ent-seed-sql-generator
根据 Go Ent schema 与混合输入生成确定性 INSERT 种子 SQL 的技能，产出可执行、ID 稳定、外键关系有效的开发用数据，并在写 SQL 前先确认生成计划。
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 10-27 00:15
数据与分析
16,991 个结果
social-media-scraping-scrapecreators
Scrape Creators 社交媒体抓取技能，可通过 Gooseworks 代理 API 获取 Instagram、TikTok、LinkedIn 与 X/Twitter 的账号资料、帖子及内容数据。
pygraphistry-connectors
PyGraphistry Connectors 是 PyGraphistry 中面向外部数据源与图数据库的连接器工作流技能。它用于把 Graphistry 与 Neo4j、Neptune、TigerGraph、Memgraph、Arango 等图数据库，Databricks、PostgreSQL、Spanner 等数据/SQL 源，以及 Splunk、Kusto、AlienVault 等日志/SIEM 源对接起来，并通过 networkx、graphviz、cugraph、igraph、hypernetx 等计算与布局插件进行后续处理。该技能强调 dataframe-first 的接入思路：先用数据源原生查询或提取得到 dataframe，再用 edges()/nodes() 绑定为图，必要时配合 cypher() 或 GFQL 进行查询。它要求凭据保存在环境变量或密钥存储中，禁止硬编码，也禁止使用 username='user'、password='pass' 之类的占位字面量，应使用 os.environ[...] 或 os.environ.get(...)。面向用户的回答优先给出规范文档链接，并可给出简洁代码片段。
pygraphistry-core
PyGraphistry 核心工作流技能：完成 Graphistry 注册认证、将 DataFrame 整理为图结构并生成首个交互式可视化。适用于“注册 Graphistry”“入门 PyGraphistry”等请求，涵盖认证、边/节点建模、超图构建与绘图迭代。
sql
用于编写 SQL 查询、优化执行计划与设计数据库模式的技能，适用于查询优化、复杂连接和数据库设计等场景。
setup-environment
用于 Rails 应用上手时的环境搭建技能：由代理读取版本、依赖、Docker 与数据库等配置文件并总结，标记不一致处，生成通用上手步骤清单，由用户在本地执行命令。不执行命令、不读取或回显密钥。
qgis-impl-3d-visualization
QGIS 三维可视化开发技能，用于创建 3D 地图视图、配置地形、渲染矢量与点云数据，并规避未优化点云带来的性能问题。
clinpgx-database
ClinPGx 是临床药物基因组学数据库（PharmGKB 的继任者），整合 PharmGKB、CPIC 与 PharmCAT 数据，通过 REST API 查询基因-药物相互作用、CPIC 指南、等位基因功能与药物标签，用于精准医学与个体化用药。
deepchem
DeepChem 是面向化学、材料科学与生物学的 Python 分子机器学习工具库，支持分子性质预测（如 ADMET、毒性）、GNN（GCN、GAT、MPNN、AttentiveFP）、MoleculeNet 基准、预训练模型迁移学习与分子特征化，用于药物发现、材料设计与生物分子分析。
drugbank-database
用于通过 Python 程序化访问与分析 DrugBank 药物数据库的 Claude 技能，覆盖药物属性、相互作用、靶点、通路与化学结构等数据。
seaborn
Seaborn 是一个用于创建出版级统计图形的 Python 可视化库。它面向数据集进行绘图，支持多变量分析、自动统计估计，并能以极少的代码生成复杂的多面板图形。其核心设计理念包括：面向数据集，直接使用 DataFrame 和具名变量而非抽象坐标；语义映射，自动将数据值翻译为颜色、大小、样式等视觉属性；具备统计感知能力，内置聚合、误差估计和置信区间；提供出版级主题和调色板；并与 matplotlib 完全兼容。该技能涵盖关系图（scatterplot、lineplot、relplot）、分布图（histplot、kdeplot、ecdfplot、jointplot、pairplot）、分类图（stripplot、swarmplot、boxplot、violinplot、barplot、catplot）、回归图（regplot、lmplot、residplot）、矩阵图（heatmap、clustermap）以及 FacetGrid、PairGrid、JointGrid 等多面板网格。用户可通过函数式接口或声明式的 objects 接口进行绘图，并利用 hue、size、style、col、row 等参数实现语义映射与分面。适用于探索性数据分析、相关性分析、分布比较和出版级图表制作等场景。
uspto-database
USPTO Database 技能用于访问美国专利商标局（USPTO）的多个 API，支持专利与商标检索、审查历史（PEDS）、权利转移、引用、审查意见、TSDR 等，适用于知识产权分析与现有技术检索。
archs4-database
ARCHS4 数据库技能：通过无需鉴权的 REST API 查询经统一处理的百万级人类/小鼠 RNA-seq 表达数据，可按基因获取组织 z-score 表达谱、共表达基因与样本元数据检索，支持 HDF5 批量矩阵。
clinpgx-database
该技能用于查询 ClinPGx（原 PharmGKB）与 CPIC 两套 REST API，获取药物基因组学临床注释、CPIC/DPWG 用药指南及监管标签等数据，支持基因、药物、变异与表型驱动的推荐规则检索。
deseq2-differential-expression
