boxlang-database-access
面向 BoxLang 数据库开发的技能，覆盖 datasource 配置、queryExecute 与 bx:query 查询、参数化、事务、存储过程、查询缓存、多数据源与 Query of Queries 内存查询等主题。
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
pci-compliance
帮助开发者在支付系统中落实 PCI DSS 合规要求的技能，涵盖数据最小化、令牌化、加密、访问控制与审计日志等实践，适用于构建支付流程、降低合规范围或准备 PCI 评估。
postgres-diagnostics
基于只读工具 pgbot 的 PostgreSQL 健康与性能诊断技能，用于排查慢库、高开销查询、未使用索引、磁盘占用、膨胀与 autovacuum 等问题。pgbot 结论由 Go 确定性计算，绝不写库，输出为事实来源。
xmindify
XMindify 是一个思维导图生成器，可根据论文分析、内容总结、头脑风暴等场景选择模板或自动生成，创建 XMindMark 文件并转换为 XMind、SVG 格式。支持通过 npm 安装 xmindmark CLI 完成转换。
query-examples
PostHog AI 插件的 HogQL 查询示例与参考资料，用于编写 PostHog 数据分析 SQL。涵盖趋势、漏斗、留存、路径、生命周期、粘性、LLM 追踪、Web 分析、错误追踪、日志、会话回放等查询模式，并提供数据模型与函数参考。
advanced-short-term-actuarial-mathematics
面向短期精算数学（对齐 SOA ASTAM 与财产险/健康险邻近建模）的技能，指导损失频率与严重度分布选择、聚合损失模型、可信度理论、费率厘定与短期准备金数学，以及 MLE 拟合、拟合优度诊断和 VaR/TVaR 风险度量。仅作技术建模支持，非精算意见或监管提交。
hugging-face-dataset-viewer
Hugging Face Dataset Viewer 是一个只读的数据集浏览与提取技能，通过 Hugging Face 数据集服务器 API 探索数据集。它支持校验数据集可用性、解析配置与划分、预览首行、分页读取行、文本搜索、条件过滤，以及获取 parquet 分片链接、大小统计和列统计等元数据。默认使用 GET 请求，基础地址为 https://datasets-server.huggingface.co，offset 从 0 开始，行类接口 length 上限通常为 100，受限或私有数据集需携带 Authorization: Bearer <HF_TOKEN>。该技能还涵盖数据集创建与上传流程，包括通过 Hub 网页上传 parquet、使用 npx @huggingface/hub 命令行上传，以及上传 Claude Code、Codex、Pi Agent 的原始会话轨迹 JSONL 以启用 trace viewer。
matplotlib-visualization
Matplotlib 工程可视化技能，用于创建水泵性能曲线、速度云图和工程图表。提供面向工程场景的绘图示例与配置方法，覆盖水泵特性曲线、系统曲线与工作点、速度/压力云图、矢量场、三维曲面、多面板组合图等。包含安装命令、绘图代码骨架、专业样式设置、LaTeX 数学标注、高分辨率保存格式与工程最佳实践。适合使用 Python 进行流体、CFD、机械等工程数据可视化的用户。
data-quality-observability-review
用于设计和审计数据质量可观测性的技能，覆盖分析事件、产品指标、数仓、导入、管道、看板、AI 数据集与账单数据等，将数据质量、时效、完整性、模式漂移、血缘、告警和指标可信度问题转化为含负责人、门禁、指标和恢复路径的具体方案。
search-discovery-relevance-review
该技能用于将搜索、发现、相关性质量、过滤器、排序漂移、零结果与用户信任等问题，转化为包含负责人、门禁、指标和恢复路径的具体交付物。工作流程包括：识别可搜索语料、用户意图、查询类型、排序界面、商业激励、冷启动项及不良相关性带来的危害；阅读参考模式文档；区分检索、过滤、排序、个性化、编辑策展、赞助展示与审核资格；定义质量评估、查询日志、零结果恢复、反馈信号、公平性检查、排序变更发布及支持/调试工具；最终产出相关性审计、状态机、决策表、事件模式、评估集和发布清单。该技能强调不得在无标签和治理的情况下混合付费展示、编辑质量、资格与自然排序；不得在长期满意度、留存价值或滥用问题重要时仅优化点击；不得用随机填充结果隐藏零结果或低置信状态；不得在未经隐私、公平性和用户控制审查的情况下对敏感类别进行个性化。输出格式包含发现上下文、相关性改进计划表、信号与评估、排序发布与恢复。
