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 10-25 00:14
16,923 个结果
Polars 是一个基于 Apache Arrow 构建的高性能 DataFrame 库，同时提供 Python 和 Rust 接口。它采用表达式 API 与惰性求值（Lazy Evaluation）机制，支持选择、筛选、分组聚合、窗口函数、连接、拼接、透视与逆透视等数据操作，并支持 CSV、Parquet、JSON、Excel 等格式的读写以及 S3、Azure、GCS、BigQuery 等数据源接入。Polars 无索引、类型严格、默认并行执行，适合大数据集处理、复杂查询管道、pandas 迁移以及数据管道性能优化等场景。
Seaborn 是一个用于创建出版级统计图形的 Python 可视化库。它面向数据集进行绘图，支持多变量分析、自动统计估计，并能以极少的代码生成复杂的多面板图形。其核心设计理念包括：面向数据集，直接使用 DataFrame 和具名变量而非抽象坐标；语义映射，自动将数据值翻译为颜色、大小、样式等视觉属性；具备统计感知能力，内置聚合、误差估计和置信区间；提供出版级主题和调色板；并与 matplotlib 完全兼容。该技能涵盖关系图（scatterplot、lineplot、relplot）、分布图（histplot、kdeplot、ecdfplot、jointplot、pairplot）、分类图（stripplot、swarmplot、boxplot、violinplot、barplot、catplot）、回归图（regplot、lmplot、residplot）、矩阵图（heatmap、clustermap）以及 FacetGrid、PairGrid、JointGrid 等多面板网格。用户可通过函数式接口或声明式的 objects 接口进行绘图，并利用 hue、size、style、col、row 等参数实现语义映射与分面。适用于探索性数据分析、相关性分析、分布比较和出版级图表制作等场景。
SHAP（SHapley Additive exPlanations）是一个用于解释机器学习模型输出的技能，基于合作博弈论中的 Shapley 值构建统一的可解释性方法。该技能帮助开发者计算任意模型类型的 SHAP 值、生成特征重要性可视化图表、调试与验证模型行为、分析公平性与偏差，并在生产环境中实现可解释 AI。它支持树模型（XGBoost、LightGBM、CatBoost、随机森林）、深度学习模型（TensorFlow、PyTorch、Keras）、线性模型以及黑盒模型。技能内置多种解释器（TreeExplainer、DeepExplainer、KernelExplainer、LinearExplainer、GradientExplainer、PermutationExplainer）与可视化图表（waterfall、beeswarm、bar、scatter、force、heatmap、violin、decision 等），并提供 explainers、plots、workflows、theory 四类参考文档以指导深入使用。
ZINC Database 是由加州大学旧金山分校（UCSF）维护的免费可购买化合物数据库，目前 ZINC22 版本收录超过 2.3 亿个可购买化合物，并包含十亿级规模的按需合成化合物。该技能通过 CartBlanche22 网页界面与 API 提供查询能力：可按 ZINC ID 或 SMILES 检索化合物，进行相似性/类似物搜索，按供应商代码查询，随机采样化合物子集，并获取用于分子对接的 3D 结构。常见用途包括虚拟筛选、先导化合物发现、化学空间探索和对接库准备。所有 API 以文本或 JSON 返回数据，可通过 output_fields 自定义输出字段，如 zinc_id、smiles、supplier_code、catalogs、tranche 等。tranche 字段编码了氢键供体数、LogP、分子量和反应性相位，便于按类药性筛选化合物。3D 结构可从 files.docking.org/zinc22/ 文件仓库下载，支持 MOL2、SDF、DB2.GZ 等格式。
interview-me 是一个对话式研究访谈技能，通过逐题提问把模糊的研究想法整理成结构化研究规格文档，涵盖研究问题、假设、识别策略、数据需求与实证方法，并保存到指定目录供后续技能使用。
PostHog 的仓库导入完整性巡检技能（Signals scout）。监控外部数据源、同步 schema、webhook 推送通道与物化视图的失败、静默陈旧和配置与交付不一致，按仓库导入场景生成可执行报告，并在导入健康时扫描查询优化机会。
用于编写、补全或扩展 Qlik Sense 加载脚本（.qvs）的技能，主要面向为 Qlik Predict 机器学习实验准备扁平数据集，也可用于完成或扩展任意 Qlik 加载脚本。
Rerun mp4 视频接入工具，基于 rerun.experimental.Mp4Reader，将单个 .mp4 文件转换为同一实体上的惰性 chunk 流。默认 stream 模式按 GOP 输出压缩视频采样，不解码为像素、不重新编码（除非必要），每个采样带时间索引可查询；当编解码器无法作为 VideoStream 或源文件从 GOP 中间开始时，回退到 asset 模式，将整个文件作为单个 blob 加帧索引写入。构造参数全部在构造函数中设置，stream() 不接受参数。支持 H264、H265、AV1、VP8、VP9 五种流模式编解码器，可通过 FFmpeg 转码处理含 B 帧的 H.264/H.265 源。
