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 10-24 00:15
16,903 个结果
FAISS 是 Meta（Facebook）AI 研究团队开源的稠密向量相似度搜索与聚类库，使用 C++ 编写并提供 Python 绑定，可处理数十亿级向量。它支持多种索引类型（Flat 精确搜索、IVF 倒排文件、HNSW 图索引、PQ 乘积量化等），并提供 GPU 加速，适合对大规模向量数据集进行高吞吐、低延迟的纯向量相似度检索，以及嵌入向量的离线/批量处理。FAISS 本身不提供元数据过滤或完整数据库功能，若需要这些能力可考虑 Chroma、Pinecone、Weaviate 等替代方案。项目采用 MIT 许可证，GitHub 星标超过 31,700。
PyTorch Lightning 深度学习框架技能，用于将 PyTorch 代码组织为 LightningModule，配置 Trainer 实现多 GPU/TPU 训练，并用 LightningDataModule 构建数据管道，涵盖回调、日志与分布式训练策略。
面向生产级 AI/ML/数据系统的资深数据工程技能，覆盖可扩展数据管道、ETL/ELT、数据基础设施，涉及 Python、SQL、Spark、Airflow、dbt、Kafka 等技术栈，并提供脚本与参考文档。
USPTO Database 是一个用于访问美国专利商标局（USPTO）系列 API 的技能，面向专利与商标检索、审查历史查询和知识产权分析。它可检索专利的关键词、发明人、受让人、分类和日期信息，获取专利权利要求、摘要与引用数据；通过 PEDS 查询专利申请的审查历史与事务记录；通过 TSDR 获取商标状态、归属与审查历史；还可跟踪专利与商标的转让记录、分析引用关系、获取审查意见通知书（Office Action）、PTAB 程序与专利诉讼记录。所有 USPTO API 均需在官方平台注册并获取 API 密钥，通过环境变量配置。该技能提供 Python 辅助脚本，封装专利检索、PEDS 和商标客户端，便于执行搜索与分析任务。适用于专利检索、现有技术调查、商标监控、专利组合分析等知识产权相关场景。
将结构化数据渲染为对齐的 ASCII 表格，支持列宽规则、截断或换行、边框样式以及紧凑/可读两种变体，适用于终端、日志和邮件等纯文本场景。
该技能用于概率、分布、假设检验与统计推断，适用于 A/B 测试、实验设计和统计验证；基于 SciPy 与 NumPy 提供 t 检验、卡方、ANOVA、置信区间、相关与正态性检验等能力。
面向 Apache Spark、Hadoop 与分布式计算的大规模数据处理技能，覆盖 PySpark DataFrame API、分区与连接优化、缓存持久化、Structured Streaming、Delta Lake 合并写入及生产环境调优与排错。
PostgreSQL 管理与运维技能，涵盖安装配置、用户与角色权限、参数调优、备份恢复、日常维护、监控、性能分析与复制/高可用设置，面向生产环境数据库管理。
用于把已同步的数据仓库表列映射为 PostHog 人员或分组属性的技能说明，涵盖前置条件、工具调用、映射创建与同步、命名规范及回填等操作要点。
在 PostHog 的仓库表、视图和 HogQL 目录指标上添加并运行 dbt 风格的数据质量断言，通过 SQL 读取、通过 MCP 工具写入与执行，支持 not_null、unique、relationships、accepted_values、freshness、row_count 和 custom_sql 等校验类型。
在 PostHog 中创建产品分析或 SQL 驱动的箱线图洞察，用于可视化数值属性的分布。适用于用户要求创建、构建或保存箱线图的场景，需具备分布数据而非聚合平均值。
PostHog Surveys 的排障技能，用于排查各 SDK（Web、iOS、Android、Flutter、React Native）中调查问卷不显示、响应数据异常等问题。依据资格判定管线、事件语义与 API 配置定位原因。
PostHog 技能：把数据仓库表或物化视图的列映射为人员或分组属性，使仓库列可用于功能开关、群组等。映射通过 custom-property-sources-create 一次性提交，仅更新已存在的人员或分组，空值跳过。
PostHog 的路径清理规则建议技能：每周对 Web 分析团队采样真实路径，调用 LLM 生成 {regex, alias} 规则并校验，仅作建议、不自动应用，供人工审核后合并到路径清理过滤器。
Happiness Dashboard 是一个基于 Evidence 框架的交互式数据看板模板，核心特点是在 Markdown 文件中编写 SQL 查询来生成可视化图表。技术栈包括 Evidence（框架）、DuckDB（嵌入式数据库）、Svelte（前端）以及 pnpm（包管理器）。项目输出到 build 目录，开发端口为 3000。数据来源为 sources/happiness_score/ 目录下的 CSV 文件，包含 hs2024.csv（当年幸福数据）与 hsArchive.csv（历史幸福数据），无需额外搭建数据库。使用流程为：通过 git clone 拉取模板、安装依赖（pnpm install）、处理数据源（pnpm run sources），再执行 pnpm run build 生成静态站点。部署支持 Vercel 与 Netlify，Vercel 需从项目根目录而非 build 目录执行部署命令。注意事项包括：必须使用 pnpm 而非 npm（.npmrc 中设置了 shamefully-hoist=true 以兼容 Evidence）、建议在本地构建（Vercel/Netlify 云端构建可能因 DuckDB 编译耗时 40 分钟以上而超时）、不要在虚拟机环境中运行 pnpm run dev。
