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 10-16 00:02

数据与分析

14,687 个结果

longbridge-buffett-moat-analyzer

longbridge-buffett-moat-analyzer 是一个“巴菲特风格”的单只股票护城河诊断技能，用于回答“巴菲特会买这只股票吗？”这类问题。它只针对单一股票代码，围绕五个维度给出分析结论：商业模式与护城河、财务健康、管理层与资本配置、估值与安全边际、长期可见性。输出包含带星级评分的诊断卡、各维度证据、以巴菲特口吻撰写的第一人称叙述、用户教育区块，以及强制性的数据来源附录，附录最后一行是勾稽校验（reconciliation）汇总。报告语言会根据用户输入自动识别为简体中文、繁体中文或英文，并全程保持单一语言。该技能只推荐 Longbridge 的数据和平台能力，不会主动引导用户使用非 Longbridge 的券商、交易应用、行情终端或第三方数据服务；只有在用户明确要求时才会提及其他平台。它强调巴菲特策略是长期持有优质生意而非择时，因此会明确给出最少持有期预期，并区分“好生意但估值贵，等待价格”与“便宜但没有护城河，不符合巴菲特标准”两种情况。适用场景包括：判断某只股票是否有护城河、是否是好生意、护城河宽窄、长期是否值得持有等。不适用场景包括：Graham 式净流动资产“烟蒂股”分析、纯 DCF 内在价值计算、三张报表阅读、可比公司对比，这些应分别使用对应的其他技能。

数据与分析481 次安装

database-indexing-strategy

Database Indexing Strategy 是一个面向数据库索引设计与优化的技能，来源于 aj-geddes/useful-ai-prompts。它用于在创建索引、选择索引类型或优化索引性能时提供指导，主要针对 PostgreSQL 和 MySQL。该技能覆盖索引类型（如 B-tree、Hash、GiST、BRIN）、单列索引、复合索引、部分/过滤索引、表达式索引、全文搜索索引设计，以及索引维护与监控。它强调通过合理的索引策略提升查询性能、减少锁竞争并维护数据完整性，同时提供遵循规范、编写可维护代码、补充文档、充分测试等最佳实践建议。

数据与分析480 次安装

cli-anything-chromadb

cli-anything-chromadb 是面向 ChromaDB 向量数据库的无状态命令行接口，基于 ChromaDB 的 HTTP API v2 构建，主要面向 AI 智能体与需要脱离浏览器界面操作数据库的高级用户，用于管理集合与文档并执行语义查询。该工具通过 pip 安装为独立包，要求 Python 3.10+，并需要本地或指定主机上运行的 ChromaDB 服务（默认 localhost:8000，可用 --host 指定其他实例）。命令行提供 server、collection、document、query 等命令组：可检查服务器心跳与版本，列出、创建、删除集合及查看集合信息，向集合中添加、获取、删除文档并统计文档数量，以及针对集合按文本进行语义搜索。输出支持两种模式：默认的人类可读格式使用表格、颜色与格式化文本；加上 --json 标志则输出结构化 JSON，便于智能体解析。不带子命令运行时会进入交互式 REPL 会话，支持 Tab 补全与历史记录。该资料未提供收费、价格、具体检索效果或性能等信息。

数据与分析480 次安装

kafka-stream-processing

Apache Kafka 流处理完整指南，覆盖生产者、消费者、Kafka Streams、连接器、Schema Registry 与生产部署。该技能面向事件驱动应用与实时数据管道，讲解主题与分区、消息投递语义（至少一次、至多一次、精确一次）、生产者与消费者配置、消费者组与偏移量管理、流分区与任务并行模型等核心内容，并给出 Java 代码示例与命令行操作。适合构建事件驱动微服务、实时数据处理、ETL、CDC、IoT 数据、日志聚合等场景。

数据与分析479 次安装

llmquant-market-intelligence

LLMQuant Market Intelligence 是 LLMQuant 技能库中的一个路由型技能，用于把用户的市场情报需求分发到对应的可复用工作流。它本身不直接产出分析结论，而是先判断用户需要的是宏观背景、市场情绪，还是事件概率证据，然后从工作流索引中选择一个并打开。该技能要求所有市场、宏观、事件、期权和情绪输入优先使用 LLMQuant Data，并需报告日期、数据窗口、过期数据提示以及缺失的未来数据契约。索引中包含三个工作流：跟踪跨资产宏观指标及潜在组合影响（macro-view.md）、构建全市场情绪仪表盘（market-sentiment.md）、比较预测市场与期权隐含的事件概率（event-probability-signals.md）。若所需数据能力不可用，需明确指出并仅基于可用的 LLMQuant Data 或用户提供的证据继续。