这是一份 Flutter 图数据库构建教程，由 rodydavis 发布在 skills.sh。内容介绍如何使用 SQLite 与 Drift 包在 Flutter 应用中创建并使用图数据库，用于对数据之间的关系建模。文章给出了完整的前置条件、项目创建命令、依赖配置、多平台数据库连接代码（原生、Web、非支持平台）、基于 .drift 文件的节点与边表结构、节点与边的增删改查查询、全文检索、入站/出站/双向递归遍历查询，以及数据库生成步骤，并附最终源码与在线演示链接。
Analytics Setup Architect 是一个以规划为先的分析测量方案设计技能，适用于网站或 Web 应用需要隐私友好型分析架构的场景，覆盖 GA4、Yandex Metrica、自托管分析、同意管理、UTM、事件分类与漏斗等。它默认不修改线上分析账户，而是先产出测量计划、同意方案、开发交接事件规格与验证检查。技能要求先阅读分析安全契约、使用分析计划模板，并确认数据敏感性、地域、同意需求与分析服务商；只定义必要事件，默认避免收集个人数据；在获得明确批准前，真实账户变更一律标记为 Planned。安全规则明确禁止存储分析令牌、Cookie、测量密钥或私有导出，禁止未经批准改动 GA4、Metrica、标签管理器、仪表盘或生产标签，禁止在用户未明确批准法律/隐私方案时收集个人数据。
面向 .NET 的 Azure Event Hubs SDK 使用技能，基于 Azure.Messaging.EventHubs 库，讲解通过 Azure Event Hubs 进行高吞吐事件流发送与接收的方式。内容涵盖核心包与处理器包、Azure.Identity 认证、EventProcessorClient 生产级接收与 Blob 检查点、生产者与缓冲生产者、分区键与分区操作、EventPosition 读取起点、依赖注入集成，以及最佳实践、错误处理与检查点策略。
Azure AI Search 的 .NET SDK（Azure.Search.Documents），用于构建全文、向量、语义与混合搜索应用。提供安装命令、身份验证、索引与文档操作及搜索查询用法。
Retention Cohort Review 是一个用于分析和改进留存队列（retention cohort）的技能，面向 SaaS、移动应用、游戏、开发者工具、市场平台、订阅服务、内容产品与社区等产品形态。它强调把留存图表转化为产品决策，而非停留在仪表盘展示层面。该技能通过一套工作流引导使用者明确产品循环、激活事件、队列定义、时间粒度、细分维度与商业模式，并参考 retention-cohort-systems.md 文档，判断指标是否真正服务于某个决策（如激活、习惯养成、订阅续费、内容回访、游戏进度、市场复购或开发者生产性使用）。它帮助区分测量误差、细分构成、获客质量、引导缺口、价值缺口、生命周期消息与变现效应，最终产出诊断、队列切分、事件修复、产品假设与实验计划。技能还给出使用边界与护栏：不应在未控制获客来源、平台、地域、版本、季节性与激活状态的情况下比较队列；不应以增加疲劳、退款、流失或低质量使用为代价优化短期回报；不应把注册当作激活，除非注册本身就是产品价值。输出格式包含留存问题、队列定义、诊断（信号、证据、注意事项）、所需队列切分、行动计划（产品变更、指标、预期变化、护栏）以及埋点缺口。
该技能用于在 ASP.NET Core 应用中实现 Syncfusion 3D 图表（<ejs-chart3d> 标签助手组件），提供 3D 数据可视化能力。支持柱状图、条形图及堆叠变体等多种图表类型，支持本地、远程和 OData 数据绑定，可配置坐标轴、图例、数据标签、提示框、选择交互、样式主题、导出与打印，并支持响应式设计与 WCAG 无障碍。技能以参考文档形式组织，涵盖入门、数据绑定与系列、图表类型、坐标轴、数据标签与图例、样式外观、用户交互及高级功能等主题，并附有最小示例与常见模式。
Syncfusion Flutter Funnel Chart 是 Syncfusion Flutter 图表组件库中的漏斗图组件（SfFunnelChart），用于在 Flutter 应用中实现按比例和阶段递减的数据可视化。它适合展示销售或营销转化漏斗、销售管道、招聘流程、用户旅程等逐级减少的流程数据。该组件提供漏斗颈部与主体分段、单选与多选交互、可定制提示框、数据标签、图例、分段爆炸、分段间隙、动画、调色板、导出 PNG/PDF、RTL 支持以及无障碍语义标签等能力。使用方式为在 Flutter 项目中引入 syncfusion_flutter_charts 包，通过 FunnelSeries 绑定 dataSource、xValueMapper 与 yValueMapper 等映射器来渲染图表，并可配置标题、图例、提示框、选择行为、数据标签等属性。
Syncfusion WinUI 极坐标图（SfPolarChart）控件的实现指南，用于在 Windows App SDK 应用中创建极坐标图、雷达图、蜘蛛图等可视化。内容涵盖入门安装与数据绑定、PolarLineSeries 与 PolarAreaSeries 两种系列类型、圆形与多边形网格线、四类坐标轴（分类、数值、日期时间、对数）、标题与图例、数据标签、外观样式、起始角度设置以及故障排查，并提供完整代码示例与常用模式。
