database-design
数据库设计技能，用于设计数据库模式、审查数据模型、规划迁移、优化慢查询和建立数据库规范，覆盖关系型模式设计与迁移策略，适合需要表结构、索引、迁移与 ORM 选型的开发场景。
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 10-29 00:09
数据与分析
17,145 个结果
app-studio-dataset-etl-gen-demo
Domo App Studio 垂直行业微演示技能：按行业模板生成多页应用，可选创建数据集与 ETL，并统一卡片、布局、主题与导航规范。
database
Database 是一个数据库管理与查询技能，支持连接 SQL 与 NoSQL 数据库、执行查询和管理模式。支持 PostgreSQL、MySQL、SQLite、MongoDB、Redis，可用于运行 SQL 查询、模式管理、数据导入导出、备份恢复和性能监控。
revops-data-governance
面向营收运营的 CRM 数据治理技能：按客户旅程（蝴蝶结模型）设计数据模型，规范字段命名与字段创建流程，定义数据质量五个维度指标，处理去重、集成数据流向与数据增强，并覆盖隐私合规要求。
telnyx-account-reports-go
telnyx-account-reports-go 是 Telnyx 官方提供的 Go SDK（github.com/team-telnyx/telnyx-go）配套技能，用于通过 Go 代码生成与获取账户用量报告，服务于计费、分析与对账场景。该技能以代码示例形式展示如何初始化客户端、处理错误，以及调用通话事件、账本账单组报告、MDR（消息详细记录）报告、CDR（通话详细记录）报告、号码查询用量报告和语音用量报告等接口。所有示例假定客户端已通过 telnyx.NewClient 初始化并读取 TELNYX_API_KEY 环境变量。技能覆盖的接口包括查询通话事件、创建与查询账本账单组报告、对 MDR 与 CDR 详细报告请求的增删查、查询 CDR 报告可用字段、以及 MDR/CDR/号码查询的用量报告管理。文档同时说明常见错误码含义、分页方式以及错误处理建议。具体收费、价格与实际报表字段内容暂未提供。
theory-analysis
将访谈摘要、客服工单、社群贴文、研究笔记等跨来源文字证据，逐句贴上理论标签，产出可追溯、可统计的结构化资料。支持 product_positioning、purchase_motivation、wom_motivation 三种理论，可单用或并用。
paper-plot-stub
paper-plot-stub 是一个仅用于演示的小工具：读取包含 x、y_baseline、y_ours 三列的 CSV，用 matplotlib 绘制两条折线图并输出 PDF。运行时需要 matplotlib。
analyst-estimates
analyst-estimates 是一个用于汇总华尔街分析师预期的技能，主要面向上市公司投资分析场景。当用户询问目标价、分析师评级、一致预期、买入/卖出评级、盈利预测修正等内容时，可调用该技能。它从 Stock Analysis 预测页面抓取数据，整理多个未来期间的营收与每股收益（EPS）一致预期，以及高值、低值、均值和分析师数量，并计算隐含的同比增长率与预期分歧幅度。技能还会呈现分析师目标价（均值、中位数、最高、最低）与当前股价的上涨或下跌空间，汇总强烈买入、买入、持有、卖出、强烈卖出的评级分布，并计算加权共识评分。此外，它会分析 30 天和 90 天内的预期修正趋势，判断分析师情绪的上行或下行周期，对比过去四个季度的预期与实际结果以识别超预期或不及预期的模式，并评估覆盖深度、预期离散度、修正动能和时效性风险，最终综合成看涨、中性或看跌的预期判断。该技能依赖外部数据源，需参考共享的数据获取说明与输出格式文档，输出包含免责声明，不构成投资建议。
streamlit
Streamlit 是一个用纯 Python 构建交互式数据应用与仪表盘的框架，无需前端经验即可将数据脚本快速转为可分享的 Web 应用，适合快速原型、内部工具、数据探索、模型演示和简单仪表盘。
