SuperAPI AI 工具集

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 10-26 00:15

数据与分析

16,954 个结果

experimental-design

这是一个用于在数据收集之前设计实验与研究的技能,帮助研究者选择合适的设计类型、进行随机化、区组化,并规划处理组合,使结果可解释。它基于 Fisher 的随机化、重复和区组化三原则,提供决策树指导选择完全随机、随机区组、交叉、整群随机、析因、部分析因、响应面、拉丁超立方等设计,并附带可复现的 Python 脚本生成随机化分配表和 DOE 矩阵。技能还重点讲解伪重复、混杂、批次效应等结构性错误,并给出工作流程与参考文档。

数据与分析43 次安装

mlb-opponent-profiler

MLB Opponent Profiler 是一个用于 Yahoo 梦幻棒球联赛(联盟 ID 23756)的对手画像刷新技能。它每周为联赛中 11 支对手球队更新「原型分类 + 行为画像」,帮助用户了解每个对手的建队风格与操作习惯。技能通过抓取 Yahoo 的球队页、阵容页、选秀结果页和交易页,提取 MLB 专属特征(如先发投手占比、终结者数量、盗垒速度球员数、每周操作次数、FAAB 花费比例等),再调用 opponent-archetype-classifier 进行贝叶斯分类,得到 10 种原型(如 balanced、punt_sv、inactive、frustrated_active 等)的后验概率。同时基于阵容单独估算各分项强度(cat_strength),并生成或更新每位对手的 Markdown 画像文件,保留用户手写的策略笔记。在批量刷新全部 11 支球队后,还会输出一份周度信号文件,汇总原型变化、置信度变化和反应性触发事件。该技能强调分类器委托纯粹性、手写笔记不可覆盖、抓取失败优雅降级、序贯更新纪律等护栏。

数据与分析43 次安装