purview-data-catalog
Microsoft Purview 统一目录（Unified Catalog）的使用指南，聚焦面向业务的数据发现与治理：治理域、数据产品、术语表、数据质量与数据资产责任人。属于目录/业务层，底层技术扫描由 Data Map 负责。
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 11-01 00:15
数据与分析
17,213 个结果
purview-data-map
Microsoft Purview 数据映射（Data Map）的使用指南，介绍如何扫描并映射 Azure、多云、SaaS 及本地数据源中的元数据与分类，支撑统一目录、数据血缘与后续保护决策，并说明集成运行时选择、集合规划、扫描治理及常见反模式。
query-tableau-data
一个用于查询 Tableau 数据源与视图的技能，面向组织中分析的"最后一公里"。它通过 REPL 式工作流探索数据目录、追溯血缘、内省数据源，并执行 VDS 查询，把信息密集的结果保留在 Python 变量中，只向上下文输出摘要。
redis-core
Redis 数据建模的基础指南，讲解如何根据访问模式选择合适的数据结构（String、Hash、List、Set、Sorted Set、JSON、Stream、Vector Set），以及如何设计一致的键名约定，以优化内存、性能与可维护性。
scikit-learn-best-practices
面向 scikit-learn 的机器学习最佳实践指南，涵盖 Python 机器学习工作流、模型开发、评估与部署，强调可复现性、避免数据泄漏、管道化预处理和合理的评估指标选择。
snowflake-expert
Snowflake 专家技能，聚焦虚拟仓库、数据共享、Streams、Tasks、Time Travel、零拷贝克隆与 SQL 优化，面向企业级数据仓库的设计、管理与成本性能治理。
soda-cli
Soda CLI（sodacli）是用于命令行管理数据质量的工具，通过 sodacli <资源> <动作> 操作认证、数据源、数据集、契约、监控、结果、密钥与权限，适合在 CI/CD 和智能体中以 JSON 输出执行数据质量检查。
splunk-ingest-processor-setup
该技能用于为 Splunk Cloud Platform Ingest Processor 渲染离线操作包，生成就绪检查、源类型与目标配置、SPL2 管道及监控等资产，供摄取时数据路由与可用性规划使用。
splunk-spl2-pipeline-kit
离线渲染与校验 SPL2 管道模板的技能，面向 Cisco Data Fabric、Splunk Ingest Processor 与 Edge Processor，支持路由、脱敏、采样等起步模板与 lint 检查，不调用 Splunk API。
sql-server-table-reconciliation
用于对比两个 SQL Server 实例中同名表的数据校验工具，基于 Python、mssql-python 驱动与 Apache Arrow，可检测缺失行、列不匹配、架构漂移，并生成对账报告，适用于数据迁移验证与 ETL 校验。
supabase-postgres-best-practices
来自 Supabase 的 Postgres 性能优化与最佳实践技能，用于编写、审查或优化 Postgres 查询、模式设计、索引与连接池配置等，按影响优先级整理为 8 类规则。
tensorflow-data-pipelines
使用 tf.data API 构建高效、可扩展的 TensorFlow 数据管道，涵盖数据集创建、转换、批处理、打乱、预取与性能优化，帮助提升 GPU/TPU 利用率。
xlsx
