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 10-31 00:15
17,195 个结果
该技能用于在 Prisma ORM 中配置 MongoDB 数据库。资料明确指出 MongoDB 在 Prisma ORM v7 中不受支持，需使用 Prisma ORM v6。内容涵盖前置条件（MongoDB 4.2+、副本集、Prisma v6.x）、schema 配置（datasource 与 generator）、ID 字段的 @id、@map("_id")、@db.ObjectId 要求、关系字段的 ObjectId 类型、环境变量 DATABASE_URL 示例，以及迁移与内省的差异（MongoDB 无迁移，使用 db push 与 db pull）和常见问题（事务需副本集、Invalid ObjectID）。
Prisma SQLite 配置参考，介绍如何将 Prisma 与 SQLite 数据库配合使用。内容涵盖 schema.prisma 数据源配置、v7 版本的 prisma.config.ts 配置、环境变量设置、连接字符串格式，以及 Prisma ORM 7 所需的驱动适配器（better-sqlite3 与 LibSQL/Turso）的安装与实例化方式，并列出 SQLite 的已知限制和常见问题。
Trace 是一个沿技术栈追踪代码去向的技能：给定代码片段、符号名或文件引用，向上追踪调用链到入口点，向下追踪依赖到数据层，并横向检查回调、授权与异步交接，最终输出纵向堆栈图与文字说明。
用于采集 Facebook 帖子评论文本的技能，可获取作者、时间戳、点赞与回复等信息，适合做受众反馈挖掘、问题汇总与情感分析。依赖 BrowserAct CLI 访问真实浏览器页面。
该技能用于将 Cortex CLASSIFY_TEXT 教程笔记本部署到用户的 Snowflake 账户，并返回在 Snowsight 中打开该笔记本的链接。部署流程包括：先获取官方最新文档以确保语法准确，检测或设置目标环境（优先使用 SNOWFLAKE_LEARNING），创建以当前用户命名的 schema，创建内部 stage，上传教程笔记本文件，在账户中创建笔记本，最后生成 Snowsight 直链。笔记本内容涵盖加载 Tasty Bytes 餐车客户评论示例数据、用 Python 的 cortex.classify_text() 和 SQL 的 SNOWFLAKE.CORTEX.CLASSIFY_TEXT() 进行文本分类，以及分析客户是否愿意推荐餐车（结果为 Likely、Unlikely 或 Unsure）。适用于希望学习 Snowflake Cortex 文本分类功能的用户。
该技能提供面向表格、文档与图像数据的全链路数据分析工作流，强调安全探查、质量体检、按需分析与结果验证，避免全量加载导致上下文溢出。
Teambition 企业数据统计技能，通过 Teambition 开放平台 MCP 工具查询企业任务统计数据，支持按执行者、创建者、时间等维度分析任务数量、完成率、缺陷与需求等指标。使用前需配置 Teambition UserToken。
Etherscan 是一个多链区块浏览器 API 查询技能，用于访问 Etherscan 及兼容的区块链浏览器接口，覆盖以太坊、BSC、Polygon、Arbitrum、Optimism 和 Base 等网络。它可以查询地址的交易历史、ERC-20 与 ERC-721 代币转账记录、账户余额、合约 ABI、合约源代码以及以太坊 Gas 数据。该技能支持通过 getabi 获取任意已验证合约的 ABI，并配合 read_contract 和 write_contract 实现动态合约交互，无需为每个合约预先构建工具。每个请求需要提供 apikey 参数，速率限制为每个密钥每秒 5 次调用。适用于链上数据分析、合约调用准备、Gas 费率查询和钱包交易追踪等场景。
该技能通过天工 CLI 调用 federal-register.documents 能力，抓取 FederalRegister.gov 的官方文件元数据，支持按发布日期、关键词、机构、类型、主题等过滤。技能本身只负责意图路由和结果使用边界，具体分页、校验、HTTP 行为与回执由 CLI 管理。
