custom-indicators
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。
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
15,343 个结果
database-sharding
Database Sharding 是一个用于实现数据库分片、实现水平扩展的提示词技能，来源于 aj-geddes/useful-ai-prompts。它面向数据库规模超出单机容量、读写吞吐需要水平扩展、需要地理数据分布、多租户数据隔离、通过分布式架构优化成本，以及在多个数据库实例之间实现负载均衡的场景。内容涵盖分片策略、一致性哈希、分片键选择以及跨分片查询模式。快速示例以 PostgreSQL 风格的 SQL 展示如何按 user_id 范围定义多个分片表并添加范围约束，并给出用于判断分片归属的函数骨架，完整实现位于参考指南中。参考资料目录包含基于范围的分片、基于哈希的分片和基于目录的分片三份指南。最佳实践部分强调遵循既有模式与约定、编写清晰可维护的代码、补充适当文档、部署前充分测试，并避免跳过测试或验证、忽略错误处理以及硬编码配置值。
eastmoney_select_stock
东方财富智能选股 Skill（eastmoney_select_stock）支持通过自然语言选股条件筛选股票，覆盖 A 股、港股、美股市场，返回符合条件的股票列表并可导出为 CSV 文件。它可查询指定行业、板块内的股票与上市公司，以及板块指数、指数的成分股，同时支持股票、上市公司、板块/指数推荐等任务，帮助大模型在选股时避免使用过时信息。使用前需检查环境变量 EASTMONEY_APIKEY 是否存在，若不存在需在东方财富 Skills 页面获取 apikey 并设置到环境变量。该 Skill 通过 POST 请求调用东方财富官方 API 接口（mkapi2.dfcfs.com）进行解析与检索，查询关键词会发送至该接口，API Key 仅通过环境变量在服务端或受信任环境使用，不会在前端明文暴露。
sql-pro
sql-pro 是一个专注于现代 SQL 与数据库系统的技能，覆盖云原生数据库、OLTP/OLAP 优化与高级查询技术。它适用于编写复杂 SQL 查询与分析、通过索引或执行计划调优查询性能、为 OLTP/OLAP 工作负载设计 SQL 模式等场景。技能内容涵盖现代数据库平台、高级查询与优化、性能调优、云数据库架构、数据建模与模式设计、现代 SQL 特性、分析与商业智能、数据库安全与合规、DevOps 与数据库管理、集成与数据移动等方向。它强调从性能与可扩展性出发，编写可维护、有文档的 SQL 代码，并遵循安全与合规最佳实践。不适用于仅需 ORM 层指导、非 SQL 或纯文档型系统，以及无法访问查询计划或模式细节的情况。
excel-data-analyzer
Excel Data Analyzer 是一个用于分析 Excel 文件的技能工具，主要面向杂乱、非结构化的工作簿，帮助识别数据结构、数据质量问题、格式不一致以及统计模式，并生成 Markdown 格式的分析报告。它能够自动检测列名与数据类型（整数、浮点、字符串、日期、邮箱、布尔、混合类型），统计每个工作表的行列数与不同值数量，并给出示例值。在数据质量方面，它可以检测缺失值比例与数量、标记缺失率超过 50% 的列、识别混合数据类型，以及发现前后空格、大小写不一致、数字被存为文本等格式问题。对于数值列，它会生成最小值、最大值、均值、中位数、标准差，并基于 3 倍标准差规则检测异常值，同时输出出现频率最高的前 10 个值；对于文本列，则统计长度分布与值频率。工具还会根据缺失表头、高缺失率列、格式不一致、重复列名等扣分项，为每个工作表及整个工作簿计算 0-100 的质量评分。使用方式为在 scripts 目录下先执行 bun install 安装依赖，再通过 bun run analyze_excel.ts 命令分析指定 Excel 文件，可自定义输出路径。该工具仅生成分析报告，不执行数据清洗，也不理解业务上下文，异常值检测采用简单的 3-sigma 规则。
databases
该技能是一份同时覆盖 MongoDB（文档型数据库）与 PostgreSQL（关系型数据库）的统一使用指南，帮助使用者在两种数据库之间做出选型，并掌握两者的常见操作。内容包含适用时机说明、数据库选型建议、快速开始安装与连接示例、增删改查（CRUD）操作对照、索引创建、参考资料导航、Python 工具脚本以及差异对比与最佳实践。资料中给出的 MongoDB 相关内容包括 BSON 文档、聚合管道、Atlas 云服务、mongosh 命令行；PostgreSQL 相关内容包括 SQL 查询、psql CLI、pgAdmin、事务与复制等。同时提供 db_migrate.py、db_backup.py、db_performance_check.py 等脚本的用法示例。适用于模式设计与数据建模、编写查询、构建聚合管道或复杂连接、索引与查询性能优化、数据库迁移、复制与分片配置、备份与灾难恢复、用户与权限管理、慢查询分析以及生产数据库运维等场景。
polymarket
