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 10-16 00:02
15,113 个结果
这是一个面向客户支持技术赋能场景的 PostgreSQL 数据库管理技能，覆盖数据库设计、索引优化、全文检索、分析查询、分区、备份恢复等主题。资料以支持工单系统为例，给出用户、工单、评论、历史、组织、审计日志等表结构，以及 B-Tree、GIN、部分索引、全文检索触发器、窗口函数、物化视图、SLA 统计、按日期与状态分区、自动建分区函数等示例。适合需要为客服/工单类系统设计、优化和维护 PostgreSQL 数据库的工程师参考。
聚类分析（Clustering Analysis）是一种无监督学习方法，用于将数据划分为由相似观测组成的组，无需预先定义标签，从而发现数据中的自然模式与结构。该技能涵盖 K-Means、层次聚类、DBSCAN、高斯混合模型和凝聚聚类等算法，并提供基于 Python 的完整实现示例，包括数据标准化、肘部法则确定最优簇数、轮廓系数分析、树状图可视化、聚类验证指标（轮廓系数、Davies-Bouldin 指数、Calinski-Harabasz 指数）以及簇特征总结。适用于客户细分、市场细分、文档或产品分组、推荐系统、基因表达或医学影像模式发现等场景。
该技能用于管理数据库事务以保障数据一致性，适用于实现 ACID 合规、处理并发以及管理事务隔离级别等场景。内容涵盖事务的开始、提交与回滚，并针对 PostgreSQL 和 MySQL 提供事务实现、隔离级别与显式锁定的参考指南，同时涉及死锁检测、死锁预防与解决、事务超时配置、分布式事务协调和金融交易安全等主题。整体以 SQL 示例和参考文档形式组织，帮助开发者在并发数据修改环境中编写可靠、可维护的事务代码。
OHLCV Processing 是一个面向交易分析的市场数据准备技能，专注于 OHLCV（开盘、最高、最低、收盘、成交量）数据的清洗与规范化。它覆盖完整的数据准备流程：列名标准化、结构校验、不可能K线检测、缺口处理、异常检测、重采样、归一化以及多数据源合并。该技能强调加密市场数据的特殊性——7×24 小时交易没有官方收盘价、DEX 聚合器价格不一致、低流动性代币会产生异常K线、API 中断会造成数据缺口，因此建议每个分析流程都从这套管道开始。技能提供标准化的 DataFrame 格式约定（UTC 时间索引、小写列名、升序排列、无重复时间戳），并附带数据质量报告、VWAP 计算、时区处理等实用函数。依赖 pandas、numpy、httpx，可通过 uv pip install 安装。
用于在 Salesforce 标准对象或自定义对象上启用变更数据捕获（Change Data Capture，CDC）的技能。该技能生成订阅对象的元数据：针对默认 ChangeEvents 通道或自定义通道生成 PlatformEventChannelMember 文件，针对新建自定义通道生成 PlatformEventChannel 文件。覆盖增强字段（enrichment fields）、过滤表达式（filter expression）以及 Metadata API 实际接受的规范命名与取值格式。它负责生成元数据文件，不负责执行部署。
交互式训练监控技能，在当前 Codex 会话中定期检查 WandB 或回退日志，判断训练是否存在 NaN、发散、平台期或异常，并输出 CONTINUE/WAIT/STOP 决策报告。
介绍 SAS Packages Framework（SPF）的使用方法：如何启用框架、设置 packages fileref、用 %installPackage/%helpPackage/%loadPackage/%unloadPackage 安装、查看、加载与卸载 SAS 包，并说明常见错误与限制。
该技能用于在数据库中实现存储过程、函数与触发器，把业务逻辑、数据校验与性能优化下沉到数据库层。资料说明其适用场景包括业务逻辑封装、复杂多步骤操作、数据校验与约束、审计轨迹维护、性能优化、跨应用代码复用以及基于触发器的自动化。快速开始部分给出 PostgreSQL 标量函数示例，创建 calculate_order_total 函数并按小计、税率、运费计算订单总额，可在查询或应用代码中调用。参考资料包含简单函数、存储过程、简单过程、带错误处理的复杂过程、PostgreSQL 触发器、MySQL 触发器等指南。最佳实践建议遵循既有模式与约定、编写清晰可维护代码、补充文档、部署前充分测试，并避免跳过测试或校验、忽略错误处理、硬编码配置值。