xlsx 是一个面向电子表格（.xlsx）创建、编辑与分析的综合技能，支持公式、格式、数据分析与可视化。资料显示其核心要求包括：交付文件零公式错误，更新模板时严格沿用既有格式与约定；对财务模型给出颜色编码与数字格式标准，如蓝色为硬编码输入、黑色为公式、绿色为同工作簿跨表链接、红色为外部链接、黄色背景为关键假设，年份按文本、货币用 $#,##0 并在表头标注单位、零值显示为“-”、百分比默认一位小数、倍数用 0.0x、负数用括号。工作流上，使用 pandas 做数据分析与基础操作，使用 openpyxl 做公式与格式化，并强调用 Excel 公式而非在 Python 中硬编码计算结果；修改或创建后需调用 recalc.py 重算公式，脚本借助 LibreOffice 在所有工作表扫描并返回错误位置与数量的 JSON。资料还给出公式校验清单、常见错误（#REF!、#DIV/0!、#VALUE!、#NAME?）及库选择与代码风格建议。
supabase-postgres-best-practices
Supabase 出品的 Postgres 性能优化与最佳实践指南，用于编写、评审或优化 Postgres 查询、表结构设计与数据库配置时参考。
posthog-instrumentation
Langfuse 仓库中的 PostHog 埋点技能，用于在 web/** 前端新增用户操作时规范地添加产品分析事件，强调元数据优先、隐私保护、事件命名与去重，并覆盖会话回放隐私。
data-engineering-core
一个面向 Python 数据工程日常决策的技能，覆盖 Polars、DuckDB、PyArrow、PostgreSQL、ETL 模式、性能调优与弹性管道构建，适用于数据框处理、嵌入式 OLAP SQL、Arrow 交换与增量加载等任务。
data-science-feature-engineering
用于机器学习的特征工程技能：涵盖数值、类别、日期时间与文本特征的编码、缩放、变换和特征选择，并提供基于 sklearn 管道的可复现实现与防泄漏规则，适合在 EDA 之后或模型表现不佳时使用。
data-science-visualization
面向 Python 数据可视化的技能，覆盖 Matplotlib、Seaborn、Plotly、Altair、hvPlot/HoloViz 与 Bokeh，帮助按数据与受众选择库、图表类型和交互级别，用于探索性图表、交互式仪表盘与出版级图形。
ops-growth-analytics
面向增长与运营的分析专家技能，用于设计用户事件埋点方案、监控CAC/LTV/流失等运营漏斗指标、组织A/B测试与增长实验，并可通过计算机使用或浏览器工具模拟用户旅程，核验埋点事件载荷。
ln-99-database-lifecycle-engineer
这是一项面向数据库生命周期管理的技能，主要职责是准备并验证数据库 schema 迁移、数据库角色配置，以及创建隔离的恢复或测试资源。它覆盖从识别迁移目录与目标、准备迁移交付与恢复方案，到在隔离环境中验证迁移安全性（包括前任版本到目标版本的迁移、重跑、中断后回填恢复）的完整流程。该技能强调授权边界：代码修改或连通性不代表有权改动共享数据；共享环境应用或恢复前须确认目标授权、实际身份、备份证据与写入窗口。它把清单项标记为 PENDING、PROVEN、CLEARED 或 UNPROVEN，并区分交付就绪、已验证行为与外部操作权限，输出采用 DELIVERED、PARTIAL、NO_CHANGE、PASS、CONCERNS、FAIL、BLOCKED 等裁决。明确不负责查询调优和运行时变更编排，跨查询与持久化的独立审计属于其他领域。
akshare-docs
AKShare 是开源 Python 金融数据接口库，覆盖股票、期货、期权、基金、债券、外汇、指数、加密货币及宏观经济数据的获取，返回 Pandas DataFrame，便于分析、导出与可视化。
airtable
Airtable 技能：通过生成的异步 Python 应用操作 Airtable，或从代码调用其 MCP 后端函数，并可用 mcp-skill CLI 查看可用函数。
axiom-app-store-connect-ref
App Store Connect 参考文档，讲解如何在 ASC 中查看崩溃报告、TestFlight 反馈、性能指标仪表盘并导出数据用于分析，包含筛选、符号化排查、API 与 MCP 访问等要点。
axiom-ios-concurrency
针对 iOS/Swift 并发问题的技能路由，用于编写 async/await、actors、线程相关代码或排查并发错误。覆盖 Swift 6 并发、@MainActor、Sendable、数据竞态，并可将问题分流到性能、同步原语、所有权、并发剖析等子技能。