youtube-search-results-scraper
用于采集 YouTube 搜索结果的中文技能，可获取匹配关键词的视频、频道、播放列表或直播的标题、链接、作者与互动数据，适合选题研究、创作者发现、话题监测和竞品关键词追踪。依赖 BrowserAct CLI 访问真实浏览器页面执行任务。
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 10-31 00:15
数据与分析
17,199 个结果
analytics-tracking
analytics-tracking 是来源 santiagoxor/pintureria-digital 的专用技能，用于实现与维护分析系统，涵盖事件追踪、电商指标、GA4 集成以及管理后台。它提供统一的 trackEvent() 调用入口、useAnalytics 钩子以及若干关键文件路径（分析集成库、Analytics 组件、追踪 API、分析钩子），并给出常见事件的埋点示例，包括浏览商品（view_item）、购买（purchase）以及通过钩子在组件内触发自定义事件。资料还列出了标准事件类型清单：页面浏览、商品浏览、加入购物车、从购物车移除、开始结账、完成购买和商品搜索。
data-visualization
一份数据可视化技能，讲解图表选型、色彩理论与标注最佳实践，涵盖柱状图、折线图、散点图、热力图等的坐标轴规则与设计要点，并通过 inference.sh 命令行（belt）执行 Python 绘图代码来生成图表。
snowpipe-bcdr
用于在 Azure ADLS Gen2 上设计与运维 Snowpipe 业务连续性/灾难恢复的 Snowflake 技能。提供六种 BCDR 模式（手动补齐、双活去重、RA-GRS 读取、主备、仅 Failover Group、双存储双管道），按 RPO、RTO、版本与成本选择，仅支持 Azure，AWS S3 与 GCS 不在范围内。
pygmt
PyGMT 是一个基于 Python 的地理制图与地理空间网格处理工具，底层调用 GMT（Generic Mapping Tools）。它用于制作地图、处理栅格网格数据，支持投影、区域范围设定、网格配准以及矢量/栅格导出。资料指出 PyGMT 0.19 需要 Python 3.12+ 与 GMT 6.5+，且仅安装 Python 包不会自动安装 GMT 共享库，建议使用 conda-forge 隔离环境并配合 Ghostscript 导出图形。使用时需明确地理坐标与投影坐标、水平 CRS、经度约定与垂直基准，谨慎选择区域与投影，区分像素配准与网格线配准，并在网格化或显示前核对坐标顺序、间距与 NaN 掩膜。
configure-scales-guides-color
该技能介绍如何为 TanStack Charts 配置比例尺（scales）、参考线（guides）、坐标轴、边距、图例、分组与颜色，同时不接管响应式位置范围的所有权。内容围绕 trigger → inspect → decide → build → verify 的工作流程，明确应用负责语义域和颜色策略，而 TanStack Charts 负责推断域、响应式位置范围、参考线测量和最终绘制解析。技能提供了以 factories 处理推断域、以配置实例处理固定语义域的设置方式，并给出 scaleLinear、scaleOrdinal、scalePoint 等比例尺以及 colorLegend、defineChart、lineY 的示例代码。核心模式包括按语义选择比例尺、有意共享域、将系列标识与绘制颜色分离，以及区分刻度候选值与标签碰撞。文档还列出了常见错误，如为位置比例尺分配像素范围、使用默认实例进行推断、误用颜色作为几何标识、把包含关系当作碰撞规避，以及响应式适配与比较稳定性之间的张力。
migrate-to-tanstack-charts
将 Observable Plot、Recharts、Chart.js、ECharts、直接 D3 等图表渲染器迁移到 TanStack Charts 的技能，核心是迁移语义归属而非组件名称，并用多场景证据证明视觉与行为等价。
prepare-chart-data
TanStack Charts 的数据准备技能，用于在图表渲染前对应用数据行进行排序、聚合、派生与转换，同时保留语义单位与数据血缘。核心方法是「触发 → 检查 → 决策 → 构建 → 验证」，强调将分析性准备逻辑放在响应式布局之外，并保留 tooltip、选择、表格与下钻所需的原始行血缘。资料提供了 groupBy、lineY、rollingWindow、fold、normalize、select 等 API 的代码示例，以及「按作用域选择归属方」的决策表、常见错误（如创建标记后再排序、在响应式构建器中运行急切转换、手动累积堆叠、丢失血缘平坦化派生行等）。适用于配合 TanStack Charts 使用、需要在标记构建前准备语义化数据行的前端与数据可视化开发场景。