这是一个面向 Polymarket 预测市场开发的综合技能，覆盖平台 API、交易、市场数据以及实时 WebSocket 数据流。它提供实时数据客户端 @polymarket/real-time-data-client 的安装与使用示例，支持订阅交易、订单匹配、评论、RFQ、加密价格、CLOB 用户与市场等主题，并说明用户私有数据所需的认证方式。适合构建预测市场监控工具、交易策略应用和实时行情集成。
dexscreener-api
DexScreener 免费多链 DEX 数据接口，无需 API Key，覆盖 80+ 链，可查询交易对价格、成交量、流动性、交易笔数与代币资料，适合快速查询、跨链对比和轻量监控。
data-scientist
该技能让智能体以资深数据科学家的方式工作，覆盖机器学习、统计建模与实验设计。它会在建模前先澄清任务类型与主指标、约束条件、目标变量与标签质量，以及 A/B 测试的基线转化率与最小可检测提升（MDE）。工作流包括：将业务目标转述为 ML 任务并定义评估指标、收集与剖析数据、特征工程（数值变换、类别编码、时间与周期性特征、基于重要性的特征选择）、按算法选择矩阵训练模型、严格评估（分类与回归指标、与基线对比、过拟合检查）、量化业务影响并给出部署或下一步实验建议。技能还提供 A/B 测试样本量计算与结果分析、假设检验、实验跟踪与特征选择脚本，以及项目模板、故障排查清单和成功标准。
helium-mcp
Helium MCP 是一个面向新闻、市场与 AI 分析的工具集，通过 MCP 服务器接入，可用于搜索新闻、分析媒体偏见、获取股票/ETF/加密货币行情、为期权定价以及查找平衡视角的报道。它将新闻与偏见分析、市场数据、期权策略和表情包搜索整合在一套只读工具中。需要搜索新闻、分析媒体倾向、查看实时行情、估算期权公允价值或寻找多方观点时可以使用它。配置时在 MCP 设置中加入 helium 服务器地址 https://heliumtrades.com/mcp。免费档提供 50 次查询，无需注册或 API 密钥。所有工具均为只读。
cli-anything-unimol-tools
cli-anything-unimol-tools 是一个面向 Uni-Mol 分子性质预测的交互式命令行工具，包名为 cli-anything-unimol-tools，通过 python3 -m cli_anything.unimol_tools 调用。它覆盖分子性质预测模型的训练与推理流程，支持二分类、回归、多分类、多标签分类和多标签回归共 5 种任务类型。工具提供项目管理（创建、列出、切换命名项目）、模型追踪（自动记录性能历史与排名）、存储分析（分析占用并清理表现较差的模型）以及预测功能。所有命令均可加 --json 标志输出机器可读的 JSON，便于自动化集成；不带命令启动时进入交互式 REPL，支持 Tab 补全、命令历史和上下文帮助。数据以 CSV 提供，需包含 SMILES 列和由 --target-col 指定的目标列。运行需要 Python 3.8+、PyTorch 1.12+、Uni-Mol Tools 后端以及 4GB 以上内存（训练建议 8GB 以上）。
linkfox-sellersprite-product-search
基于卖家精灵数据搜索与筛选亚马逊商品的技能，支持按价格、月销量、BSR、毛利率、评分、配送方式、标签、卖家来源等多维度条件检索，覆盖 US、UK、DE、FR、JP、CA、IT、ES、MX、IN 站点，用于选品调研与竞品分析。
database-migrations-sql-migrations
这是一个面向 SQL 数据库迁移的技能，覆盖 PostgreSQL、MySQL 和 SQL Server，重点在于零停机部署、数据完整性与回滚方案。它提供迁移策略与实施指导，包括迁移分析报告、零停机实施计划（如 expand-contract 或 blue-green 策略）、版本控制的迁移脚本、迁移前后校验套件、自动与手动回滚流程、批处理与并行执行等性能优化，以及进度跟踪与告警的监控集成。适用于需要指导、最佳实践或检查清单的零停机迁移场景，以及为关键 schema 变更设计回滚流程。任务与 SQL 数据库迁移策略无关时不适用。输出不能替代针对具体环境的验证、测试或专家评审，缺少必要的输入、权限、安全边界或成功标准时应先澄清。
docling
Docling 是一个文档解析库，可将 PDF、DOCX、PPTX、HTML、图片等 15 种以上格式转换为结构化数据，支持版面理解、OCR 与表格提取，并导出为 Markdown、HTML、JSON、Text 或 DocTags，常用于 RAG、文本抽取等场景。
specsfy-specialist-data-modeling
这是一个用于在实施变更前对产品持久化数据进行建模的技能。它帮助理解并演进持久化数据，而不凭猜测选择数据库或库。使用前需阅读技术栈、现有系统、迁移、schema、模型、契约和测试。技能会识别代码中的实体、角色与关系，记录字段、类型、必填性、来源、生命周期及访问权限，描述唯一性、一致性、保留、删除、历史与迁移规则，并更新 spec 的数据部分，将确认结果转交数据库相关技能。适用于修改表、schema、模型、迁移或持久化契约，以及创建 spec 前梳理关系与生命周期。不适用于在没有项目数据的情况下选择数据库库。
