zeet
Zeet 集成技能：通过 Membrane CLI 连接 Zeet 云部署平台，管理项目、环境、部署、实例与模板等数据，并自动化相关工作流。
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 10-25 00:14
数据与分析
16,925 个结果
paleo-json
paleo-json 是一个用于压缩结构化输出的技能，可将 JSON、YAML 和表格转为更少 token 但仍保持有效的格式。适用于用户要求 compact json、minify output、tight structured，或智能体需要输出 JSON/结构化数据的场景。
chart-data-extractor
从图表或图形图片中提取像素级数据并生成结构化数据表的技能，支持柱状图、折线图、饼图、散点图及图片中的表格，输出可用于电子表格或重建图表的表格。
hunting-for-spearphishing-indicators
面向安全团队的威胁狩猎技能，用于在邮件日志、终端遥测与网络数据中排查鱼叉式钓鱼攻击指标，覆盖 T1566.001/002/003 三类技术，并给出狩猎流程、所需工具与输出格式。
netbox-custom-objects
NetBox Custom Objects 是 NetBox 的无代码数据模型扩展插件，让管理员通过 UI、REST API、GraphQL（只读）或可移植 schema 文档定义新的对象类型，支持类型化字段、校验规则与关系，无需编写代码。
netbox-custom-scripts
介绍如何在 NetBox 内编写自定义脚本（Custom Scripts），用于自动化、数据校验与批量操作。涵盖 Script 类、表单变量、日志、ORM 变更记录、事务与执行模型，并说明 4.7 起核心脚本弃用及 netbox-scripts 插件迁移情况。
analytics-metrics-kpi
一个面向产品与增长团队的数据分析技能文档，讲解指标定义、KPI 跟踪、仪表盘搭建、A/B 测试与数据驱动决策，包含北极星指标、漏斗、留存、收入指标及实验设计方法。
github-repo-cards
通过 gh CLI 获取 GitHub 仓库或趋势信息，并渲染为精美 SVG/PNG 卡片图像。适用于可视化仓库统计、趋势项目等场景。
prisma-postgres
Prisma Postgres 管理 API 技能，用于通过 HTTP 接口管理 Prisma Postgres 项目、数据库、连接、备份与用量指标，适合需要自动化运维 Prisma 数据库的场景。
one-click-token-launch
一键发币工具，支持在 Solana 与 BSC 的 6 个 launchpad 上创建代币，可选捆绑初始买入、IPFS 元数据与 MEV 保护。默认预览模式，实盘写入需用户输入确认，并受风险限额约束。
enrich-company-and-contact-data
用于以数据为先的公司、联系人、线索与潜在客户发现或信息补全，包括企业特征与技术栈补全、指定公司画像、ICP匹配与覆盖度比较、基于来源的信号分析；负责证据解析与置信度说明，不负责外联执行或CRM写入。
cloudflare-d1
Cloudflare D1 是无服务器 SQLite 数据库，运行在 Cloudflare 边缘网络，可用于创建数据库、编写 SQL 迁移、从 Workers 查询数据及处理本地与远程开发。
cloudflare-vectorize
Cloudflare Vectorize V2 向量数据库实现指南，用于在 Cloudflare Workers 上构建语义搜索、RAG 与 AI 应用，涵盖索引管理、向量操作、元数据过滤、Workers AI/OpenAI 嵌入集成及 V2 破坏性变更。
cosmic-database
COSMIC Database 是一个用于访问 COSMIC（Catalogue of Somatic Mutations in Cancer，癌症体细胞突变目录）癌症突变数据库的技能。COSMIC 是探索人类癌症体细胞突变的最大、最全面的数据库，收录了数千种癌症类型中的数百万个突变、经过专家整理的癌症基因列表、突变特征以及临床注释。该技能支持以编程方式下载和查询癌症突变数据，包括体细胞突变、Cancer Gene Census、突变特征、基因融合、结构变异、拷贝数变异、耐药突变和癌症细胞系基因组数据。使用前需要注册账号：学术用户可在 https://cancer.sanger.ac.uk/cosmic/register 免费注册，商业用户需通过 QIAGEN 获取许可。Python 依赖通过 uv pip install requests pandas 安装。该技能提供 scripts/download_cosmic.py 脚本，支持命令行和函数调用两种方式下载数据，数据支持 GRCh38 和 GRCh37 两种参考基因组，文件格式包括 TSV/CSV（gzip 压缩）和 VCF。适用于癌症研究、精准医学、生物信息学流程集成等场景。
dask
Dask 是一个用于并行与分布式计算的 Python 库，可将 pandas、NumPy 等操作扩展到超出内存的数据集。它支持单机处理大于内存的数据、利用多核并行加速计算，并可跨多台机器进行分布式计算，规模从笔记本（约 100 GiB）到集群（约 100 TiB）不等，同时保持熟悉的 Python API。该技能适用于处理超过可用内存的数据集、将 pandas 或 NumPy 操作扩展到更大数据、并行化计算、高效处理多个文件（CSV、Parquet、JSON、文本日志）以及构建带任务依赖的自定义并行工作流。Dask 提供五个核心组件：DataFrames（并行 pandas 操作）、Arrays（并行 NumPy 操作）、Bags（非结构化数据的并行处理）、Futures（基于任务的并行化）和 Schedulers（执行后端）。
