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。
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 10-30 00:12
数据与分析
17,153 个结果
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。
databricks-deploy-integration
使用 Databricks Asset Bundles（DAB）以基础设施即代码方式部署 Databricks 作业与流水线，支持多环境隔离与 CI/CD 集成。需 Databricks CLI v0.200+ 及工作区权限。
databricks-migration-deep-dive
面向 Databricks 平台迁移的深度指南技能，覆盖从本地 Hadoop、Snowflake、Redshift、Synapse 或传统数据仓库迁移的评估、Schema 转换、数据迁移、ETL 改造与切换规划。
databricks-observability
为 Databricks 建立可观测性，通过系统表与 SDK 监控作业运行、集群利用率、查询性能与成本，并配置告警。适用于 Databricks 作业监控场景。
databricks-prod-checklist
用于 Databricks 生产部署的检查清单技能，覆盖部署前配置、代码质量验证、作业配置、部署命令、监控设置与回滚流程，帮助团队在将 Databricks 作业和管道上线前逐项核对。
date-range-analyzer
date-range-analyzer 是 Data Analytics 领域的自动激活技能，用于辅助日期范围分析任务。当请求中提及 date range analyzer，或询问该主题的模式与最佳实践时自动触发，提供分步指导并生成配置与代码。
firecrawl-core-workflow-a
基于 Firecrawl v2 的抓取与爬取工作流技能，用于单页 scrape 与递归 crawl，强调授权范围、成本上限、分页完整性与可审计回执。
firestore-operations-manager
用于安全操作 Firebase/Firestore 的技能，支持增删改查、查询、批处理及索引与规则指导，适用于创建、更新、查询 Firestore 数据的场景。
ideogram-data-handling
面向 Ideogram 工作流的数据治理技能，用于梳理提示词、上传素材、结构化描述、生成资产、临时链接、元数据与训练数据集的全生命周期，覆盖保留与删除策略、访问控制与删除验证。
pivot-table-creator
pivot-table-creator 是数据与分析领域的自动激活技能，用于辅助生成透视表相关配置与代码。用户在请求中提及该名称或询问其模式与最佳实践时会触发，输出配置、最佳实践建议和校验结果。
targets-pipelines
targets-pipelines 是 targets R 包中用于编写复杂流水线的技能指南，重点讲解分支（branching）、批处理（batching）与自定义目标工厂（target factories）。它通过决策树帮助用户选择静态分支、动态分支或混合模式：静态分支使用 tarchetypes::tar_map() 在运行前生成可读命名的目标，动态分支使用 pattern = map()/cross() 在运行时根据数据确定迭代，混合模式用 tar_map_rep() 组合方法与重复实验，目标工厂则用 tar_target_raw() 封装可复用的多目标模式。文档还提供验证命令（tar_manifest、tar_visnetwork、tar_pattern）、常见错误与调试策略，适用于方法比较、参数扫描、模拟实验和文件处理等场景。
supabase-postgres-best-practices
Supabase 维护的 Postgres 性能优化与最佳实践技能，提供按影响程度排序的规则集合，覆盖查询性能、连接管理、安全与 RLS、Schema 设计、并发与锁、数据访问模式、监控诊断和高级特性等 8 个类别。适用于编写、审查或优化 Postgres 查询、Schema 设计、索引、连接池配置及行级安全策略等场景。
jr-rails-new
jr-rails-new 是一个交互式 Rails 应用脚手架技能，通过问答收集偏好后运行 rails new 并完成脚手架后配置，默认技术栈为 PostgreSQL、Minitest、Solid Queue、Pundit，可选 Phlex。
assuring-data-pipelines
面向生产数据管道的数据质量校验与可观测性技能：结合 Great Expectations 与 Pandera 做数据校验，用 OpenTelemetry 与 Prometheus 做追踪和指标监控，形成检测、诊断到修复的闭环。
building-streaming-pipelines
用于在 Python 中构建实时数据流管道的技能，覆盖 Apache Kafka、MQTT（物联网）与 NATS JetStream 的生产者、消费者、流处理模式及生产级可靠性实践。
regression-analysis-modeling
该技能用于自动化回归分析与预测建模，支持线性回归、决策树和随机森林，覆盖数据准备、特征工程、模型训练、评估诊断、可视化与报告，并支持中英文数据。
python-sqlalchemy
面向 Python 的 SQLAlchemy 2.0 稳定版 ORM 与 Core 模式技能，涵盖类型化映射、select() 查询、会话与事务边界、关系与加载、同步或异步用法，以及 PostgreSQL upsert、JSON 列等实践要点。
metabase-cli
Metabase 官方 CLI 工具 mb，通过 REST API 从终端操作 Metabase 实例，支持认证、数据库、卡片、仪表盘、转换、查询、搜索与 git-sync 等操作。
plans
一个用于列出知识库中所有计划的技能命令，可按状态、类型等条件筛选，并以表格形式快速查看计划的状态、优先级和故事数量等关键元数据。
exploratory-data-analysis
该技能用于对科学数据文件执行探索性数据分析（EDA），支持自动识别 200 多种科学文件格式，提取格式相关元数据，评估数据质量与完整性，生成统计摘要、可视化建议和下游分析建议，并输出 Markdown 报告。
feasibility
来自微软 hve-core 的可行性研究技能，用受限 YAML 与 UUID URN 身份机制编写并校验可长期使用的数据与机器学习可行性研究报告，并可生成对接 PRD 的下游交接文件。