d3-viz 是一个专注于使用 d3.js 创建交互式数据可视化的技能。d3.js（Data-Driven Documents）擅长将数据绑定到 DOM 元素，并应用数据驱动的变换，以精确控制每一个视觉元素，从而创建自定义、出版级质量的图表。该技能可用于任何 JavaScript 环境，包括原生 JavaScript、React、Vue、Svelte 等框架。它适合需要独特视觉编码或布局的自定义可视化、带复杂平移缩放刷选行为的交互式探索、网络/图可视化（力导向布局、树图、层次结构、和弦图）、自定义投影的地理可视化、编排流畅过渡的动画，以及标准库中不提供的新颖图表类型。文档给出了完整工作流程：导入 d3（npm 包或 7.x CDN）、选择集成模式（直接 DOM 操作或声明式渲染）、按标准结构组织绘图代码、实现响应式尺寸。同时提供了柱状图、折线图、散点图、和弦图、热力图、饼图、力导向网络的代码示例，以及提示框、缩放平移、点击交互和过渡动画的实现方式。对于 3D 可视化，建议改用 Three.js。
bigdata-skill 是一个面向 Bigdata.com（RavenPack）金融与新闻数据的工具包技能，通过官方 bigdata-client SDK 与 /v1/* REST 端点获取结构化数据。它解决 Bigdata MCP 服务器只返回综合文本、缺少逐块情感数值与实体字符跨度、缺少财季时间序列与筛选器的问题。技能内置已验证、带成本防护的 bigdata_toolkit 包，提供实体解析、带注释新闻检索、结构化财务数据 REST 调用、批量搜索与成本追踪等能力，适用于构建投资研究数据集与数据管道。
claude-d3js-skill 是一个用于指导使用 d3.js 创建复杂、交互式数据可视化的技能。它强调在执行前应阅读详细指南，完整保留其中的流程与参考资料，并将安全、前置条件和验证要求视为必须遵守的内容。该技能适用于需要自定义视觉编码或布局的可视化、具有复杂平移、缩放或刷选行为的交互式探索、网络与图结构可视化（如力导向布局、树图、层级图、和弦图）、使用自定义投影的地理可视化、需要平滑编排过渡的动画，以及需要精细化样式控制的出版级图形和标准库中没有的新颖图表类型。对于三维可视化，技能建议改用 Three.js。技能同时说明其局限：仅在任务明确符合上述范围时使用；其输出不能替代针对具体环境的验证、测试或专家评审；当缺少必要输入、权限、安全边界或成功标准时，应停止并请求澄清。该技能的官方文本与更详细的使用方式暂未提供，收费、价格与具体平台信息暂未提供。
用于构建协同过滤与基于内容的推荐引擎的中文技能，面向商品推荐、个性化与用户互动提升。资料包含矩阵分解、混合推荐、评估指标、冷启动与稀疏矩阵处理及相关 Python 示例，并说明可用 A/B 测试衡量推荐对业务指标的影响。
dbt（data build tool）数据转换技能指南，面向分析工程。内容涵盖模型开发、测试策略、文档实践、增量构建、Jinja 模板、宏开发、包管理以及生产部署工作流。资料介绍了 dbt 的核心概念（模型、来源、种子、测试、宏、快照、暴露、指标）、模型组织与命名规范、四种物化方式（view、table、incremental、ephemeral）及其对比、内置与自定义测试、文档生成、增量模型策略（append、merge、delete+insert）等。适用于构建分析型数据转换管道、数据仓库建模、ELT 工作流、维度建模、数据质量测试与数据契约、数据模型文档化、大数据集增量处理，以及与 Airflow、Dagster、dbt Cloud 等编排工具配合使用。
生物信息学基础技能，为基因组学与生物信息学工作流提供基础知识，涵盖 SAM/BAM 格式、AGP 基因组组装格式、测序技术（Hi-C、HiFi、Illumina）、质量指标（MAPQ、PHRED、N50）以及常见数据处理模式与故障排查。适用于处理测序数据、调试比对与过滤问题、处理 AGP 文件、解读质量指标等场景。
QVeris 为 AI 智能体提供专业数据与工具访问（非搜索引擎），通过 discover 按需求查找候选 API 服务、call 执行获取结构化结果；也支持标准化金融能力 CAP（qveris_finance.*）。需从 qveris.ai 获取 QVERIS_API_KEY。
阿里云百炼知识库检索工具，通过 HTTPS API 查询和检索百炼知识库内容。适用于用户需要查询知识库、检索文档资料等场景。脚本自动处理 API Key 的获取，Agent 无需手动提取、设置或传递密钥。使用前需在阿里云百炼控制台开通知识库服务，并配置 DashScope API Key（格式为 sk-xxx，不支持 sk-sp-xxx 的 Coding Plan Key）。提供知识库列表查询与指定知识库检索两类脚本，检索结果按匹配分数排序并标注来源。