database-admin
这是一个面向现代云数据库运维的数据库管理员技能，覆盖云原生数据库、自动化与可靠性工程。它提供数据库管理任务中的指导、最佳实践与检查清单，内容涉及 AWS、Azure、GCP 多云数据库平台、关系型与 NoSQL 数据库、基础设施即代码、高可用与灾难恢复、安全合规、性能监控优化、自动化维护、Kubernetes 数据库、数据管道、连接池管理、CI/CD 集成及成本优化等。适用于数据库架构设计、备份恢复、监控告警、迁移与合规等场景，不适用于与数据库管理无关的任务。
contact-hunter
中文介绍正在整理，稍后补充。
statistics-math
中文介绍正在整理，稍后补充。
mlflow
MLflow 是一个框架无关的机器学习生命周期管理平台，用于跟踪 ML 实验、管理模型注册表与版本、将模型部署到生产环境，并复现实验。它支持记录参数、指标和产物，提供自动日志（autologging）功能，可对接 PyTorch、Scikit-learn、Keras/TensorFlow、HuggingFace Transformers、XGBoost 等主流框架。通过模型注册表可实现版本管理与阶段流转（None → Staging → Production → Archived），并支持本地服务与云端部署。安装方式为 pip install mlflow，可通过 mlflow ui 启动界面。
firebase-firestore
Firebase Firestore 是 Firebase 提供的 NoSQL 文档型数据库技能，支持实时同步、离线持久化和可扩展的文档存储。本技能为独立技能，无额外依赖，涵盖客户端 SDK（firebase@12.8.0）与管理端 SDK（firebase-admin@13.6.0）的安装、初始化、文档增删改查、实时监听、复合查询、游标分页、集合组查询、批量写入与事务、安全规则、索引配置、离线持久化、数据建模以及常见错误处理等内容，并附带可直接使用的 TypeScript 代码示例。
nansen-token-research
nansen-token-research 是 Nansen CLI 中的代币深度研究技能，通过 `nansen research token <sub>` 系列命令，对指定代币进行信息、行情、持有者、资金流向、买卖方、DEX 交易、盈亏及永续合约等多维度查询。使用前需先完成认证（浏览器登录或配置 API 密钥），并运行 `nansen auth status` 检查状态。现货端点需指定 --chain，永续端点使用 --symbol。适用于链上代币尽调与资金流分析场景。
ai-ml-data-science
这是一个面向机器学习与数据科学工程流程的技能包，用于构建可复现的建模流水线，覆盖探索性数据分析（EDA）、特征工程、数据泄漏检查、模型选择与评估，以及公平性、隐私、语音、视觉-语言等主题的建模机制说明。技能强调在选模型前先明确决策与预测时间戳，特征必须在打分时可得；基准模型要简单可行动，评估需包含切片、阈值、校准与不确定性，并在交付时产出模型卡、评估报告、失败模式与监控预期。它提供脚本 ml_toolkit.py（生成模型卡、泄漏检查、模型质量报告）和 leakage_scan.py（静态泄漏扫描），以及多份模板与参考文档。
statsmodels
Statsmodels 是 Python 中用于统计建模与计量经济学的核心库，提供估计、推断与诊断工具，覆盖从简单线性回归到复杂时间序列与计量分析的广泛方法。它支持线性回归（OLS、WLS、GLS、分位数回归）、广义线性模型（Logistic、Poisson、Gamma 等）、离散选择模型（二值、多项、计数、有序）、时间序列分析（ARIMA、SARIMAX、VAR、预测）、统计检验与诊断（异方差、自相关、正态性）、异常值与影响点检测、模型比较（AIC/BIC、似然比检验）以及因果效应估计，并可生成适合发表的统计表格与推断结果。该技能适用于需要严谨统计推断的场景，例如拟合回归模型、分析离散结果、进行时间序列预测、检验模型假设、比较模型优劣等。使用方式上，既可通过标准 API（如 sm.OLS、sm.GLM、ARIMA）建模，也可使用 R 风格公式 API（smf.ols、smf.logit）进行直观的模型设定。资料中提供了线性回归、Logistic 回归、ARIMA、GLM 等快速入门代码示例，以及模型选择、交叉验证和最佳实践指导。
tooluniverse-systems-biology
该系统生物学与通路分析技能整合 Reactome、KEGG、WikiPathways、BioCarta、NCI-Nature Pathway Interaction Database 等多个通路数据库，用于通路富集分析、蛋白质-通路映射、关键词通路检索以及跨数据库验证。它支持从基因列表识别富集通路、查询蛋白质参与的通路、按关键词发现相关通路，并整合 BioModels、BiGG 等资源进行系统生物学建模与代谢分析。技能强调“计算而非描述”，要求通过 Bash 运行 Python 代码完成统计与数据处理，并明确区分富集与因果，建议跨至少两个来源验证关键发现。