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 11-01 00:15
17,214 个结果
Statsmodels 是 Python 中用于统计建模与计量经济学的核心库，提供估计、推断与诊断工具，覆盖从简单线性回归到复杂时间序列与计量分析的广泛方法。它支持线性回归（OLS、WLS、GLS、分位数回归）、广义线性模型（Logistic、Poisson、Gamma 等）、离散选择模型（二值、多项、计数、有序）、时间序列分析（ARIMA、SARIMAX、VAR、预测）、统计检验与诊断（异方差、自相关、正态性）、异常值与影响点检测、模型比较（AIC/BIC、似然比检验）以及因果效应估计，并可生成适合发表的统计表格与推断结果。该技能适用于需要严谨统计推断的场景，例如拟合回归模型、分析离散结果、进行时间序列预测、检验模型假设、比较模型优劣等。使用方式上，既可通过标准 API（如 sm.OLS、sm.GLM、ARIMA）建模，也可使用 R 风格公式 API（smf.ols、smf.logit）进行直观的模型设定。资料中提供了线性回归、Logistic 回归、ARIMA、GLM 等快速入门代码示例，以及模型选择、交叉验证和最佳实践指导。
USPTO Database 是一个用于访问美国专利商标局（USPTO）系列 API 的技能，面向专利与商标检索、审查历史查询和知识产权分析。它可检索专利的关键词、发明人、受让人、分类和日期信息，获取专利权利要求、摘要与引用数据；通过 PEDS 查询专利申请的审查历史与事务记录；通过 TSDR 获取商标状态、归属与审查历史；还可跟踪专利与商标的转让记录、分析引用关系、获取审查意见通知书（Office Action）、PTAB 程序与专利诉讼记录。所有 USPTO API 均需在官方平台注册并获取 API 密钥，通过环境变量配置。该技能提供 Python 辅助脚本，封装专利检索、PEDS 和商标客户端，便于执行搜索与分析任务。适用于专利检索、现有技术调查、商标监控、专利组合分析等知识产权相关场景。
analyze-book 是一个用于深度分析一本书的技能：用户给出书名后，它并行调用多个子代理采集章节结构、背景要点、问题影响、解决方案、术语索引与延伸阅读六个维度，交叉分析后输出带参考来源的 Markdown 深度学习笔记，并保存为本地 .md 文件。
用于创建和编辑 Obsidian Bases（.base 文件）的技能，支持视图、过滤器、公式与汇总。适用于以数据库式视图组织和展示笔记，按标签、文件夹、属性或日期筛选笔记，并定义计算属性。
用于从 ATProto PDS 回填自定义 collection 历史记录的技能：先解析 DID 再定位 PDS，通过 com.atproto.repo.listRecords 分页拉取记录并做幂等处理，适用于索引历史数据、迁移记录或从 PDS 同步。
用于识别和分析“咔嗒-播放”式自动反应：当人因价格、“因为”等单一线索做出不成比例的快速决策时，帮助指出触发特征、还原被跳过的评估，并区分真实线索与人为伪造。
互惠原理识别与防御技能，用于分析接受小恩惠后难以拒绝大请求、免费样品引发购买、被不请自来的恩惠绑架等情境，帮助区分真诚好意与为获取顺从设计的恩惠，并给出防御或应用策略。
面向信息过载与决策疲劳场景的系统性防御框架，用于识别并判断叠加出现的影响力线索（互惠、承诺与一致、社会认同、喜好、权威、稀缺）是真实证据还是被伪造，从而只拒绝被劫持的捷径、保留有效捷径。
chdb DataStore 是一个懒执行、由 ClickHouse 支持的 pandas 替代方案，可通过一行改动加速 pandas 代码，并连接文件、MySQL、S3 等多类数据源进行过滤、分组、聚合和跨源关联。
Collibra Chip 是一个面向 Kilo 的 MCP 技能路由指南，需连接 Collibra Chip MCP 服务器才能按任务加载对应的 Collibra 工作流与参考文档，本身不包含上游源码或指南副本。
用于排查 AWS Glue 问题的技能，通过分析 ETL 作业、爬虫、连接、Data Catalog、DPU 利用率与 Spark 执行情况来定位故障。
Apache HBase 是运行在 Hadoop 之上的分布式、可扩展宽列存储数据库，提供对大数据集的随机实时读写访问，适合与 HDFS、Hive、Spark 深度集成，服务数十亿行数据的低延迟场景。