Database Schema Validator 是一个用于校验 SQL schema 文件的技能，依据内部安全与命名规范对用户提供的 SQL 文件进行检查。它强制执行的策略包括：安全性方面禁止出现 DROP TABLE 语句；命名方面要求所有表名使用 snake_case；结构方面要求每张表都必须有一个作为 PRIMARY KEY 的 id 列。该技能不依赖人工阅读文件来发现错误，而是通过运行 scripts/ 文件夹中的 Python 脚本进行校验，并根据脚本退出码给出结论：退出码为 0 时告知用户 schema 看起来没问题，退出码为 1 时向用户报告脚本打印的具体错误信息并建议修复方式。
该技能用于维护 CRM 数据质量，涵盖去重、规范化、数据补全自动化、记录匹配与数据衰减管理。当 CRM 中存在大量重复记录、记录过时或字段缺失时使用。技能本身不绑定特定工具，但包含针对 ZoomInfo OperationsOS、Salesforce 原生工具、HubSpot Operations Hub、Clay、LeanData、RingLead、Openprise 和 DemandTools 的平台专属指导。
Azure Cosmos DB 的 Rust SDK（NoSQL API），用于文档的增删改查、查询、容器访问以及全球分布式数据操作。该技能提供了一组经过审阅的示例，涵盖客户端初始化、Entra ID 认证、数据库与容器客户端层级、创建/读取/替换/补丁/删除文档等核心工作流，并给出安装命令、环境变量与最佳实践。示例基于 azure_data_cosmos 0.37.1 及兼容的 Azure core、credential crate，需替换所有资源占位符，且不应使用生产数据进行演示写入。
Azure Event Hubs 的 Rust 客户端库，用于发送与接收事件、进行流式数据摄取。该技能提供 ProducerClient 与 ConsumerClient 的创建方法，支持单事件发送、批量发送、按分区接收事件，以及查询 Event Hub 与分区属性。安装使用 cargo add azure_messaging_eventhubs azure_identity，并通过 EVENTHUBS_HOST、EVENTHUB_NAME 环境变量配置。适用于 Rust 项目接入 Azure Event Hubs 进行大数据流式处理。缺失的收费、价格等信息暂未提供。
Syncfusion Stock Chart 是面向 ASP.NET Core 的专用金融数据可视化控件，用于展示股票行情等金融市场数据。它支持 K 线、折线、OHLC 等多种系列类型，内置 10 种技术分析指标（如移动平均线、RSI、布林带等），并提供十字准线、工具提示、缩放、选择、图例、趋势线、股票事件标注、区间与周期选择器、导出与打印等交互与配置能力。开发者可通过 Tag Helper 在 ASP.NET Core 应用中声明式地创建和配置图表，适用于股票价格监控、技术分析仪表盘、投资组合概览、历史价格趋势和交易信号标注等场景。
Syncfusion Flutter Circular Charts（SfCircularChart）是用于在 Flutter 中绘制饼图、圆环图和径向条形图的图表组件。它支持工具提示、选中、扇区弹出等交互，以及渐变、动画、数据标签等自定义能力，并内置无障碍与 RTL 支持。适用于展示部分与整体比例、环形进度或分类对比等场景。
Astropy 是 Python 天文学与天体物理学的核心库，为天文计算提供物理单位、天球坐标、时间系统、FITS 文件读写和宇宙学模型等基础能力。它把数值数组与物理单位和天球参考系绑定，使天文计算具备可复现性与物理一致性。核心数据结构包括 Quantity（带单位的数值）、SkyCoord（天球坐标）、Time（时间）和 QTable（带单位与元数据的表格）。适用于处理单位与常数、坐标与参考系转换、读写 FITS/ASDF/VO 文件、管理天文时标（UTC、TAI、TDB、儒略日）、WCS 像素与天区坐标映射、宇宙学距离与年龄计算，以及带单位的天文表格数据。安装方式为 pip install astropy。
Open Babel 是一个化学数据互操作工具箱，被称为“通用化学翻译器”，支持超过 110 种化学数据格式。它提供格式转换、3D 结构生成、子结构搜索、分子对接准备、力场优化、分子指纹与相似度计算等能力，并附带 Python 封装 Pybel。适用于在 SMILES、PDB、SDF、CIF、Gaussian 等格式之间迁移数据，以及批量处理大型化学数据库。
PyProj 是 PROJ 库的 Python 接口，用于地图投影与坐标转换。它支持在数千种坐标参考系统（CRS）之间转换坐标，并可在椭球面上进行高精度的大地测量计算，如距离、方位角、面积和大地线路径。PyProj 适用于需要高精度空间分析的场景，例如将 GPS 坐标（WGS84）转换为本地投影系统（UTM、Albers、State Plane 等）、计算地球表面精确距离与面积、定义自定义 CRS、处理不同垂直基准面之间的转换、识别某位置的最佳 UTM 分区等。核心对象包括 CRS（坐标参考系统定义）、Transformer（批量坐标转换）和 Geod（椭球数学计算）。安装方式为 pip install pyproj。使用时建议始终设置 always_xy=True 以保证经纬度顺序一致，复用 Transformer 对象以提升性能，使用 Geod 而非投影平面计算距离，优先使用 EPSG 代码而非 Proj4 字符串，并通过传入数组或列表实现向量化转换。