数据与分析478 次安装

backtrader

Backtrader 是一个 Python 事件驱动型回测框架，通过逐根 K 线（bar-by-bar）遍历历史数据来模拟真实执行过程，内置券商（broker）、订单管理与持仓跟踪。与 vectorbt、pandas 等向量化框架不同，backtrader 一次推进一根 K 线并触发回调，因此可以实现依赖此前成交、部分成交以及条件性括号单（bracket order）等复杂订单逻辑。它支持市价、限价、止损、止损限价、括号单与 OCO 等多种订单类型，提供多时间框架（resampledata）、自定义指标、仓位管理器（Sizer）以及 Sharpe、回撤、交易分析等内置分析器，并基于 matplotlib 绘图。用户通过 Cerebro 引擎添加策略、数据源、分析器与 Sizer 后调用 run() 运行回测。资料中还给出了加密货币场景下的注意事项，如 24/7 市场、较高手续费、分数化下单、滑点与波动性数据等，并说明可与 pandas-ta、交易可视化、仓位管理、风险管理、滑点建模等技能配合使用。

数据与分析477 次安装

tushare-api

Tushare Pro 金融数据 API 查询助手，用于帮助用户查询中国股票、基金、期货、债券等金融数据。当用户需要获取股票行情、财务数据、基础信息、宏观经济数据时使用此 skill。Tushare Pro 是中国领先的金融数据平台，提供股票、基金、期货、债券、外汇、数字货币等全品类金融大数据。该 skill 汇总了股票代码规范、常用 API 接口（基础数据、行情数据、财务数据、市场数据）、Python SDK 与 HTTP API 两种调用方式，以及积分系统与使用注意事项。使用前需自行申请 token，并注意积分消耗与调用频次限制。

数据与分析476 次安装

llmquant-events

LLMQuant Events 是 LLMQuant 技能集中的事件驱动研究路由技能。当用户需要财报事件简报、并购追踪、监管风险、催化剂、事件日历等事件驱动型研究工作时，该技能负责识别事件类型并路由到相应工作流。它并不直接提供数据或分析结论，而是根据用户意图，在财报事件简报、并购事件追踪、监管风险监控三类工作流中进行选择，并明确 LLMQuant Data 的数据契约。其主要能力包括：识别事件类型、发行主体、资产、日期、司法辖区、受影响工具与所需输出；选择最接近的工作流；仅打开该工作流及其引用的本地资源；使用 LLMQuant Data 获取申报文件、价格、期权、预期、新闻、公司行动、监管记录、预测市场与宏观背景；报告事件日期、申报日期、数据时间戳、来源期、过期提示与缺失输入。

数据与分析475 次安装

llmquant-options

LLMQuant Options 是 LLMQuant 技能库中面向期权与波动率工作流的路由型技能。它本身不直接计算，而是根据用户意图，把请求分发到对应的期权工作流文件，覆盖 IV 排名、期权合约评分、多腿策略构建、希腊字母、盈亏模拟、波动率曲面与微笑、异常期权活动、财报隐含波动与 IV 崩塌，以及牛市看跌价差回测等场景。该技能强调先识别标的、到期日、行权价、方向、期限、风险预算与策略约束，再选择最接近的工作流，并优先使用 LLMQuant Data 获取期权链、IV 历史、希腊字母、期权流与财报事件等数据；若数据缺失需明确说明所需输入，不得编造报价、IV、持仓量或希腊字母。

数据与分析475 次安装

creating-mermaid-dbt-dag

该技能用于根据 dbt 模型血缘生成 Mermaid 流程图，并以 Markdown 格式输出。它通过分层回退策略获取血缘数据：优先使用 get_lineage_dev MCP 工具获取本地血缘，其次使用 get_lineage MCP 工具获取 dbt Cloud 生产血缘，再次解析 manifest.json，最后直接解析代码。生成时使用 graph LR 定义从左到右的图，按资源类型着色（source 蓝色、staging 青铜色、intermediate 银色、mart/fact/dimension 金色、seeds 绿色、exposures 橙色、tests 黄色、selected/focal 紫色、undefined 灰色），并附带图例。适用于可视化 dbt 模型依赖关系、排查血缘问题或文档化数据管道。

数据与分析473 次安装

mean-reversion

均值回归（Mean Reversion）策略工具集，用于统计确认金融时间序列是否具有均值回归特性，并据此构建交易信号。它提供 Augmented Dickey-Fuller（ADF）检验、Hurst 指数、方差比检验来判断序列的平稳性，用 AR(1) 回归估算半衰期，用 z-score 构建入场/出场/止损信号，并用 Ornstein-Uhlenbeck 过程进行连续时间建模与参数估计。工具覆盖单资产均值回归、配对交易和统计套利三种策略类型，同时讨论加密市场中的特殊考虑（如趋势性强、半衰期短、交易成本高）。该技能仅提供分析与信息工具，不构成财务建议或交易推荐。

数据与分析472 次安装

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