动，以及为系统化策略构建综合情绪分数。

数据与分析458 次安装

llmquant-rates-fx

LLMQuant Rates FX 是 LLMQuant 技能库中面向利率与外汇（FX）工作流的路由型技能。它本身不直接执行分析，而是根据用户意图，将请求分发到最接近的本地工作流文件，包括收益率曲线交易分析、央行路径与宏观分化比较、以及外汇套息（carry）仪表盘构建。该技能强调优先使用 LLMQuant Data 获取收益率曲线、政策利率、通胀、增长、外汇价格、套息、波动率、信用、商品与宏观背景数据，并要求在报告中标注观察日期、价格时间戳、政策日期、曲线期限、数据陈旧提示与缺失输入。若远期点数、实际利率或持仓数据不可用，需明确说明缺失项，仅使用即期与利差证据，且不得在没有带时间戳的利率与外汇数据情况下推断实时套息或曲线交易。

数据与分析457 次安装

vector-database-management

面向向量数据库管理的综合指南，覆盖 Pinecone、Weaviate、Chroma 三款主流向量数据库，用于语义搜索、RAG（检索增强生成）与基于相似度的应用。内容包括向量嵌入基础（文本转嵌入、常见嵌入模型与维度权衡）、数据库部署与配置（Pinecone 服务端无服务器与 Pod、Weaviate 本地或云端集合、Chroma 持久化客户端）、索引操作（创建、管理、性能配置）、向量操作（写入、批量写入、稀疏向量）、相似度搜索、元数据过滤、混合搜索、命名空间与集合管理、性能与扩展、生产实践及成本优化。文档以 Python 代码示例贯穿，涉及 OpenAI、Sentence Transformers、Cohere 等嵌入方案，并对比三款数据库在部署方式、索引类型、元数据过滤、混合搜索、规模与适用场景上的差异。

数据与分析457 次安装

database-documentation

该技能用于生成「有据可查且经过验证」的数据库文档，目标是让文档与真实数据库结构达到 100% 一致。其核心方法是：以在线数据库为唯一权威来源（通过系统目录内省），将 ORM 模型、迁移文件、生成的类型和种子数据视为「声明」而非事实，并在生成文档后重新内省在线数据库、与文档做差异比对，直到差异为空或每个差异都有明确说明。技能 v1 仅支持关系型/SQL 数据库，涵盖 PostgreSQL、MySQL、SQL Server、SQLite；若检测到文档型（如 MongoDB）或图数据库则声明超出范围并停止，不做猜测性文档。工作流分为六个阶段：发现（只读）、抽取各来源、统一为规范模式模型、生成文档与 schema.json、验证一致性（计数校验 + 身份差异比对）、以及至少 3 个独立对抗性审查。该技能会按降级阶梯标注可信度等级（从「已在线验证」到「无在线数据库、仅单一静态来源」的低可信度）。缺失数据会被标记而非编造，凭据在处理过程中会被脱敏。

数据与分析455 次安装

database-monitoring

该技能面向数据库监控场景，用于监控数据库性能与健康状态，适用于搭建监控、分析指标或排查数据库问题的场合。内容涵盖全面的数据库监控实施，包括性能分析、健康检查与主动告警，并涉及指标采集、分析与故障排查策略。使用时机包括性能基线建立、实时健康监控、容量规划、查询性能分析、资源利用率追踪、告警规则配置以及事件响应与故障排查。快速开始部分提供了 PostgreSQL 的监控示例 SQL，例如查看当前连接、按数据库统计连接数与最长查询时长、查找空闲事务等；完整实现见参考指南。参考指南目录涵盖连接监控、查询性能监控、表与索引监控、Performance Schema、InnoDB 监控、PostgreSQL 监控设置以及自动化监控仪表板。最佳实践方面，建议遵循既定模式与约定、编写清晰可维护的代码、添加适当文档、部署前充分测试；不建议跳过测试或验证、忽略错误处理、硬编码配置值。该技能基于 aj-geddes/useful-ai-prompts 资源库，具体收费、价格与平台信息暂未提供。