AWS 数据湖数据摄取技能：把本地文件、S3 文件、JDBC 数据库（Oracle、SQL Server、PostgreSQL、MySQL、RDS、Aurora、Redshift）、Snowflake、BigQuery、DynamoDB 及 Glue 目录表等来源的数据，导入数据湖中可查询的表。
io-connectors 是 Apache Beam 中关于 I/O 连接器的开发与使用指南，用于读写外部数据源。Beam 提供 51+ 个 Java I/O 连接器及若干 Python 连接器，涵盖云存储、数据库、消息队列、文件格式等多类数据系统。Java 连接器位于 sdks/java/io/，Python 连接器位于 sdks/python/apache_beam/io/。该技能适用于处理 I/O 连接器、创建新连接器或调试数据源/数据汇（source/sink）场景，并提供了连接器列表、单元测试与集成测试运行方式、集成测试框架结构、GCP 连接器示例（BigQuery、Pub/Sub、Cloud Storage）、Kafka 与 JDBC 连接器示例，以及跨语言 I/O 与创建新连接器的关键组件说明。
用于扫描项目中的 Kafka 应用、提取数据模型 schema、标记 PII 字段，并生成 Confluent Schema Registry 注册用 Terraform 配置与分析报告的技能。
用于设计、构建和调试 Kafka Streams 应用的技能，覆盖 KStream、KTable、topology、TopologyTestDriver 等主题，按架构、构建、调试三种模式工作，支持 Apache Kafka、Confluent Platform、Confluent Cloud 与 WarpStream。
knowledge-catalog-discovery 是来自 kilo-org/kilo-marketplace 的技能，用于在 Knowledge Catalog 中发现和探索数据资产。它支持搜索条目、查询特定元数据，并通过多个 Node.js 脚本完成操作，包括 lookup_context（获取一个或多个数据资产的丰富元数据及其关系）、lookup_entry（查询表/数据集/视图等特定元数据）、search_aspect_types（搜索相关方面类型）和 search_entries（按 Dataplex 搜索语法检索数据资产）。脚本会自动从多个 .env 文件加载环境变量。
该技能用于创建或修改 LookML 模型文件（.model.lkml），涵盖定义数据库连接、include 引入视图与仪表板、配置模型级参数（如 label、week_start_day）、以及通过 datagroup 管理缓存策略。资料还给出 include 模式选择、datagroup 与 persist_for 的对比，以及基础模型、带特定设置模型和带 datagroup 模型的示例代码。
用于规划与审查 MySQL/InnoDB 的 schema、索引、查询调优、事务与运维的技能，适合在建表、改索引或写查询时使用，强调以 EXPLAIN 等证据验证、最小改动、生产变更需回滚与验证。
面向生产后端的 MySQL 与 MariaDB 技能，覆盖表结构、索引、查询、事务、复制与连接池模式，强调先核对引擎版本再套用特性，并给出慢查询、死锁、队列事务、读写分离与安全配置的实践建议。
面向 Neon Serverless Postgres 的指南与最佳实践技能，覆盖初始化、连接方式与驱动选择、分支、自动扩缩容、缩容至零、只读副本、连接池、即时恢复等主题，并指导按官方文档完成配置。
管理 OCI 对象存储的技能，覆盖存储桶、上传、PAR 预认证请求与生命周期策略。使用 Python SDK 操作桶、对象上传下载、分享链接与自动归档删除规则，并提示 PAR 过期返回 404、超 50GB 分片、生命周期误删等风险。
oracledb 是一组用于管理和监控 Oracle 数据库的技能脚本，基于 Node.js 执行。它支持在只读前提下执行单条 SELECT 或 WITH 查询、生成查询执行计划、查看当前活跃会话、列出无效对象、列出用户表与表空间使用情况，以及按资源指标找出高消耗 SQL。脚本会自动从各类 .env 文件加载环境变量，非只读语句需显式确认且仅应在用户确认具体 SQL 后使用，适合日常数据库运维、性能分析与监控场景。
面向 Power BI 语义模型会话的安全与治理协议，通过 MCP 使用。适用于 DAX、TMDL、表格模型、Analysis Services 或 Power BI 相关操作，核心原则是代理提议、用户批准、代理执行。