provenance-audit
provenance-audit 是用于 AI 生成内容溯源与审计追踪的技能，记录决策因素、数据血缘、推理链、置信度评分与生成成本，帮助解释 AI 为何给出特定建议并满足合规审计需求。
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
17,146 个结果
soft-delete
soft-delete 是一个实现软删除模式的技术技能，用于在不真正删除数据的前提下支持数据恢复与审计追踪，涵盖过滤、恢复和永久删除工作流。
validation-quarantine
面向不可靠外部数据源的数据校验与隔离技能：先按 schema 校验，再按领域规则打分，高质量数据放行，可疑数据进入隔离区供人工复核，无效数据拒绝，全程不阻塞流水线。
rusqlite-guide
rusqlite 与 SQLite 的开发指南，覆盖连接管理、CRUD、事务、命名参数、基于 PRAGMA user_version 的迁移，以及 FTS5 全文搜索与查询语法，并含错误处理与 SQLx 对比。
aeon
Aeon 是一个与 scikit-learn 兼容的 Python 时间序列机器学习工具包，提供分类、回归、聚类、预测、异常检测、分割和相似性搜索等任务的先进算法。该技能适用于对时间序列数据进行分类或预测、检测异常或变化点、聚类相似模式、预测未来值、查找重复模式（motif）或异常子序列（discord）、使用专门距离度量比较时间序列以及从时序数据中提取特征。安装命令为 uv pip install aeon。
alphafold-database
访问 AlphaFold 数据库中 200M+ AI 预测的蛋白质三维结构：可按 UniProt ID 检索、下载 PDB/mmCIF 文件、分析 pLDDT 与 PAE 置信度指标，并支持批量获取与计算流程集成。
anndata
AnnData 是一个用于处理带注释数据矩阵的 Python 包，将实验测量数据（X）与观测元数据（obs）、变量元数据（var）以及多维注释（obsm、varm、obsp、varp、uns）一起存储。它最初面向单细胞基因组学，通过 Scanpy 使用，如今已作为通用框架，适用于任何需要高效存储、操作和分析的带注释数据。该技能适用于创建、读取或写入 AnnData 对象，处理 h5ad、zarr 等基因组学数据格式，进行单细胞 RNA 测序分析，使用稀疏矩阵或 backed 模式管理大型数据集，拼接多个数据集或实验批次，对带注释数据进行子集、过滤或转换，以及与 scanpy、scvi-tools 等 scverse 生态工具集成。核心能力涵盖数据结构、输入输出操作、拼接、数据操作和最佳实践。
arboreto
Arboreto 是一个用于从基因表达数据推断基因调控网络（GRN）的计算库，采用可并行化算法，可从单机扩展到多节点集群。其核心能力是根据观测样本（细胞、样本、条件）中的表达模式，识别哪些转录因子（TF）调控哪些靶基因。支持 GRNBoost2 与 GENIE3 两种算法，可用于 bulk 与单细胞转录组数据分析，并可作为 pySCENIC 流程的核心组件。
brenda-database
通过 SOAP API 访问 BRENDA 酶数据库的技能，可查询酶动力学参数（Km、kcat）、反应方程、生物体与底物特异性等信息，用于生化研究、代谢工程与酶发现。
firecrawl-agent
Firecrawl 的 AI 自主数据提取技能，可自动导航复杂多页网站并返回结构化 JSON。适合需要从复杂站点批量获取结构化数据的场景，运行通常需 2-5 分钟。
postgresql-performance-expert
面向资深全栈开发者的 PostgreSQL 性能优化技能，用于诊断慢查询、超时与连接耗尽等问题，通过 EXPLAIN ANALYZE、索引设计、消除 N+1 和连接池配置等手段定位并解决数据库性能瓶颈。
pinecone-rag
用于构建生产级 RAG 管道和智能体持久记忆的 Pinecone 向量数据库技能，提供索引配置、批量嵌入写入、稠密/混合检索、元数据过滤及命名空间隔离等流程指引。
bigquery-ai-ml
该技能用于指导在 BigQuery 中使用标准 SQL 及其 AI.* 函数完成 AI 与机器学习任务。它规定代理应优先通过 execute_sql() 调用 SQL 技能，而不是使用专门的高层工具来实现预测和异常检测等功能。技能文件本身不含函数语法，生成 SQL 前必须按指定的精确路径读取相应参考文件。涉及函数包括 AI.FORECAST、AI.CLASSIFY、AI.DETECT_ANOMALIES、AI.GENERATE、AI.GENERATE_BOOL、AI.GENERATE_DOUBLE、AI.GENERATE_INT、AI.IF、AI.SCORE、AI.SIMILARITY 和 AI.SEARCH。
slo-optimize
slo-optimize 是 Grafana gcx 的 SLO 优化技能，通过 gcx 命令分析 SLO 时间线趋势，基于过去 28 天数据计算统计量并给出有数据支撑的咨询建议，如目标调整、告警灵敏度审查、标签补充等。该技能仅提供建议，不直接修改 SLO 定义。
notion-skill
用于读取和查询 Notion 数据库与页面的技能，支持多工作区，适合拉取 Notion 数据、列出数据库、查询条目或导出内容做迁移。需先创建内部集成、共享页面并用 config.json 配置令牌。
broadway-data-pipelines
用于在 Elixir/Phoenix 项目中构建 Broadway 数据处理管道与消息队列消费者的技能，强制涵盖错误处理、死信、测试、可观测性与并发调优等规则。
token-efficient
Token-Efficient MCP 技能，用于在沙箱中处理数据并只返回结果，宣称可节省 98% 以上 token。适用于处理 50 个以上条目、分析 CSV 或日志文件、在沙箱执行代码以及按需搜索工具等场景。
data-collect
用于收集股票历史K线、实时行情与筹码分布数据的技能，支持A股、港股、美股与ETF。通过Python脚本按股票代码拉取数据并保存为JSON，便于后续分析与决策复现。
plotly-interactive-visualization
Plotly 是一个用于交互式、可嵌入网页的科学可视化 Python 绘图库，支持 40 多种图表类型（散点、折线、热力图、3D、地理等），具备悬停、缩放、平移交互。提供 Plotly Express 与 Graph Objects 两套 API，可输出交互式 HTML、静态 PNG/PDF/SVG 或 Dash 应用。
seaborn-statistical-visualization
基于 matplotlib + pandas 的 Python 统计可视化技能，用少量代码绘制出版级统计图形，支持分布、关系、分类、回归、矩阵等图表类型，并可与 pandas DataFrame 直接配合。
clay-architecture-variants
该技能用于为不同规模和用途的 Clay 数据丰富集成选择并实施架构方案，对比直接集成、Webhook 入站加 HTTP API 出站、基于队列的流水线三种模式，并给出决策矩阵与错误处理建议。
clay-prod-checklist
用于 Clay 集成上线前的生产就绪检查清单技能，覆盖表格配置、数据质量、额度预算、Webhook 可靠性、CRM 同步校验与监控设置，帮助团队在正式启用富化流水线前逐项核对并记录结果。
clerk-data-handling
基于 Clerk Backend API 处理用户数据、隐私与 GDPR/CCPA 合规的技能，涵盖数据导出、被遗忘权、同意管理与审计日志。适用于实现数据导出、用户删除或隐私合规功能时参考。
databricks-core-workflow-b
Databricks 次级工作流技能：基于 MLflow 进行模型训练与部署，覆盖特征工程、实验追踪、模型注册、模型服务与推理，适用于构建 ML 流水线、训练和部署模型的场景。