该技能用于通过天工 CLI 获取 USGS WaterServices 的瞬时站点观测数据。它本身只提供意图路由与结果使用边界，实际的源发现、输入输出模式、HTTP 行为、限制、校验与回执均由 CLI 的 usgs.water-instantaneous-values 能力负责。使用时需先读取需求文件、运行 data describe 与静态 doctor，再构造 tiangong.data.run-request.v1 请求，空间选择器（boundingBox 或 siteNumbers）与时间选择器（period 或显式 start/end）各只能选一个。契约限制包括最多 100 个站点 ID、bbox 坐标跨度乘积不超过 25 平方度、1 至 8 个参数代码。结果中 P 限定符与 provisional 标记表示数值可能变化，partial 表示归一化覆盖不完整，blocked 表示无可用业务结果，截断需如实报告。零结果或稀疏结果不能证明水文现象不存在，也不得据此推断洪水水位、重现期、警报或危害含义。
Apache Airflow 是一个基于 Python 的工作流编排平台，用于构建、调度和监控数据管道、ETL/ELT 流程及批量任务。该技能围绕 DAG 编写、operator、sensor、hook、XCom、变量、连接与部署模式展开。适用场景包括：具有任务依赖关系的复杂数据管道、ETL/ELT 工作流编排、周期性批处理调度、带重试与错误处理的工作流、跨多系统任务协调、需要执行历史可见性与审计追踪、机器学习管道编排。不适用场景包括：实时流数据处理、简单 cron 作业、CI/CD 管道、低延迟要求、单任务简单自动化、面向非开发者的可视化工作流设计。安装方式提供 pip、Docker Compose、Kubernetes Helm 三种，官方推荐 Docker Compose。
为数据产品与管道变更编写结构化规格说明的AI技能。适合新建管道、模型、摄取流程或重大变更前使用，先写规格再写管道代码，明确业务意图、源与目标、质量规则和成功标准。
AI Vector Brain 是一个用于构建向量检索大脑（vector brain）的技能，面向代码仓库、文档中心和合规语料库等场景。其 V1 默认后端为 Postgres + pgvector，提供语料清单、清单文件（manifest）、SQL 模式、嵌入与加载脚本、混合检索、评估种子以及智能体检索工具契约等具体实现路径。该技能聚焦于“如何构建”检索层，涵盖语料盘点、DDL、摄取脚本、嵌入、混合搜索、评估门禁和后端配方，而不涉及宽泛的 RAG 理论、应用上下文策略、智能体拓扑或机器人 UX。它提供三种语料剧本：仓库/代码库大脑、文档中心大脑和合规/政策大脑，并附带后端选择矩阵、成本估算、生产运行手册等参考文档。
该技能面向数据平台侧的流式处理设计，覆盖事件骨干选型、CDC 管道、有状态处理、Schema 治理以及向湖仓、数仓、搜索或服务系统的实时投递。适用于在 Kafka、Redpanda、Pulsar、Kinesis 或托管 Kafka 之间做选择，设计主题、分区、保留与重放策略，构建或修复基于 Debezium、Flink CDC 的 CDC 管道，定义 Schema Registry 兼容性与契约规则，规划 Kafka 升级与 ZooKeeper 到 KRaft 迁移，以及制定流式 SLO、延迟监控、检查点与重处理策略。技能强调先选骨干再选处理器、Schema 与重放视为产品接口、默认事件时间处理，并要求在给出托管服务、版本特性、限制或价格建议前核对官方文档。
yao-chatgpt-crawler 是一个用于批量抓取 ChatGPT 网页 AI 搜索结果并生成分析报告的技能，适用于监测特定实体在 ChatGPT 回答中的曝光与提及情况，需要提供关键词、重复次数、目标实体与类型、浏览器配置及抓取间隔。
Yao DeepSeek Crawler 是一个面向 DeepSeek 网页搜索场景的批量抓取与聚合分析工具，属于 yao-geo-skills 技能集。它适用于这样的需求：用户提供 DeepSeek 网页 AI 搜索关键词（或问题）、重复次数、目标实体及实体类型（人/公司/产品）、浏览器配置文件，以及可选的输出目录，然后进行多次全新窗口的抓取，最终聚合成结构化报告。竞品必须与目标实体类型匹配。报告默认使用简体中文，并提供英文摘要开关。该工具依赖本地 DeepSeek 网页自动化，不会绕过登录、验证码、机器人检查或隐藏数据。其概率类指标是基于重复采样的估计值，而非真实基准；推断出的竞品属于启发式结果，除非在正式交付时要求 AI 语义评审通过。使用时需先运行预检脚本，再进行批量抓取，然后对抓取 JSON 执行分析，产出原始 JSON、结构化 Markdown、Excel 工作簿、HTML 报告、摘要 JSON、语义评审缓存以及失败日志。它不适用于通用网站爬虫、DeepSeek API 对话、SEO 文案写作或一次性答案生成。
