business_model_decoder_skill
用于把一家公司如何获客、交付、定价、赚钱和扩张的逻辑拆解清楚,帮助快速理解业务运转方式。适用于看不懂公司业务、研究前补基础、业务结构梳理等场景,输出收入引擎、利润机制、增长路径与脆弱点。
找到适合任务的 Agent Skill,阅读介绍并复制安装命令。
更新于 10-17 00:11
16,476 个结果
用于把一家公司如何获客、交付、定价、赚钱和扩张的逻辑拆解清楚,帮助快速理解业务运转方式。适用于看不懂公司业务、研究前补基础、业务结构梳理等场景,输出收入引擎、利润机制、增长路径与脆弱点。
FinnHub API 是一项金融数据接口集成技能,用于通过 FinnHub 提供的 REST 与 WebSocket 接口获取股票、外汇、加密货币、公司基本面、新闻与实时行情数据。该技能覆盖实时报价、历史 OHLCV K 线、公司档案、同业公司、公司新闻、基础财务指标、财报日历、IPO 日历、股息与拆股、分析师评级与目标价,以及外汇汇率和加密货币行情等。使用方式为通过环境变量 FINNHUB_API_KEY 配置密钥,可直接调用 REST 端点(基础地址 https://finnhub.io/api/v1),也可安装官方 SDK(Python 使用 pip install finnhub-python,JavaScript 使用 npm install finnhub);实时数据可通过 WebSocket 地址 wss://ws.finnhub.io?token=API_KEY 订阅。免费层每分钟 60 次调用,付费层每分钟 300 次以上;部分端点如内部人交易与情绪、SEC 文件、ESG 评分、专利数据、国会交易、国际市场、营收与 EPS 预估等标记为 Premium,需付费。资料未提供具体价格、免费层完整调用额度以外的限制细节、各端点完整参数与返回结构,以及官方文档与定价页的访问地址,这些内容暂未提供。
该技能用于根据财务报表数据计算关键财务比率与指标,服务于投资分析。它覆盖盈利能力、流动性、杠杆、效率、估值及每股指标等类别,支持输入利润表、资产负债表和现金流量表数据,并输出计算结果、行业基准对比、趋势分析、解读洞察以及格式化 Excel 报告。
SEC EDGAR 数据抽取流水线:围绕 edgar-analyzer 配置凭证与用户代理,按 CIK 发现申报文件,通过示例驱动生成抽取代码,运行抽取并导出 CSV 报告。
HuggingFace Tokenizers 是面向研究与生产环境的快速分词库,采用 Rust 核心实现并提供 Python/Node.js 绑定。官方资料显示其可在 20 秒内完成 1GB 文本的分词,比纯 Python 实现快 10–100 倍;支持 BPE、WordPiece、Unigram 三种分词算法,可用于加载预训练分词器、从零训练自定义分词器、批量编码与填充、对齐位置追踪,以及与 transformers 的 AutoTokenizer / PreTrainedTokenizerFast 集成。安装方式为 pip install tokenizers 或 pip install tokenizers transformers。
MongoDB 是面向文档的 NoSQL 数据库,以灵活的类 JSON 文档存储数据,适合非结构化/半结构化数据、层级关系与横向扩展场景。资料涵盖文档结构、嵌入与引用设计、CRUD 查询、索引策略、聚合管道、事务、变更流及 Spring Data 集成。
LinkFox Amazon 店铺商品目录(Catalog Items)查询技能,用于通过 Amazon SP-API 获取亚马逊商品目录数据。支持按 ASIN 获取目录详情,按关键词、标识符或分类条件搜索商品,以及查询商品类目节点、标题摘要、图片和其他 includedData。该技能依赖 linkfox-amazon-store-auth 完成选店(sellerId+region),通过 POST /spApi/developerProxy 转发请求,由服务端解析 token。提供 listCatalogCategories、searchCatalogItems、getCatalogItem 三项能力,默认使用 Catalog Items 2022-04-01 版本。脚本会将完整响应落盘到工作目录,并按响应体大小决定输出摘要或全量 JSON。本技能不消耗算力,仅读取商品目录,不涉及卖家订单。
本工具用于亚马逊商品与类目买家反馈洞察,可按 ASIN 或 browse node 查询评论主题、主题提及量、星级影响、评价趋势、退货主题和退货趋势,帮助分析产品口碑及类目问题。它属于 LinkFox 的 Amazon Store 系列技能,依赖 linkfox-amazon-store-auth 进行选店(sellerId+region),通过 POST /spApi/developerProxy 转发调用亚马逊 Customer Feedback 接口,并配套提供多个 Python 脚本以完成具体查询。该技能通常需要 Brand Analytics 或 Selling Partner Insights 等角色权限,数据刷新频率以亚马逊为准(通常按周)。使用时需注意接口保护与重试规则,并遵循其成本与算力约束说明。
实时监控是一个股票行情跟踪助手技能,用于持续跟踪自选股实时行情并设置价格提醒。它支持批量查询多只股票、跨市场监控(A股、港股、美股混合)、识别大涨大跌等异动股票,以及比较持仓盈亏情况。用户可通过自然语言触发,例如查询指定股票、输入持仓买入价、监控ETF等。该技能通过 get_quotes_by_query 等工具批量查询行情,整理为行情表格或持仓盈亏表格,并自动检测涨跌幅超过5%、接近涨跌停、相对买入价大幅波动等异动。还可记录用户设置的价格提醒条件,在后续查询时检查触发,并配合 OpenClaw 定时任务实现定时推送。
