zerotier
ZeroTier 集成技能，通过 Membrane CLI 连接 ZeroTier，管理网络、成员、组织与用户等数据并自动化工作流，适合需要以命令行方式与 ZeroTier 交互的场景。
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 10-23 00:13
数据与分析
16,814 个结果
azuresql-db-connections
面向 Azure SQL Database 容器（Private Preview）的技能，指导应用通过连接池与瞬时故障重试实现可靠数据库连接，使同一套代码在本地容器与云端 Azure SQL Database 上都能稳定运行。
azuresql-db-dab
在本地 Azure SQL Database 容器上，用 Microsoft Data API Builder(DAB) 生成无需应用代码的 REST 与 GraphQL API。适合希望快速把容器内表暴露为 API 的场景。
pandas-pro
Pandas Pro 是一个专注于 pandas DataFrame 操作的技能，用于数据分析、数据清洗、聚合与转换等任务。它提供了一套以生产级性能为导向的工作流程：先评估数据结构（查看 dtypes、内存占用、缺失值、数据质量），再设计向量化转换方案，随后高效实现并验证结果（检查 dtypes、形状、空值数与行数），最后进行内存与性能优化。该技能内置参考指南，覆盖 DataFrame 操作、数据清洗、聚合与 GroupBy、合并与连接、性能优化等主题，并给出向量化运算、安全子集复制、分组聚合、带校验的合并、缺失值处理、时间序列重采样、透视表、内存优化等代码模式。同时明确了必须遵守与禁止的做法，例如使用向量化替代循环、设置合适 dtype、显式处理缺失值、避免链式索引与已弃用方法等。
prisma-cli
Prisma CLI 命令参考技能，覆盖初始化、客户端生成、数据库操作、迁移、本地开发数据库与调试等命令及选项，供配置项目、执行迁移和处理数据库状态时查阅。
supabase-postgres-best-practices
Supabase 维护的 Postgres 性能优化与最佳实践技能，涵盖查询性能、连接管理、安全与 RLS、模式设计等 8 类规则，用于编写、审查和优化 Postgres 查询与模式设计。
sql-schema-audit
用于 SQLite/D1 的 SQL 模式审计技能，配合 sqlc 查询目录，分析索引覆盖情况并识别潜在 N+1 查询，帮助数据库评审。
budget-variance-analysis
依据实际数与预算数生成结构化预算差异分析，覆盖差异汇总表、重大差异根因说明、需关注的前三大差异、预测修订及管理层摘要，适用于财务复核与董事会材料。
ml-experiment-standards
一套机器学习实验规范技能，要求训练、验证、调参、基准测试都做到可复现、无泄漏、指标有依据。涵盖EDA优先、泄漏审计、时空与分组切分、指标选择及不确定性、可复现脚本骨架、深度学习补充要求、MLOps系统定位与报告格式。
postgis-spatial-sql
面向 PostGIS、DuckDB Spatial 等空间 SQL 后端的技能，用于写出语义正确且高效的空间查询。覆盖 geometry 与 geography 选型、SRID 与几何类型管理、GiST 索引、空间谓词选择、ST_Subdivide 优化、库内有效性修复与结果验证。
performing-cloud-forensics-investigation
针对 AWS、Azure、GCP 云环境的数字取证与事件响应技能，使用各云 CLI 对受侵实例做卷快照、采集实例元数据、安全组与网络接口信息，导取 API 审计日志和 VPC 流日志，并分析 IAM 凭据滥用与访问模式，最终生成取证报告。
pp-erank
面向 Etsy 卖家的 eRank 关键词研究 CLI 技能，通过 erank-pp-cli 提供关键词机会评分、标签共识、刊登差距分析、饱和度判断与历史漂移监测，支持 --agent 模式供智能体或脚本调用。
aristotle-perspective
以亚里士多德的思维框架回答问题的 AI 技能，涵盖逻辑学、修辞学、伦理学与中道思维。仅在用户明确要求使用该人物视角或应用其核心方法时触发，不因一般性问题自动启用。
darwin-perspective
以达尔文的进化论思维、耐心观察和反确认偏误方式回答问题的角色视角技能，适用于技术选型、问题排查、架构重构和决策分析等需要系统性观察的场景，不适用于紧急故障或需要突破性创新的情况。
loopstructural
LoopStructural 是一个用于构建三维地质模型的 Python 库，基于约束隐式建模方法，通过标量场表示地质界面。它支持从构造地质数据（如产状、梯度约束）出发，建立平面状地层模型，并可导出 VTK 网格与等值面。该技能适用于需要根据观测数据约束连续地质标量场的场景，例如地层界面重建、三维网格评估与可视化。资料中提供了完整的示例代码，涵盖模型创建、数据赋值、插值器选择（FDI/PLI）、世界坐标评估、规则网格生成及 VTK 导出。同时包含一个 CSV 辅助脚本，用于从约束文件构建模型并导出网格或等值面，支持命令行参数指定范围与网格步长。需要注意的是，断层、褶皱框架和不确定性集合需要显式的运动学数据与单独配置的模型，不能仅通过 CSV 列或该辅助脚本自动创建。验证范围限于 LoopStructural 1.8.0 与 loop-interpolation 0.0.2 的平面模型、世界坐标评估、非对称网格排序、等值面与 VTK 回读，以及错误输入和 CLI 失败处理，不涵盖断层网络反演、褶皱地质、不确定性估计或稀疏约束的地质充分性。