ecom 是一个面向 D2C 电商的业务复盘工具包，基于订单交易 CSV 数据运行内置的 Python 分析引擎。引擎负责计算 KPI、执行约 30 项健康检查（pass/watch/fail）并给出绩效评分，Claude 则负责解读数字并撰写人类可读的报告。核心原则是：Python 算数，Claude 解读，绝不脱离业务语境呈现原始数字。支持三种模式：完整复盘（自动选择周期，输出 REVIEW.md）、指定周期复盘（如 30d/90d/365d，输出 REVIEW_{PERIOD}.md）、聚焦问答（自然语言提问，内联回答不写文件）。输入为订单交易 CSV，每行代表一个订单或行项目，必需列包括订单 ID、订单日期、客户 ID（或邮箱）、收入（折后、税前/运费前），可选列包括数量、SKU/产品、折扣金额，列名由加载器模糊匹配。引擎按可用周期计算摘要 KPI 及环比、新客与回头客 KPI 树、收入驱动分解（客单价/销量/结构），365 天周期还计算复购率和 12 个月月度趋势，并评估收入、客户、产品三类约 30 项健康检查。报告遵循固定契约：执行摘要、30d 脉搏、90d 动量、365d 结构、行动计划（含护栏指标）、数据说明，目标约 150 行，最多 5-7 条发现，每条发现按“是什么→为何重要→怎么做”展开。所有数字必须来自 review.json，不得引用外部数据源。
crawl4ai 是一个高性能网页爬虫工具，支持智能分块与基于 LLM 的骨架规划。它能够爬取网页并将内容提取为 Markdown，适用于网页抓取、Markdown 内容提取和网站数据采集等场景。核心命令 crawl_url（别名 webCrawl）提供 smart、skeleton、crawl 三种操作模式：smart 模式由 LLM 生成分块计划后提取相关章节，适合需要特定信息的大型文档；skeleton 模式仅提取轻量级目录（TOC），便于快速概览；crawl 模式返回完整 Markdown 内容，适合小型页面。支持 fit_markdown 清理简化输出、max_depth 控制爬取深度、return_skeleton 返回文档骨架、chunk_indices 指定提取章节等参数。运行时根据 max_depth 选择 HTTP 策略或浏览器深度爬取策略，并支持持久化 worker 模式复用爬虫实例以降低初始化开销。
该技能是 CloudBase AI 工具包中一个已废弃（Deprecated）的可选高级工具，用于复杂数据建模。它面向需要多实体关系设计、可视化 ER 风格输出或生成式数据模型结构的场景，支持通过 Mermaid classDiagram 进行建模，并提供读取、创建和发布数据模型的工具流程。对于简单的 MySQL 建表，建议直接使用 relational-database-tool；PostgreSQL / CloudBase PG 相关工作则使用 postgresql-development-cloudbase。该技能不适合简单 CREATE TABLE、ALTER TABLE 或 CRUD 任务，也不用于文档数据库集合设计。
h5py 是 HDF5 二进制数据格式的 Python 接口，可在 NumPy 与 HDF5 之间建立桥梁，用类似文件夹的分组和类似数组的数据集组织海量数值数据，并支持切片读取、分块、压缩与元数据。
Fundamental Report 是一个用于生成上市公司基本面分析研究报告的技能。当用户输入“/fundamental-report”并跟随一个股票代码时触发。它通过并行编排多个分析技能与研究代理，汇总各分析结果并进行交叉验证，最终编译成一份结构化报告。报告包含关键指标摘要、信号评级、分层详细分析、交叉验证结果、看多理由、看空理由、总结、来源链接与免责声明。完整报告会写入本地 markdown 文件（reports/ 目录，文件名含时间戳与股票代码），终端仅显示总结部分。适用场景为对公开交易公司做基本面研究，注意其内容仅供信息参考，不构成财务建议。
Zerion 钱包分析是一个只读的加密货币钱包洞察工具，基于 Zerion CLI 使用。它可查询跨 14 条 EVM 链和 Solana 的钱包组合价值、代币持仓、DeFi 头寸、交易历史、盈亏（PnL），并支持自选地址（watchlist）管理。所有命令均接受 0x 地址、ENS 名称（如 vitalik.eth）、本地钱包名称或已关注的地址。使用前若命令报 command not found，可通过 npm install -g zerion-cli 安装，需要 Node.js ≥ 20。鉴权方式（API key / x402 / MPP）参见 zerion umbrella skill。本技能适合做钱包概览、持仓分析、历史与盈亏查询；涉及执行操作（swap/桥接/转账）应使用 zerion-trading，钱包创建应使用 zerion-wallet。输出为 stdout 上的 JSON，错误输出到 stderr。
生成每日投资简报的 Skill：先运行脚本获取行情与新闻数据，再读取持仓与画像配置，输出含宏观、持仓分析、风险预警和操作建议的简体中文简报并保存。
该技能用于对预训练机器学习模型进行微调，借助迁移学习适配文本分类、图像识别等特定任务，基于 OpenClaw 的 AIMLOps 框架优化训练循环与资源使用。