中文介绍正在整理，稍后补充。
相关性分析技能用于衡量变量之间关系的强度与方向，帮助识别哪些特征彼此相关并检测多重共线性。它涵盖 Pearson、Spearman、Kendall、Cramér's V、互信息等多种相关类型，提供 Python 实现示例，包括相关矩阵、热力图、显著性检验、散点图与回归线、VIF 多重共线性检测、偏相关分析以及滚动相关性，并给出相关系数解释指南与注意事项。
生存分析（Survival Analysis）是一套用于研究“事件发生时间”的统计方法，能够处理删失数据（即部分研究对象在观察期内尚未发生事件），从而估计生存概率并进行风险预测。该技能涵盖生存时间、删失、风险率、生存曲线、风险比等核心概念，并介绍 Kaplan-Meier 非参数生存曲线、Cox 比例风险半参数回归、Weibull/指数参数模型、Log-rank 检验以及竞争风险等常用模型。资料提供了完整的 Python 实现示例，使用 pandas、numpy、matplotlib、seaborn 和 lifelines 库，演示了从生成模拟生存数据、Kaplan-Meier 估计、分组比较、Log-rank 检验、风险分层、Cox 比例风险建模、模型诊断到新患者生存预测的全流程，并包含比例风险假设检验和汇总统计。该技能适用于临床试验、设备可靠性、客户流失、员工留存、产品寿命等场景，交付物包括生存曲线、生存概率估计、Log-rank 检验结果、Cox 模型系数、风险比、风险分层组、生存预测和模型诊断。
Apache Airflow 编排技能指南，覆盖 DAG 开发、算子、传感器、XCom 通信、任务依赖、动态工作流与生产部署。适合构建和管理带任务依赖的复杂数据管道、编排跨系统 ETL/ELT 流程、调度与监控批处理作业、协调多步数据转换、实现条件分支与事件驱动工作流，以及部署生产级工作流自动化。内容包含 DAG 属性与定义示例、常用算子（Bash、Python、Email、Empty、自定义）、任务依赖操作符与 chain/cross_downstream、执行器与调度器、TaskGroup 组织、分支与条件执行、LatestOnlyOperator、传感器（ExternalTask、File、TimeDelta、BigQuery 表存在性、自定义、可延迟）、XCom 与 TaskFlow API 等。
中文介绍正在整理，稍后补充。
该技能用于为代码中的 LLM 调用接入 PostHog AI Observability（AI 可观测性），对新实现或改动过的 AI 模型使用进行追踪。它适合在完成 LLM 功能开发后或审查 PR 时使用，以确认每次生成都被记录，并采集输入 token 数、输出 token 数、模型名称、延迟与成本等信息。若项目尚未安装 PostHog，该技能也覆盖 SDK 的初始安装。它支持任意提供商或框架，包括 OpenAI、Azure OpenAI、Anthropic、Google、Cohere、Mistral、Perplexity、DeepSeek、Groq、Together AI、Fireworks AI、xAI、Cerebras、Hugging Face、Ollama、OpenRouter 等提供商，以及 LangChain、LlamaIndex、CrewAI、AutoGen、DSPy、LangGraph、Pydantic AI、Vercel AI、LiteLLM、Instructor、Semantic Kernel、Mirascope、Mastra、SmolAgents、OpenAI Agents 等框架，并支持 Portkey、Helicone 等代理或网关。
该技能用于配对交易的协整检验，提供 Engle-Granger 两步法、Johansen 检验和滚动稳定性分析，帮助识别具有长期均衡关系的资产对，用于统计套利与配对交易策略。它内置方法说明、代码示例、实操工作流（相关性筛选、协整检验、对冲比例估计、价差构建、均值回归检验）、滚动协整监控信号、加密货币配对候选与常见陷阱提示，并可与 correlation-analysis、mean-reversion、vectorbt、regime-detection、volatility-modeling 等技能配合使用。
面向加密货币的九种原生指标技能，涵盖 NVT、MVRV、交易所净流、资金费率、持仓量动量、持币者动量、流动性评分、聪明钱流向与代币流通速度，附公式、解读、数据源与 Python 代码片段。