analytics
用于规划、搭建、改进或审计分析与埋点追踪，覆盖 GA4、Google Tag Manager、UTM 与事件命名，帮助产出可支撑营销与产品决策的数据。
production-postgres
Production PostgreSQL 是一个面向生产环境的 PostgreSQL 实践技能，汇集了经过实战检验的数据库模式，重点覆盖零停机部署、安全 schema 演进与生产级性能。内容来自真实故障复盘，涵盖迁移安全、连接池、索引策略、schema 设计、查询优化、备份恢复与监控查询等主题。适合在部署窗口需要同时运行新旧代码、要求迁移不破坏旧代码的场景使用。技能强调每条迁移必须对零停机滚动部署安全，并给出锁超时、并发建索引、NOT VALID 约束、expand-contract 等具体模式与代码示例。
data-analysis
用于 CSV 数据分析的技能，基于 Python 的 pandas 与 matplotlib，覆盖数据加载、探索、清洗、聚合、相关性分析与可视化输出，并可按需生成 Plotly 交互式 HTML 图表。
write-script-postgresql
这是一份面向 Windmill 平台的 PostgreSQL 脚本编写指南。其核心作用是在使用 Windmill CLI 编写和测试 PostgreSQL 查询脚本时提供操作规范，涵盖本地脚本与已部署脚本的区别、元数据同步机制以及脚本参数声明方式。指南强调脚本的输入即参数，凭据与配置应通过资源类型参数传入，而非硬编码或读取环境变量。编写完成后需要根据用户意图选择合适的命令：本地迭代使用 wmill script preview，测试服务器版本使用 wmill script run，仅在明确要求部署时才使用 git push 或 wmill sync push。此外，指南还详细说明了使用 wmill generate-metadata 同步 .lock 与 .script.yaml 文件、通过注释为 $1、$2 等 PostgreSQL 占位符命名、接收 S3Object 参数以及将查询结果流式写入 S3 等具体能力。
chembl-search
用于以自然语言检索 ChEMBL 生物活性分子数据库的技能，基于 Valyu 语义搜索，可查询化合物、药物靶点与结合/活性数据，无需手动构造复杂 API 参数。需要 Node.js 18+ 和 Valyu API 密钥。
drugbank-database
DrugBank 数据库技能：通过 Python 程序化访问与解析 DrugBank 药物数据，涵盖药物属性、药物相互作用、靶点与通路、化学结构相似性与 ADMET 预测等分析。
fda-database
通过 openFDA 开放 API 用 Python 查询 FDA 监管数据，覆盖药品、医疗器械、食品、兽药与物质标识，支持不良事件、标签、召回、审批与短缺等查询。
opentargets-database
面向 Open Targets Platform 的技能，通过 GraphQL API 查询靶点与疾病关联、可成药性、安全性、遗传与组学证据及已知药物，用于药物靶点发现、评估和重定位等研究场景。
tooluniverse-gwas-finemapping
该技能用于在GWAS位点上识别并优先排序因果变异，基于统计精细定位与位点到基因（L2G）预测，计算后验概率、可信集与候选基因，并给出验证策略。
tooluniverse-proteomics-analysis
该技能用于分析基于质谱的蛋白质组学数据，覆盖从蛋白鉴定、定量、差异表达、翻译后修饰（PTM）到系统级解读的完整流程。它可导入 MaxQuant、Spectronaut、DIA-NN、Proteome Discoverer、FragPipe 等常见软件的输出文件，进行质量控制、归一化、缺失值填补、差异表达统计检验，并支持磷酸化等 PTM 位点分析、蛋白-RNA 关联、通路富集以及蛋白互作网络分析。适用于蛋白丰度或表达比较、疾病与对照差异蛋白筛选、多组学整合（如与 RNA-seq 联合判断翻译调控）、生物标志物发现等场景。使用以代码调用为主，文中提供了数据加载、QC、归一化、limma 风格差异分析、火山图绘制等示例函数。需注意部分功能（如激酶预测、CORUM 富集、STRING 网络）在资料中仅给出思路或占位代码，具体实现与依赖工具未完整提供。