基于 R/Bioconductor DESeq2 的批量 RNA-seq 差异表达分析技能，使用负二项广义线性模型、经验贝叶斯离散度收缩及 Wald/LRT 检验，支持多因子设计与 Salmon/tximeta 数据导入。
gene-database
通过 NCBI E-utilities 访问 NCBI Gene 数据库的技能，可检索 100 万以上物种的基因记录，获取官方符号、别名、RefSeq 编号、摘要、基因组坐标、GO 注释与互作信息，用于基因 ID 解析与注释查询。
geo-database
通过 GEOparse 与 NCBI E-utilities 访问 NCBI GEO 基因表达数据库的技能：可按关键词、物种、平台检索数据集，下载 GSE 系列矩阵，解析 GPL 注释与 GSM 元数据，并提取表达矩阵用于下游分析。
trader-alerts
trader-alerts 是一个价格提醒工具，用于监控股票价格、止损位和开盘钟声。它支持设置价格高于或低于目标价、止损、较前收盘价的百分比变动，以及纽约证券交易所开盘提醒。提醒仅提供信息，不会下单；可通过 Yahoo 免费行情或 Stooq CSV 获取报价，并可读取或写入 trader/prices.json 供其他交易工具使用。
trader-analyst
trader-analyst 是一款面向财报季的 SEC 财报分析技能，它直接从 SEC EDGAR 读取公司提交的 XBRL 公司事实数据（来自 10-Q 和 10-K），并结合最新收益 8-K 中的新闻稿（EX-99.1 附件），按季度对齐数字，说明哪些指标发生了变化。该技能附带一个仅依赖 Python 标准库的工具 facts.py，无需任何 API 密钥，但要求提供真实姓名和邮箱组成的 SEC User-Agent，否则拒绝调用 SEC。它可输出 TTM 营收、净利润、稀释每股收益、最新利润率与同比增速，并写入 trader/metrics.json 供筛选器使用。它坚持“以申报数字为准”，同比对比同季、派生季度明确标注、数据滞后会提示、一次性损益会标记，银行与保险公司毛利率留空而非填零。它从不判断股票贵贱或买卖，不编造数字，仅作为教育与工具用途，不构成投资建议。
trader-copycat
trader-copycat 是一个用于反向研究知名投资者持仓的技能：从 SEC EDGAR 读取投资经理按季度提交的 13F-HR 文件（可选读取 Form 4 内部人交易），重建其美股多头组合，并换算成用于自己账户的目标权重。它提供标准库 Python 工具 edgar13f.py，支持按名称查找申报人、读取最新季度持仓、与上一季度对比变化、生成 trader/targets.json。数据仅限美国上市的多头持仓，不包含做空、现金、债券、外国股票、私募公司及季度内买卖，也不代表基金经理当前仍持有。该技能只输出权重，不下单，定位为教育与工具性质，不构成投资建议。
trader-news
trader-news 是一个面向股票持仓的新闻与 SEC 文件监控技能，属于 trader-skill 技能集。它按所持股票逐只拉取 Yahoo Finance 公开标题 RSS 和 SEC EDGAR 公司 Atom 订阅（默认 8-K），只报告自上次以来新增的条目，并把已展示内容和各股票 CIK 写入 trader/state/news.json（保留 30 天），使每条信息只出现一次。工具为标准库 Python 脚本 news.py，无需 API 密钥；股票列表可来自 --tickers、trader/portfolio.json 持仓或 trader/targets.json 权重。SEC 文件抓取需在 trader/config.json 或环境变量中提供 SEC User-Agent，否则跳过文件并继续处理标题。该技能强调标题只是线索，须打开原文或文件核实；文件优先于标题；禁止预测股价或据标题买卖。
trader-rebalance
trader-rebalance 是一个投资组合再平衡工具，用于在持仓权重偏离目标时把组合拉回目标权重。它会按当前价格计算每个持仓的价值和每只股票的漂移幅度，并生成建议交易，但只写建议、不下单：由 trader-risk 检查，由 trader-broker 逐笔征得用户确认。工具可输出漂移表、把建议写入 trader/orders.json，并支持以 JSON 形式输出。默认5个百分点的再平衡带，先卖后买，买入只使用现金缓冲以上的部分，低于最小订单金额的交易会被跳过，超过最大订单金额的交易会被削减并提示成交后重跑。默认模拟交易，不构成财务建议。
trader-risk
trader-risk 是交易技能套件中的风险管理器，位于交易提案与券商之间。它读取 trader/orders.json 中的拟议订单和 config.json 中的限额，逐笔检查格式、资产类型、黑名单、订单大小、持仓比例、现金缓冲、卖空、重复订单和每日订单数等规则，并将判定结果写入 state/risk.json。被阻止的订单不会进入用户确认环节，也不会发送给券商；通过仅代表订单可展示给用户，并不构成推荐或用户同意。支持 --json 和 --no-write 参数。默认使用模拟账户，不涉及期权、保证金、卖空或杠杆（除非配置允许且用户确认）。
airflow-dag-generator
Airflow DAG Generator 是 Data Pipelines 技能类别下的一个自动激活技能，用于在数据管道场景中为 airflow dag generator 相关任务提供自动化协助。当用户在请求中提及 airflow dag generator，或询问其模式与最佳实践，或需要 ETL、数据转换、工作流编排、流式数据处理等数据管道技能帮助时，该技能会自动触发。它提供分步指导，遵循行业最佳实践与模式，生成可用于生产的代码与配置，并依据通用标准验证输出。其输出包括生成的配置与代码、最佳实践建议以及验证结果。使用前提是已配置相关开发环境、可访问必要工具与服务，并具备数据管道概念的基础理解。该技能涉及 etl、airflow、spark、streaming、data-engineering 等标签。