exploratory-data-analysis
探索性数据分析技能：对200多种科学数据文件进行自动格式识别、格式专属元数据提取、数据质量与完整性评估、统计摘要与分布分析，并生成Markdown报告，用于下游分析规划。
geo-database
GEO Database 技能用于访问 NCBI 基因表达综合数据库（Gene Expression Omnibus），检索和下载基因表达与功能基因组学数据。GEO 是 NCBI 的公共存储库，收录超过 264,000 项研究、800 多万个样本，涵盖微阵列和测序实验。该技能适用于搜索基因表达数据集、获取实验数据、下载原始与处理后文件、查询表达谱，以及将 GEO 数据整合到计算分析流程中。核心能力包括理解 GEO 的分层数据组织（GSE 系列、GSM 样本、GPL 平台、GDS 数据集、Profiles 表达谱），使用 Entrez 进行数据集与表达谱搜索，通过 GEOparse 库下载和解析数据，使用 NCBI E-utilities 进行底层元数据访问，通过 FTP 直接下载数据文件，以及对 GEO 数据进行质量控制、差异表达分析、相关性与聚类分析等。
instructor
Instructor 是一个用于从大语言模型（LLM）响应中提取结构化数据的 Python 库。它结合 Pydantic 模型定义输出结构，自动校验 LLM 返回结果，并在校验失败时把错误反馈给模型进行自动重试。它支持解析复杂 JSON、类型安全校验，以及流式返回部分结果，适合需要可靠结构化输出的数据提取、分类、多实体抽取和批量处理等任务。Instructor 提供 Anthropic、OpenAI 以及本地模型（如 Ollama）等多种提供商的统一 API，允许通过 Field、Enum、自定义验证器等方式约束输出内容。资料显示其在 GitHub 上拥有 15,000+ 星标，并被 100,000+ 开发者使用。安装通过 pip 完成，并可按提供商选择相应扩展。
matplotlib
Matplotlib 是 Python 的基础绘图库，用于创建静态、动画和交互式图表。支持折线图、散点图、柱状图、直方图、热力图、等高线、3D 图与子图布局，可导出 PNG、PDF、SVG 等格式，并提供 pyplot 与面向对象两种接口。该技能提供用法指导、样式定制、保存参数与最佳实践，适用于科研与统计可视化。
scikit-bio
scikit-bio 是一个用于处理生物数据的综合 Python 库，适用于生物信息学分析，涵盖序列操作、比对、系统发育、微生物生态学与多元统计。它支持 DNA、RNA、蛋白质等生物序列的读写与转换，可处理 FASTA、FASTQ、GenBank、Newick、BIOM 等 19 种以上生物文件格式。主要能力包括：序列比对（全局/局部、多序列比对）、系统发育树构建与分析（UPGMA、邻接法、GME、BME）、多样性指标计算（alpha/beta 多样性、UniFrac 距离）、排序分析（PCoA、CCA、RDA）、生态统计检验（PERMANOVA、ANOSIM、Mantel）以及蛋白质语言模型嵌入的处理。该库可与 Biopython、pandas、polars、AnnData、scikit-learn 及 QIIME 2 生态集成，常用于微生物组多样性分析、系统发育分析和比较基因组学等场景。安装命令为 uv pip install scikit-bio。
senior-data-scientist
这是一个面向生产级 AI/ML/数据系统的资深数据科学家技能，聚焦统计建模、实验设计、因果推断与高级分析。技能覆盖从实验设计、特征工程到模型评估与部署的完整流程，提供可执行的 Python 脚本入口，并配套统计方法、实验设计框架、特征工程模式三类参考文档。技术栈涉及 Python/SQL/R/Scala/Go，PyTorch、TensorFlow、Scikit-learn、XGBoost，Spark、Airflow、dbt、Kafka、Databricks，以及 LangChain、LlamaIndex、DSPy 等 LLM 框架和 Docker、Kubernetes、AWS/GCP/Azure 等部署工具。内容还包含可扩展数据处理、ML 模型部署、实时推理三类生产模式，以及性能目标、安全合规要求、常用开发/训练/部署/监控命令，并强调技术领导力、团队协作与持续优化。适用于需要构建高可用、可扩展数据科学系统的场景。
update-dataset
该技能用于以端到端方式更新数据集，流程涵盖创建PR、快照、meadow、garden、grapher步骤，并在每个编号步骤后强制暂停等待用户批准，适用于需要刷新或更新数据集的场景。
taskcontext
TaskContext 是一个共享问题跟踪器的操作技能，通过已认证的 SQL 读取与 REST 写入来管理项目与问题，适用于分类、分派、依赖、评论与完成等场景。
postgresql
这是一个面向 PostgreSQL 的数据库表结构设计技能，用于在 PostgreSQL 上设计 schema。内容涵盖最佳实践、数据类型选择、索引、约束、性能模式与高级特性，并给出使用与不使用的场景、核心规则、常见陷阱、数据类型建议、索引与分区策略、特殊负载考量以及示例建表语句。