macro-liquidity-monitor
跟踪利率、通胀、信用与政策取向等宏观流动性指标，并总结其对资产或行业的影响。适用于询问流动性环境、政策对市场影响，或需要宏观流动性仪表盘的场景。
market-breadth-monitor
市场宽度监控器是一个面向投研与风控场景的技能，用于监控市场宽度与市场内部结构。它围绕涨跌家数、新高新低、集中度、宽度动量等维度展开分析，帮助判断风险偏好与市场状态切换。当用户询问市场宽度、市场内部结构、风险偏好变化，或需要宽度监控面板时使用。该技能以专业投研/风控分析师的角色，通过结构化框架完成主题分析，并输出可复用的结论与监控要点。工作流程包括：确认输入参数（标的/范围、时间窗口、输出偏好、约束条件）、按需获取数据、应用分析框架、生成结构化输出。输出内容包含关键数据、解释、风险与监控清单及下一步建议。数据获取依赖 references/data-queries.md 中的说明，需先激活仓库根目录 .venv，再用 python 运行共享脚本；若某类数据暂不可得，会明确说明缺口并收集可替代输入。指标口径、阈值与边界条件见 references/methodology.md，输出模板见 references/output-template.md。该技能特别提示 A 股特性（T+1、涨跌停、停牌与公告滞后）可能显著影响可交易性与结论，并声明输出仅供信息参考与教育目的，不构成投资建议。
trade-compare
trade-compare 是一个用于股票对比研究的技能，通过 /trade compare <TICKER1> <TICKER2> 命令触发，对两只股票进行多维度横向比较。它并行收集公司概况与价格、估值、增长、盈利能力、财务健康、技术面、情绪与分析师评级、风险指标、机构与内部人活动等数据，按估值、增长、盈利能力、财务健康、技术面、情绪、风险七个类别以 1-10 分打分并加权汇总，逐项判定胜出者并给出整体推荐。输出为 Markdown 文件，包含快速结论、公司档案、各维度对比表、总评分卡、面向不同投资者类型的推荐矩阵、底线总结和并排速查表。该技能声明仅用于教育和研究目的，不构成财务建议。
trade-quick
trade-quick 是 AI Trading Analyst 系统中的快速股票评估技能，通过 /trade quick <TICKER> 调用，在 60 秒内输出一份紧凑、可操作的股票评分卡。它不启动子代理、不写入文件，仅直接在终端输出结果。执行流程包括：并行发起 3 个 WebSearch 查询（价格与表现、近期新闻与情绪、技术与基本面速览），随后从趋势、估值、情绪、动能四个维度快速评估，并给出 BUY、HOLD、SELL 或 AVOID 四种信号之一。输出包含价格、市值、市盈率、52 周高低、成交量、3 条看涨因素、3 条看跌因素、关键支撑阻力位、分析师目标价以及一句话投资论点。该技能还提供信号校准指南、按市值分层（大盘、中盘、小盘、微盘、ETF）的调整规则、行业特定评估要点、逆向信号检测、多股票对比处理以及错误处理逻辑。适用于快速筛选股票、判断是否值得进一步用 /trade analyze 深入分析。仅用于教育和研究目的，不构成财务建议。
trade-sector
trade-sector 是一个面向板块轮动与分析的 AI 技能，属于 zubair-trabzada/ai-trading-claude 项目。它通过 /trade sector <板块>、/trade sector rotation 或 /trade sector <板块ETF> 等命令触发，对 11 个 GICS 板块进行动量排名、资金流向、经济周期定位、相对强弱、板块内龙头股、估值、广度与轮动信号等维度的综合分析，并输出结构化的 Markdown 报告。该技能明确声明仅供教育与研究用途，不构成投资建议。