dify-knowledge-base-upload
该技能用于将本地文件上传到由已发布 pipeline 数据源支撑的 Dify 知识库，并可选地写入已有的元数据字段。适用于 UI 上传成功但 document/create-by-file 或 create-by-text 返回 completed 且 0 chunks 的情况。使用时需提供本地文件路径，并设置 DIFY_API_BASE_URL、DIFY_DATASET_ID、DIFY_API_KEY 等环境变量，可选提供 pipeline 输入 JSON 和元数据 JSON。脚本会依次发现已发布的数据源插件、上传文件、运行 pipeline、轮询索引状态、获取文档详情，并可选解析和更新元数据。成功时输出包含 batch、document_id 及各阶段响应的 JSON，validation.ok 仅在索引状态为 completed 且分段数大于 0 时为 true。
github-contribution-period-analysis
GitHub Contribution Period Analysis 是一个用于分析单个 GitHub 用户在指定 UTC 时间窗口内代码贡献活动的技能。它聚焦于实际代码贡献信号，包括已合并的 PR（作者本人提交的合并 PR，以及由目标用户执行合并的 PR）和作者提交的 commit，并生成一份基于证据的 Markdown 报告。报告涵盖范围与覆盖说明、汇总指标、从 PR/commit 证据推断的实质性工作分类、带代表性证据链接的工作内容亮点、仓库分解、每个变更仓库的具体改动细节、贡献时间线、Top 贡献表格以及包含 PR/commit URL 的证据附录。该技能通过运行 scripts/github_contribution_report.py 脚本，传入目标用户与起止日期来生成报告。使用前需准备 GitHub API 认证，私有仓库覆盖通常需要 GITHUB_TOKEN/GH_TOKEN 或 gh auth token；仅 SSH 密钥不能直接授权 REST API 调用。GitHub Search API 每个查询有 1000 条上限，对非常活跃的用户需拆分时间范围多次运行。
tl-live-music-data
该技能为现场音乐数据 API 的参考文档，说明如何通过外部 ID 在多个服务之间映射与整合音乐人元数据、演出活动、歌单（setlist）与图片。覆盖 MusicBrainz、Setlist.fm、JamBase、Bandsintown、Ticketmaster、Phish.net、Discogs、Last.fm、Fanart.tv、TheAudioDB、Genius、nugs.net 等数据源，提供各 API 的认证方式、速率限制、端点模式、ID 解析策略、缓存建议与错误处理矩阵，并给出第三方内容的信任分级与提示注入防护规则。适用于需要构建音乐人信息、演唱会、直播或歌单相关应用的开发者。
fiftyone-dataset-import
用于将数据集导入 FiftyOne 的技能：自动检测媒体类型、标注格式与分组模式，支持图像、视频、点云、MCAP 多模态记录及多种标注格式，导入前需扫描目录并获得用户确认。
matplotlib
这是一个用于在 Emacs 环境中通过 /matplotlib 命令绘制数据的技能。它会从当前交互上下文中提取或推导可绘制的数据，使用 matplotlib（通过 uv 运行）生成带透明背景的 PNG 图片，并以 Markdown 图片的形式内联输出，方便直接查看。技能包含完整的绘图规则与 Python 脚本模板，强调根据数据选择合适的图表类型，并统一使用从 Emacs 查询到的前景色来设置坐标轴、刻度、标签、标题、图例和网格的颜色，隐藏顶部和右侧边框以获得更简洁的视觉效果。脚本以 uv run --with matplotlib 方式执行，文件名带时间戳保存到临时目录。若上下文中没有可绘制数据，则告知用户。
ipo-newlist-monitor
面向新股、次新股与IPO进展的监控技能，跟踪IPO申报、新股上市、次新股与IPO受益股，输出事件清单、风险提示与监控要点，适用于新股日历、进展查询与复盘场景。
database-optimizer