Banked 集成技能,用于通过 Membrane CLI 连接 Banked 银行直付平台,管理账户、交易、预算与目标等数据并自动化工作流。适合需要与 Banked 数据交互的场景。
从 G2、Capterra、Trustpilot、App Store 等平台汇总并分析客户评论,进行情感分析、痛点识别、营销主张提取和竞品对比,生成可执行洞察报告。
seasonal-patterns 用于识别营收与支出的季节性周期,基于至少 12 个月数据计算月度指数、峰谷与季节区间,帮助安排现金储备、支出与营销时机。
Google Gemini Embeddings 技能是一份面向生产环境的完整指南,围绕 gemini-embedding-001 模型生成文本向量。内容涵盖 SDK 与 REST API 用法、批量嵌入、8 种任务类型、与 Cloudflare Vectorize 集成的 RAG 模式,以及语义搜索、文档聚类等高级用例。模型支持 768 至 3072 维灵活输出(基于 Matryoshka 表示学习),单条文本输入上限 2048 tokens,仅支持文本。指南强调非 3072 维向量必须归一化后再计算相似度,并给出批量 API 的已知问题(排序错乱、内存限制、限流异常)与规避方案,以及错误处理与最佳实践。
NeMo Curator 是 NVIDIA 推出的 GPU 加速数据整理工具包,用于为 LLM 训练准备高质量数据。它支持文本、图像、视频、音频多模态数据,提供模糊去重(比 CPU 快 16 倍)、质量过滤(30+ 启发式规则)、PII 脱敏、分类器过滤等能力,并可在 GPU 集群上近线性扩展。适用于从网页抓取(如 Common Crawl)构建训练数据、多模态数据集整理、低质或有害内容过滤等场景。安装方式包括 uv pip install "nemo-curator[text_cuda12]"、[all_cuda12] 或 [cpu]。
该技能用于识别机构持仓变化、共识强化与调仓方向,帮助判断哪些公司或行业被增配、减配或重新定价,适用于13F、基金季报、机构持仓复盘与风格验证。推荐配合万得 wind-mcp-skill 获取底层数据。
这是一个面向供应链分析、库存优化、物流规划、供应商评估与需求预测的框架型技能。它以模板、公式和表格形式提供端到端供应链映射、EOQ 经济订货量、安全库存与再订货点计算、ABC-XYZ 分类、供应商评分卡、总拥有成本(TCO)对比、需求预测方法选择、物流运输方式选择与仓库布局优化、前置时间分析以及供应链风险评估等内容,适用于供应链分析、库存优化和供应商评估等场景。
这是一个配合 Octagon MCP 使用的技能,用于检索能源、金属和农业三大板块的可交易大宗商品目录。它通过 octagon-agent 工具接收自然语言提问,返回按类别整理的大宗商品及交易公司信息,例如公司名称、交易品种和关键市场/服务。适合在调研大宗商品市场、识别市场参与者、了解能源、金属、农业商品分类,或查询特定品种(如天然气)交易商时使用。使用前提是已在 AI 智能体中配置 Octagon MCP,具体安装方式需参考对应的 mcp-setup 文档,本资料未提供安装步骤与代码。技能可回答全目录、能源、金属、农业、特定商品和服务聚焦等类型的问题,并附带结果解读参考。
面向交易的情绪与另类数据分析技能,覆盖社交媒体、新闻、链上数据与持仓信息,强调用严格回测验证信号并警惕噪声与信息衰减。
Databricks SQL(DBSQL)高级功能与 SQL 仓库能力技能,用于在用户提及 DBSQL、Databricks SQL 等关键词时提供 SQL 脚本、存储过程、递归 CTE、事务、物化视图、Pipe 语法、地理空间、排序规则、AI 函数、http_request、remote_query、read_files 等高级特性的语法参考与使用模式。
DeepEar Lite 技能:从 DeepEar Lite 平台实时数据源获取高频金融信号,包含标题、摘要、置信度与推理依据,适用于需要即时了解金融市场趋势与传导链分析的场景。
CSV Analyzer 是一个综合性的 CSV 数据分析与可视化工具,以技能(skill)形式提供。它通过运行本地 Python 脚本 analyze_csv.py 对 CSV 文件进行分析,生成数据摘要、质量评分、相关性、偏度、异常值等统计结果,并输出多种图表(如概览仪表盘、缺失值图、数值分布图、箱线图、相关性热力图、类别分布图、时间序列图、散点矩阵、小提琴图等)。工具完全在本地运行,依赖 pandas、matplotlib、seaborn、scipy、numpy,免费使用。适用于需要快速了解 CSV 数据概况、检查数据质量、探索变量关系、发现异常值或生成可视化报告的场景。
面向使用 Pinecone 开发的开发者的官方文档索引技能。它按主题整理了 Pinecone 文档的链接,并提供数据格式参考,涵盖入门、索引、数据写入、搜索、API 与 SDK 参考以及生产环境等主题。适合在需要查询 Pinecone 相关用法时,先获取对应文档页面而非依赖模型的训练数据。
面向交易者的市场结构分析技能,融合威科夫、SMC/ICT、Al Brooks 与经典价格行为,输出含关键价位、入场、止损与盈亏比的结构化交易脚本。
scikit-survival 是构建在 scikit-learn 之上的 Python 生存分析库,用于处理含删失数据的时间-事件建模,支持 Cox 模型、集成方法、生存 SVM、竞争风险、非参数估计与模型评估。