SuperAPI AI 工具集找到适合任务的 Agent Skill，阅读介绍并复制安装命令。
更新于 10-30 00:12
17,182 个结果
Data Pipeline Processor 是一个用于数据处理的开源技能，版本 1.1.0，归类为开发类。它通过可配置的转换管道处理数据文件，支持验证、编码检测和多格式导出。核心流程为：输入（CSV/Excel/JSON）→ 验证 → 转换 → 分析 → 导出。主要能力包括：自动检测文件编码（UTF-8、Latin-1、cp1252 回退），读取 CSV、Excel、JSON、Parquet 等格式；通过可配置规则进行数据验证（必填列、重复行、空值检查）；提供链式数据转换操作（重命名列、过滤行、选择/删除列、填充空值、类型转换、添加计算列、分组聚合、排序）；支持导出为 CSV、Excel、JSON、Parquet。使用方式包括 YAML 配置文件驱动和 Python 编程调用两种，可通过命令行运行管道，支持覆盖输入输出路径和 dry-run 仅验证模式。适用于 CSV/Excel/JSON 数据清洗与转换、批量文件处理与聚合、编码问题处理、ETL 操作以及数据质量检查与报告等场景。
Great Tables 是一个受 R 语言 gt 包启发的 Python 表格库，用于生成出版物质量的表格。它支持丰富的样式、数值与日期格式化、条件格式、分组表头、脚注注释，并可导出为 HTML 或图片。官方通过 pip 或 uv 安装，配合 pandas、polars 使用。
Polars 是一个高性能 DataFrame 库，用于快速数据处理。它支持惰性求值、并行执行和内存高效操作，适用于任意规模的数据集。该技能介绍何时使用 Polars，例如数据量超过 pandas 承载能力（10GB+）、需要极致转换速度、内存受限、希望自动利用全部 CPU 核心、进行复杂聚合（分组、窗口函数、滚动计算）、需要查询优化、构建生产级 ETL 管道或处理超过内存的流式数据；也说明何时不宜使用，例如依赖 pandas 专属生态、数据量小于 100MB、已有大量 pandas 遗留代码、需要与 Matplotlib/Seaborn 直接集成或依赖更成熟的时间序列特性。内容涵盖安装方式（pip、带可选依赖、uv）、DataFrame 创建与多种文件 I/O（CSV、Parquet、JSON、NDJSON、Excel、Delta Lake、SQL、URL，以及写出）、惰性求值与查询优化（LazyFrame、explain、streaming、fetch、谓词与投影下推、sink）、表达式 API（列选择、算术、条件、字符串、列表、结构体、日期时间）、分组聚合、窗口函数（排名、累计、shift、百分比变化、滚动窗口、指数加权）、连接与拼接等主题，并保留示例代码。
semantic-search-setup 是一个用于为文档集合搭建向量嵌入与语义搜索基础设施的技能。它不同于基于关键词的 FTS5 搜索，语义搜索即使没有精确词匹配也能找到概念相似的内容。技能基于 sentence-transformers 与 numpy，使用 all-MiniLM-L6-v2 等模型生成归一化嵌入，并通过余弦相似度检索最相近的文本块。主要流程包括：安装依赖、在 SQLite 中创建 embeddings 表、生成并保存嵌入、批量处理、执行语义搜索，以及可选的 Python 后台嵌入服务脚本。适用于为文档集合添加 AI 搜索、查找概念相关文档、为 RAG 问答系统准备知识库、构建推荐系统和实现“更多类似内容”功能。文档还提供了模型选型表、常见错误处理、性能指标与最佳实践。
面向数据工程智能体的技能，用于在上游系统不稳定、缓慢、限流、延迟或不可靠时，指导设计安全的抽取与摄取行为，覆盖故障模式刻画、重试与超时策略、隔离与部分数据发布决策、可观测性及恢复步骤。
VideoDB 提供的视频检索技能，用于在单个视频、视频库或会议录像中定位某个片段，或针对视频内容提问。技能会根据当前运行环境选择不同路径：存在 VideoDB 连接器工具时直接调用上传、搜索、提问、理解等工具；没有连接器但可运行 Python 时，引导用户提供 VideoDB API Key 并通过 Python SDK 操作；两者都没有时提示用户在设置中连接 VideoDB。支持语音转写、场景理解、索引构建、带时间戳的片段搜索、带引用的问答、跨视频库检索、聚合统计和精确过滤，并可生成匹配片段的播放链接或合成剪辑。