alembic
Alembic 是 SQLAlchemy 的数据库迁移工具，通过版本脚本管理数据库结构变更。本技能用于初始化迁移环境、生成与编写迁移脚本、执行升级或回滚，并可在 CI 中检查是否有未提交的迁移。
single-user-inspector
single-user-inspector 是面向游戏行为数据分析的技能，用于查询单个用户的画像、行为事件、付费记录、游戏进度与流失原因，通过自然语言交互帮助运营、策划和客服快速了解单个用户情况。
airnow-hourly-obs-fetch
AirNow Hourly Obs Fetch 是一个用于抓取 AirNow 逐小时空气质量观测数据文件的技能。它从 AirNow 官方文件端点获取指定 UTC 时间窗口内的逐小时 AQ 观测文件产品，按任务边界框（bbox）和请求的污染物参数过滤数据行，并为每个“站点-小时-参数”返回一条规范化 JSON 记录，供下游处理使用。该技能通过重试、限流和本地安全上限保证执行的确定性。它仅消费 AirNow 逐小时文件产品，不进行地名地理编码，不做 AQI 健康解读或政策判断，并将文件数据视为初步数据，仅用于分析支持而非监管决策。
plotly
Plotly 是一个用于创建交互式科学与分析图表的可视化工具，支持 JavaScript 与 Python，提供 40 多种图表类型，包括 3D 图、统计图和科学可视化，并可通过 Plotly Dash 构建仪表盘。
cdc-and-incremental-loading
这是一个面向数据工程智能体的技能，用于指导变更数据捕获（CDC）与增量加载的设计。当需要在数据随时间变化、不适合全量重载的场景下构建或修改基于水位的加载、Upsert、去重、合并与重放逻辑时使用。该技能帮助智能体设计安全的增量行为，明确水位、合并规则、去重和重放语义。涵盖的场景包括：实现 CDC 摄取、设计基于水位或时间戳的增量加载、合并插入/更新/删除、处理迟到数据、修复重复或缺失的增量记录。资料同时提示：当有界全量刷新更简单且操作上更安全时，不应使用本技能。
delta-lake-and-medallion-architecture
该技能用于指导智能体进行基于 Delta Lake 的湖仓（Lakehouse）设计，重点围绕 Medallion（青铜/白银/黄金）分层架构。适用于构建或修改 bronze、silver、gold 三层、实现 Delta Lake 的合并、更新插入、删除等变更操作，以及设计 CDC 合并与可安全发布的转换路径。技能强调各层需有明确职责与质量门槛，明确层间移动、校验与变更规则，协调批流写入，并将压缩、保留、优化、清理等维护纳入架构设计。
duckdb-local-analytics-and-dev
该技能用于指导智能体基于 DuckDB 构建本地分析与开发工作流，适用于在部署到数据仓库前本地原型化数据模型与转换、用样本数据复现生产数据问题、在开发阶段无需远程基础设施即可运行分析查询、构建轻量级 CLI 工具与校验器、使用 dbt-duckdb 适配器本地验证 dbt 模型，以及创建嵌入式分析的概念验证演示。技能强调 DuckDB 是开发与原型加速器，而非生产仓库替代品，并给出从目的范围定义、可复现数据输入、可映射到生产的转换编写、本地断言与契约校验、生产迁移路径文档到工作流可维护性的完整流程，同时列出常见合理化借口、危险信号与验证清单。
foundations-network-science
网络科学基础技能，用于图数据分析与网络科学建模。涵盖中心性、PageRank、社区发现、小世界与无标度网络、渗流、传染/扩散、链接预测、图嵌入、时序网络与图模式设计等。适用于推荐种子人群、依赖影响分析、传播预测等场景，并强调图构建、统计检验与基线验证。
swiftdata migration writer
SwiftData Migration Writer 是一个用于编写从 UserDefaults 迁移到 SwiftData 逻辑的技能，面向 Leavn 应用，强调数据保留、回滚与验证。它帮助开发者将 UserDefaults 中的键映射到 SwiftData 实体字段，生成迁移方法（如 migrateXIfNeeded），并集成到 PreferencesStore 扩展中，在首次加载时调用，同时测试数据保留情况。适用于创建 SwiftData 实体、迁移偏好设置和数据持久化场景。