pygimli
pyGIMLi 是一个多方法地球物理建模与反演框架。它提供基于有限元的网格（pg.Mesh）、测量数据容器（pg.DataContainer）以及基础反演框架（pg.Inversion），并针对电法电阻率层析成像（ERT）和地震折射层析成像（SRT）内置了管理器类（ert.ERTManager、srt.SRTManager），可在少量代码内完成从数据加载、反演到结果可视化的完整流程。支持 Wenner、偶极-偶极、单极-偶极、单极-单极、Schlumberger、梯度等多种数组类型，可读写 .ohm、.sgt、.txt、.dat 等数据格式，并可将网格与模型导出为 VTK 供 ParaView 使用。
simpeg
SimPEG 是地球物理正演模拟与反演框架，全称为 Simulation and Parameter Estimation in Geophysics。它通过模块化设计（网格 mesh、观测系统 survey、模拟 simulation、数据 data、反演 inversion）支持多种地球物理方法，如直流电阻率（DC）、电磁（EM）、磁法、重力等。用户可基于 discretize 的 TensorMesh 或 TreeMesh 建立离散网格，定义电极与接收器构建观测系统，用 Simulation 类计算预测数据，再组合数据失配、正则化与优化器完成反演。资料提供了直流电阻率正演与反演的示例代码、关键类说明、常用映射（IdentityMap、ExpMap、ReciprocalMap、Wires）、物理属性典型范围、适用场景与替代工具对比，以及一个完整脚本 scripts/dc_inversion.py。
syncfusion-javascript-treegrid
Syncfusion JavaScript TreeGrid 技能：用于在 Web 应用中实现与定制 Syncfusion TreeGrid 组件，以表格布局展示可展开/折叠的层级数据，支持排序、筛选、编辑、导出、分页、虚拟滚动等企业级功能，适用于组织结构、文件系统、物料清单等场景。
biopython
Biopython 是计算生物学与生物信息学领域广泛使用的 Python 库，用于处理 DNA、RNA 和蛋白质序列，读写 FASTA、FASTQ、GenBank、EMBL、SwissProt 等序列文件，进行序列比对、BLAST 检索、PDB 蛋白结构分析、系统发育树构建以及访问 NCBI 数据库（Entrez、PubMed）。本技能提供 Biopython 的综合使用指南，涵盖安装方式、标准导入、核心模块（Seq、SeqIO、AlignIO、pairwise2、NCBIWWW、PDB、Phylo、Entrez 等）的用法示例，以及序列创建、转录翻译、文件读写、质量过滤、格式转换、比对与 BLAST 解析等常见任务。同时列出关键规则与反模式，例如使用迭代器流式处理大文件、按实际格式选择解析器、翻译时指定遗传密码表、为 Entrez 设置邮箱并遵守速率限制等。该库不适用于高性能基因组组装、BAM 变异检测、RNA-seq 差异表达、蛋白结构预测和大规模宏基因组分析，这些任务应使用 SPAdes、Canu、GATK、BCFtools、DESeq2、edgeR、AlphaFold、RoseTTAFold 等专用工具。
geopandas
GeoPandas 是用于简化 Python 地理空间数据操作的开源项目，它在 pandas 的 DataFrame 与 Series 数据类型上扩展出 GeoDataFrame 与 GeoSeries，把几何类型作为普通列处理，从而支持面积、距离与相交等空间运算，并复用熟悉的 pandas API。
sympy
SymPy 是纯 Python 实现的符号数学库（计算机代数系统），用于符号表达式与代数运算、微积分、方程求解、化简、符号矩阵、特殊函数与代码生成。安装：pip install sympy 或 conda install sympy。
identify vault protocol
根据智能合约地址识别未知金库（vault）协议的技能，通过链上源码、部署者名称、GitHub、网页与 Twitter 搜索、DefiLlama 适配器、审计报告和费用信息等线索，推断协议名称并输出结构化研究结果。
tracking-crypto-portfolio
该技能用于加密货币投资组合追踪，通过 CoinGecko 获取实时价格，计算持仓数量、市值与占比，支持基于成本价的未实现盈亏（P&L）分析，并提供集中度风险提示。可输出表格、JSON、CSV 三种格式，便于分析工具或税务申报使用。使用前需安装 Python 3.8+ 与 requests 库，并准备包含币种、数量及可选成本价的持仓 JSON 文件。
fmp-api
Financial Modeling Prep（FMP）API 是一套面向金融数据获取的接口服务，专注于基本面分析、SEC 文件、机构持仓（13F）、国会交易数据以及预计算估值。该技能提供股票报价、财务报表、关键指标与比率、DCF 估值、公司概况、财报日历、历史价格、公司搜索和 SEC 文件等端点，并给出 Python 调用示例。使用前需通过环境变量 FMP_API_KEY 配置 API 密钥，基础地址为 https://financialmodelingprep.com/stable。免费层每天 250 次调用、约 100 个样本符号、仅日终数据；付费层提供无限符号、盘中数据、股票筛选器、机构持仓、13F、内幕交易和国会交易等。