Contextual Retrieval 是 Anthropic 提出的一种改进 RAG 检索质量的技术。传统分块会把文档切成独立片段，导致片段丢失文档级上下文（例如片段只写“营收环比增长 15%”，却不再出现“ACME”或“Q3 2024”），检索时无法命中。该技术在每个片段嵌入前，先用 LLM 为其生成 1-2 句情境说明并前置到片段中，从而保留文档级含义。它通常与 BM25 关键词检索和向量检索的混合搜索配合使用，并可叠加重排序。据 Anthropic 研究，传统嵌入检索失败率为 5.7%，加入情境化嵌入后降至 3.5%，再叠加 BM25 混合检索降至 1.9%，再加重排序降至 1.3%，整体减少约 67% 的检索失败。适用于文档含重要元数据（日期、名称、版本）、片段脱离上下文易失去含义、检索质量要求高的场景；对自包含片段、低延迟索引或成本敏感的小文档场景可跳过。
FinData Toolkit for US Market 是一个面向美国市场分析的自包含金融数据工具包，提供实时财务数据获取与量化计算能力。所有数据源均免费且无需 API 密钥。工具包含六个脚本：股票数据（通过 yfinance 获取基本面、价格历史与财务指标）、SEC EDGAR（获取内幕交易 Form 4、公司文件与 CIK 查询）、财务计算器（杜邦分解、Altman Z-Score、Beneish M-Score、Piotroski F-Score、盈利质量与营运资本分析）、投资组合分析（集中度、相关性聚类、VaR/CVaR、压力测试与健康评分）、因子筛选器（价值、动量、质量、低波动、规模、成长多因子评分）以及宏观数据（来自 FRED 的美国宏观经济指标仪表板）。所有脚本输出 JSON 到 stdout，错误输出到 stderr，便于解析。适用于量化分析、投资研究与财务尽调等场景。
Insider Sentiment Aggregator 是一个用于聚合多只股票内部人（管理层）买入/卖出模式的分析技能，旨在识别管理层信心信号。它适用于用户提出市场范围内部人交易分析需求的场景。该技能以专业研究与风险分析师的视角，通过结构化工作流产出可复用的分析与监控清单。工作流包括：确认输入（股票池/标的、时间窗口、输出偏好如排名列表/简报/备忘录、以及流动性、风险预算、授权等约束）；按需拉取数据（参见 references/data-queries.md，激活仓库根目录 .venv 后通过 python 运行共享脚本）；分析框架（先给出 3–5 条要点的执行摘要，再展示证据，定义、阈值与边界情况见 references/methodology.md）；输出（使用 references/output-template.md 生成最终交付物，包含关键数据、解读、风险、监控与后续步骤）。实时市场数据可参见 references/data-queries.md 并运行 ../findata-toolkit/scripts/ 中的共享脚本。重要准则：始终标注数据截止日期与单位，绝不编造缺失值；将信号与叙事分离，展示何种情况会改变结论；输出仅供参考，不构成投资建议。
该技能用于在 DeFi 金库存款前进行尽职调查并构建存款交易。它通过 vaults.fyi 的 MCP 工具获取金库的评分、风险标记、费用、历史 APY 与 TVL、基准利率等数据，并设置安全闸门：存在严重标记的金库直接阻止存款，存在警告标记的需用户明确确认。随后检查钱包余额，必要时通过 Zerion CLI 进行兑换或跨链桥接，最后构建未签名存款交易，由用户自行签名广播。适用于用户要求向指定网络上的特定金库存款、质押或询问金库是否安全等场景。
1inch Market Data 是一个基于 1inch MCP `product_api` 工具的市场数据查询技能，用于获取代币现货价格、Gas 价格和价格图表。当用户询问代币价格、美元价格、Gas 价格或价格走势图时可使用该技能。使用前需先调用 authenticate 完成认证（若返回 initialize 200 则仍为匿名状态）。查询代币价格时应始终设置 currency=USD，除非用户明确要求返回原生 WEI 数值。若遇到路径 404，可读取 api-index 指南或调用 search 后重试。该技能属于 1inch AI 技能集，适用于需要实时链上市场数据的场景。