数据与分析455 次安装

query-caching-strategies

该技能提供查询缓存策略的实现指南，用于提升性能。适用于搭建缓存层、配置 Redis 或优化数据库查询响应时间等场景。内容覆盖使用 Redis、Memcached 与数据库级缓存的多级缓存策略，以及缓存失效、TTL 策略和缓存预热模式。文档包含适用时机说明、快速入门示例（Node.js 结合 Redis 的缓存读取与写入、TTL 设置），并列出 references 目录下的参考指南，包括 Redis 与 PostgreSQL 缓存、Memcached 缓存、PostgreSQL 查询缓存、MySQL 查询缓存、基于事件的失效、基于时间的失效与 LRU 缓存淘汰。另附最佳实践清单，例如遵循既定模式、编写整洁可维护代码、补充文档并在部署前充分测试，避免跳过测试验证、忽略错误处理以及硬编码配置值。

数据与分析453 次安装

developing-in-lightdash

用于在 Lightdash 中进行开发工作，面向 CLI 用户与 writeback 沙箱，处理 YAML 与 dbt 文件。该技能覆盖语义层（指标、维度、连接）与内容（图表、仪表板），适用于：处理 Lightdash YAML 文件（图表、仪表板、模型即代码）；使用 lightdash CLI（deploy、upload、download、preview、lint、warehouse-catalog、sql）；在 dbt 或纯 Lightdash 项目中定义指标、维度、连接或表；以代码方式创建或编辑图表与仪表板；下载、上传或本地开发数据应用（企业版）；创建、下载、编辑或上传在 Chart Studio 中构建的自定义图表类型（企业版）；创建、编辑、迁移、下载或上传组织数据应用主题。不适用于：开发 Lightdash 应用本身（应使用代码库的 CLAUDE.md）、不含 Lightdash 元数据的通用 dbt 工作，或与 Lightdash 模型无关的原始 SQL。

数据与分析453 次安装

market-microstructure-traditional

该技能介绍传统市场微观结构概念在加密货币市场中的应用，涵盖订单簿动态、做市理论、价格形成模型与执行质量评估。内容包括买卖价差分解（逆向选择、库存持有、订单处理）、Glosten-Milgrom 与 Kyle Lambda 价格形成模型、Almgren-Chriss 临时与永久价格冲击、平方根冲击定律、订单簿失衡指标、Poisson 与 Hawkes 交易到达过程、Avellaneda-Stoikov 做市商最优报价模型，以及 VWAP 与实施差额等执行质量基准。同时对比中心化交易所（LOB）与去中心化交易所（AMM）在价格发现、价差、深度、逆向选择、执行、延迟、MEV 和费用结构上的差异，并讨论 Maker/Taker 费率层级对做市策略经济性的影响。附带价差分析与做市商模拟脚本，依赖 numpy、pandas、scipy、matplotlib。

数据与分析452 次安装

infographic-and-data-viz

该技能专注于将真实数据转化为诚实、易扫读、可分享的信息图与图表。核心方法为 CHART 框架：选择匹配数据关系的图表类型、用标题直接陈述结论、坚持诚实刻度（柱状图从零开始、不使用 3D/双轴/截断）、精简到信号（提高数据墨水比、直接标注）、标注来源并保证可访问性（色盲安全、冗余编码、WCAG 对比度、替代文本）。适用于需要将数据可视化为图表或信息图的场景，强调不歪曲真实数据、不编造数据点或来源。

数据与分析452 次安装

PostgreSQL Database Administration

这是一个面向客户支持技术赋能场景的 PostgreSQL 数据库管理技能，覆盖数据库设计、索引优化、全文检索、分析查询、分区、备份恢复等主题。资料以支持工单系统为例，给出用户、工单、评论、历史、组织、审计日志等表结构，以及 B-Tree、GIN、部分索引、全文检索触发器、窗口函数、物化视图、SLA 统计、按日期与状态分区、自动建分区函数等示例。适合需要为客服/工单类系统设计、优化和维护 PostgreSQL 数据库的工程师参考。

数据与分析451 次安装