面向数据库性能优化的技能，用于排查慢查询、分析执行计划、设计索引与调优配置，覆盖 PostgreSQL 与 MySQL，强调先测量再优化、增量实施并验证效果。
serenity-aleabitoreddit
该技能将交易者 Serenity（@aleabitoreddit）的 AI 与半导体供应链分析视角应用于美股投资想法与市场判断。其核心思路是沿供应链向上游追溯，寻找被机构低估的瓶颈环节，而非直接买入显而易见的“卖铲人”。技能内容由约 6,702 条推文（2025-07 至 2026-10）及 4 篇长文 X Article（2026-01 至 2026-05）提炼而成，包含方法论、逐股票论点库、文章摘要、历史战绩时间线与维护规则等参考文件。使用前需先运行更新命令刷新数据，因为内容约每半小时重新生成一次。该技能定位为决策辅助视角，明确声明不构成财务建议、不是自动交易工具，且其自报收益未经独立验证。
csv-pipeline
这是一个基于标准命令行工具与 Python 3 的 CSV 数据管道技能，用于处理 CSV、TSV、JSON 和 JSON Lines 等表格数据。它无需额外第三方依赖，可完成数据筛选、连接、聚合、去重、清洗、格式转换与报告生成等常见数据处理任务。技能内容涵盖了用 head、tail、cut、sort、awk 快速查看、筛选、排序、去重和求和的命令行方法，以及用 Python 的 csv、json、collections 模块进行复杂转换的代码模板，包括读取与写出、按列分组聚合、内连接与左连接、按键去重、CSV 与 JSON/JSONL 互转、TSV 转 CSV、缺失值与布尔值归一化、按 schema 校验数据类型、生成 Markdown 汇总报告，以及逐行流式处理大文件。适用场景包括用户提供表格文件并请求分析、转换或报告，数据集连接、过滤、分组、聚合，格式互转，去重排序与脏数据清理，汇总统计，以及 ETL 工作流。限制方面，资料未说明具体收费、平台适配细节或性能基准，仅明确除 Python 3 外不需要外部依赖，并建议对超大聚合考虑 Python 自带的 sqlite3，同时提醒注意编码与 BOM 处理。
tracking-crypto-derivatives
tracking-crypto-derivatives 是一个面向加密货币衍生品市场的分析技能，可跨中心化与去中心化交易所聚合资金费率、未平仓合约（OI）、爆仓（清算）和期权数据，用于辅助交易判断。它支持的永续合约交易场所包括 Binance、Bybit、OKX、Deribit、BitMEX；期货涵盖季度与月度合约；期权以 Deribit 为主，并包括 OKX、Bybit；DEX 永续则涉及 dYdX、GMX、Drift Protocol。使用前需具备 Python 3.8+ 环境、对交易所 API 的网络访问权限，可选提供 API key 以提升速率限制，并需理解资金费率、OI、基差等概念。该技能以命令行脚本 derivatives_tracker.py 调用，主要步骤包括：查询多交易所资金费率并支持历史均值；分析 OI 变化与价格背离；查看爆仓热力图、近期大额清算并按最小规模过滤；分析期权市场，包括 put/call 比率、最大痛点与期权流；计算现货-永续及季度期货基差以寻找套利；以及生成单资产或多资产的全景仪表板并支持 JSON 导出。输出为结构化报告，例如资金费率表的加权平均与年化、OI 的交易所份额与多空比、按价格分层的清算密度热力图等。该工具仅提供分析，不构成财务建议；衍生品为高杠杆工具，存在资金成本累积、快速爆仓和期权归零等风险。
allium-data
Allium Data 是一个通过 allium CLI 查询区块链数据的技能，包含 Explorer（数据仓库 SQL 分析，150+ 链）与 Realtime（3-5 秒新鲜度的查询，80+ 链）两类产品，支持多链、多格式输出与成本追踪。
azure-sql
面向 Azure SQL Database、Cosmos DB 及托管数据库服务的技能，提供 Azure 服务选型、成本估算与预检权限等架构指导，实际执行交由 Microsoft Agent Framework 完成。
stream-processing
该技能用于实时处理连续数据流，基于 Kafka、Flink、Spark Streaming 等框架，面向需要即时摄取、转换与分析的数据工程管道，适用于物联网传感器、日志、金融交易等高吞吐场景。
gpc-device-management
用于通过 gpc 命令行管理 Google Play 应用设备支持、设备层级配置、国家/地区可用性与报表的技能，适合处理设备定向与分发任务。