1inch-wallet-data 是 1inch/1inch-ai 提供的一个技能（skill），用于通过 1inch MCP 的 `product_api` 工具查询钱包与链上数据。该技能面向需要了解加密钱包资产状况和使用代币信息的场景，可查询投资组合价值与盈亏（P&L）、钱包余额、交易历史、NFT 以及代币元数据。使用时应先调用 authenticate 进行认证，若尚未以真实用户身份登录，则 initialize 返回 200 仍代表匿名状态。技能要求在 references/RECIPES.md 中给出的配方基础上调用已认证的 `product_api` 工具。它推荐按用户意图选择对应产品能力：投资组合价值/盈亏对应 Portfolio，钱包代币余额对应 Balance，按符号或名称查找代币对应 Token search，代币详情或元数据对应 Token Details，交易历史对应 History，钱包持有的 NFT 对应 NFT。若某路径返回 404，应读取 file://1inch-mcp/guides/api-index 或调用 search 后重试，且不得臆造版本号。示例提示包括查询以太坊上某地址的投资组合价值、列出 Base 链上某钱包的余额、在 Arbitrum 上搜索 USDC 代币等。
CT Monitor 是一款加密货币情报分析工具，定位为“加密智能分析师”。它整合了 5000+ KOL 推文（历史与实时）、AI 评分的新闻、RSS 订阅源以及 CoinGecko 价格数据，用于提取可执行的 Alpha 信号、识别新兴叙事、发出安全风险预警，并生成多维度的 AI 简报。其数据通过 API（Base URL: https://api.ctmon.xyz/api）获取，鉴权方式为环境变量 $CT_MONITOR_API_KEY，请求头使用 Authorization: Bearer。工具强调数据完整性这一硬性约束：严格使用 API 返回的数据，若返回空列表则明确说明“无可用数据”，不得编造内容。
HFT Quant Expert 是面向 DeFi 与加密衍生品的量化交易技能，用于构建交易策略与信号、实施风险管理、计算仓位规模、回测策略以及分析波动率与相关性。其工作流分为四步：定义信号（计算 z-score 或其他入场信号）、确定仓位（使用 0.25 倍凯利公式）、验证回测（检查前视偏差、幸存者偏差、过拟合）、计入成本（在利润计算中包含 gas 与滑点）。技能还提供 z-score、年化夏普比率、凯利分数、均值回归半衰期等常用公式，并列出常见陷阱，如使用未来数据、仅统计现存资产、参数过多、忽略成本以及年化周期错误（日频用 252，小时频用 365*24）。
feeds 是 cloddsbot 提供的市场数据模块，可接入 Polymarket、Kalshi、Manifold、Metaculus、PredictIt、Drift、Betfair、Smarkets 八个预测市场平台，获取实时与历史行情、订单簿、新闻，并提供边缘分析与凯利公式计算。
Advanced Alchemy 数据库播种技能：用 JSON fixture 文件、同步或异步辅助函数、仓储批量操作与框架启动钩子来填充数据库和加载测试数据。
Azure Cosmos DB 文档数据建模最佳实践，涵盖嵌入与引用、文档大小与嵌套限制、类型判别器、架构版本管理与 JSON 序列化等设计规则。
aeon-defi-monitor 是一个 DeFi 监控看板技能，跟踪 DEX 池、借贷市场与金库的配置清单，仅在指标发生有意义变化时提醒，并可配合 Bankr Submit 让操作者直接跟进。
基于 CoinGecko 公开接口的每日代币行情扫描技能，输出涨幅榜、跌幅榜、搜索热度榜，并为每个条目附加拉盘风险标记（低流动性、仅单一交易对、新上线、成交量与市值失衡、持仓数据不足、仅中心化交易所等），帮助操作者快速筛掉疑似蜜罐项目。
ChEMBL 是由 EBI 维护的生物活性分子数据库，收录超 200 万化合物、1900 万条生物活性测量、13000+ 药物靶点及已批准药物数据。本技能通过 ChEMBL Python 客户端以编程方式查询化合物、靶点、活性（IC50、Ki、EC50）、药物机制与结构相似性，用于药物发现与药物化学研究。
用于查询 NCBI ClinVar 中人类遗传变异与临床意义关系的技能，可按基因、位置或临床意义检索，解读致病性分类与评审星级，并通过 E-utilities API 或 FTP 批量获取数据。
通过 Copernicus Climate Data Store（CDS）API 获取 ERA5 再分析、气候预测与卫星气候记录，覆盖 1940 年至今的全球网格气候数据，适合在 Python 中检索并处理 NetCDF 气候数据。
基于 pandas、numpy 与 scikit-learn 的本地数据转换技能，可用于清洗、归一化、重塑、过滤与特征工程，兼容任意 LLM 提供方，在本地环境中执行。
用于对科学数据文件执行探索性数据分析（EDA）的技能，支持200+科研文件格式，可自动识别文件类型、提取格式相关信息、评估数据质量与完整性，并生成Markdown分析报告，适合在正式分析前了解数据结构与内容。