通过 MCP 协议查询历史股票市场数据的技能，覆盖 A 股、港股、ETF 与指数。可获取日线 OHLCV、财务报告、指数数据、ETF 数据等历史数据。使用前需配置 STOCK_MCP_TOKEN 环境变量（需从管理平台 nps_enhanced 购买配额包获取 JWT 令牌），可选配置 STOCK_MCP_SERVER_URL。按每次工具调用返回的记录行数计费，查询包自购买起 90 天有效，支持多包叠加。
Credit Spread Monitor 是一个用于跟踪信用利差（IG/HY）、违约风险代理指标和压力信号，并总结其对股票影响的技能。它面向信用状况或利差相关提问，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。该技能强调先确认输入（标的范围、时间窗口、输出偏好与约束），再按需拉取数据，随后以执行摘要加证据的方式展开分析，最后按模板生成包含关键数据、解读、风险、监控与后续步骤的交付物。它要求标注数据截止日期与单位，不虚构缺失值，并区分信号与叙事，说明何种情况会改变结论。该输出仅供参考，不构成投资建议。
将法律分析文本转化为结构化风险分析报告的技能：执行五步风险抽取，生成雷达图、风险矩阵、影响路径图与决策树四层可视化，输出中文Markdown报告及4张PNG图片，面向法律人与业务决策者。
Data Pipeline Architect 是一个用于设计 ETL/ELT 数据管道的技能，指导如何可靠地将数据从来源移动到目标。它涵盖 ETL 与 ELT 模式选择、编排工具（Airflow、Dagster、Prefect、dbt）、数据质量校验与血缘追踪、批处理与流处理的可扩展性设计，以及重试、死信队列、检查点、幂等加载等错误处理模式，并包含监控告警、缓慢变化维、增量处理等常见实践。
该技能名为 Data Storytelling Analyst（数据叙事分析师），用于将原始数据转化为有说服力的可视化叙事。它支持使用 Python 或 R 进行分析与绘图，核心关注清晰度、洞察力与美学呈现。其能力覆盖探索性数据分析（识别趋势、异常值与模式）、可视化（Python 的 Matplotlib、Seaborn、Plotly，或 R 的 ggplot2）、叙事结构（按“背景→冲突→解决”的逻辑组织发现）以及设计原则（配色理论、留白、排版）。工作流程包括：解析需求（数据结构与变量、目标受众、核心问题或假设）、数据准备策略（缺失值处理、类型转换）、可视化建议（推荐具体图表类型并解释其叙事有效性）、代码实现（提供带注释的代码，分离数据加载与绘图，并定制图表美学，去除图表垃圾、添加描述性标题、清晰标注坐标轴），以及叙事洞察（撰写简短的“洞察摘要”，解释图表含义及其重要性）。风格上使用可访问的配色方案，以颜色突出数据而非装饰，追求简洁，并优先使用直接标注而非图例。
该技能用于在 Polymarket 预测市场上构建和测试 YES/NO 代币交易策略，面向真实世界事件（如选举、美联储决策、体育赛事、加密价格等）。它提供 6 个工具：浏览预测事件、获取市场数据、生成策略代码、运行回测、检查数据可用性以及查看最近回测结果。用户可先加载工具，再按“浏览市场→分析数据→创建策略→回测验证”的流程操作。策略以 Python 的 PolymarketStrategy 类实现，需定义 should_buy_yes、should_buy_no、go_yes、go_no 等方法。资料还介绍了预测市场机制、市场类别、策略类型、滚动市场、风险管理与常见工作流。部分工具按次收费（如 $0.001），策略生成按 LLM 成本加价（最高 $4.50）。
一个面向数据库性能调优的 Claude Code 技能，用于排查慢查询、分析执行计划、设计索引与调优配置，覆盖 PostgreSQL 和 MySQL。
将 David Tepper 2009 年与 2020 年恐慌抄底逻辑量化的信号工具：当 VIX≥35、FearScore≥80 且标的质量达标时给出 armed 信号，否则返回 watch、near 或 cold。