analyticscli-ts-sdk
用于在 Web、TypeScript、React Native 或 Expo 应用中集成或升级 AnalyticsCLI TypeScript SDK（@analyticscli/sdk，支持 >=0.1.1 <0.2.0）的技能包，指导初始化、埋点、付费墙、引导流程与验证，偏向减少宿主应用样板代码。
openerp-discovery
openerp-discovery 是 openerp-cli 的发现层技能，用于在运行期查询金蝶任意业务对象，无需等待领域命令封装。它提供三步发现工作流：先用 objects 命令按关键词或子系统搜索业务对象，获取 FormId；再用 schema 命令查看该对象的可用字段（含字段 key、中文名、类型及关联对象）；最后用 query 命令按发现到的字段查询数据。适用于要查询的对象没有现成领域命令、或不确定 FormId 与字段名时的场景。技能强调字段 key 不带分录前缀、关联字段用点号下钻、字段名大小写敏感、查询需带过滤或 --top 等实测规则，并指出报表/账表等对象暂不支持。
yao-doubao-crawler
yao-doubao-crawler 是一个用于批量采集豆包（Doubao）AI 搜索结果的技能，支持从网页端或 Android Appium 移动端进行重复采样，并输出兼容的 JSON 数据以及 Markdown、Excel、HTML 格式的 GEO 报告。使用时需提供关键词或问题、重复次数、采集后端（网页或移动端）、连接字段和输出目录；若需要标准诊断，还需补充目标实体及其类型，否则将生成探索性输出，并将推断出的候选实体标注为启发式结果。该技能适用于需要反复获取豆包 AI 搜索答案、并对其进行分析与报告的 GEO 场景。
postgres-tuning
面向 PostgreSQL 17/18+ 的高级数据库优化技能，专注于异步 I/O（AIO）、查询计划分析与向量索引优化，帮助消除数据层瓶颈。
postgres-strict
PostgreSQL 严格规范技能，面向生产环境 PostgreSQL 的架构设计、索引、迁移安全与运维规则，目标版本为 16 及以上，并包含 17/18 新特性说明。该技能覆盖迁移安全（并发建索引、分步添加 NOT NULL 列、NOT VALID 约束后 VALIDATE、设置 lock_timeout/statement_timeout）、索引策略（复合索引列序、部分索引、GIN、pgvector HNSW）、查询模式（避免 SELECT *、参数化查询、强制 LIMIT、MERGE 上插、EXPLAIN 分析）、事务（隔离级别、FOR UPDATE、短事务）、连接管理（PgBouncer 事务池、按角色设置超时）、安全（scram-sha-256、TLS、最小权限角色、行级安全）、可观测性（pg_stat_statements、基线指标）以及 schema 设计（UUIDv7 主键、timestamptz、分区）。
database-indexing
该技能讲解数据库索引的内部原理与实战用法，涵盖 PostgreSQL、MySQL 和 MongoDB 三大数据库的索引类型选择、查询计划分析与写入开销权衡。内容从 B-tree 结构、查找过程讲起，说明何时应建索引、何时不宜建索引，并系统介绍 B-tree、Hash、GIN、GiST、BRIN、复合索引、部分索引、覆盖索引和表达式索引等类型。同时提供 EXPLAIN 与 EXPLAIN ANALYZE 的解读方法、索引膨胀与 REINDEX 维护手段、查找未使用索引的查询语句，以及 PostgreSQL 与 MySQL 的索引差异对比和 MongoDB 的文本、TTL、稀疏索引用法，并附有慢查询诊断修复的完整示例。
ml-experiment-tracker
该技能为机器学习实验的系统化开发提供指导，重点覆盖实验记录、数据与模型版本管理以及可复现性实践，涉及 MLflow、Weights & Biases（wandb）、Neptune、Comet 等实验跟踪工具，DVC、Delta Lake、LakeFS 等数据版本工具，以及模型注册表的使用。内容包含需要记录的内容（代码、数据、环境、超参数、指标、产物）、实验与项目的目录组织方式、MLflow 的基础实验记录与模型注册表工作流、Weights & Biases 的项目结构与超参数扫描配置、DVC 的数据版本管理与流水线定义，以及覆盖代码、环境、数据、训练四方面的可复现性检查清单和命名规范、对比看板、实验文档等最佳实践。