syncfusion-vue-treemap
Syncfusion Vue TreeMap 组件技能，用于在 Vue 应用中构建层级数据可视化。可展示树状结构为嵌套矩形，支持数据绑定、多级层次、颜色映射、图例、标签、提示、选择、高亮与下钻交互，适用于组织架构、文件系统、区域销售等占比分析场景。
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
17,214 个结果
sqlite
SQLite 是一个自包含、无服务器、零配置的嵌入式 SQL 数据库引擎，所有数据存储在单个文件中。它无需独立的服务器进程，已包含在 Python 标准库中，并预装于大多数操作系统。本技能介绍了 SQLite 命令行工具的基础用法，包括创建或打开数据库、导入 CSV、执行查询、导出结构和备份；演示了如何用 SQL 定义表、约束和索引；讲解了启用 WAL 日志模式以提升并发读性能；并分别给出 Node.js 使用 better-sqlite3 驱动和 Python 内置 sqlite3 模块的集成示例，涵盖预处理语句、事务和按列名访问结果；还展示了基于 FTS5 的全文检索以及使用 .backup、VACUUM、ANALYZE 和完整性检查进行备份与维护的方法。
aave-bsc
用于在 BNB Smart Chain（BSC）上与 Aave V3 借贷协议交互的技能，支持查询账户状态以及供应、提取、借款等操作，需配合合约地址与 ABI 调用。
tools-visual-state-machines
该技能用于以 ASCII 状态机与故事板的形式，建模用户旅程、留存循环或流程状态。它通过明确的状态、转换触发条件、守卫条件与动作，帮助解释用户或问题如何在各状态间流转，适用于增长循环、发布流程或问题分诊等场景。
ml-repos
该技能用于浏览 TrueFoundry 的 ML 仓库（ML Repositories）与模型注册表（Model Registry），支持列出全部 ML 仓库、获取指定仓库详情，以及列出仓库内的模型和制品，并返回可供其他技能（如 prompts、llm-deploy）使用的 FQN。使用前需先运行 status 技能校验 TFY_BASE_URL 与 TFY_API_KEY 是否已正确设置。提供工具调用与直接 API 两种方式，可直接对 /api/ml/v1/ml-repos 与 /api/ml/v1/models 等端点发起请求，并支持按仓库 ID、名称或 FQN 筛选模型。
hr-analytics
面向 HR 管理者的 HR 分析与数据管理技能，覆盖指标定义、仪表盘搭建、离职与人才分析、预测建模、数据治理与隐私、多元包容记分卡及向管理层汇报等任务。
apache-hudi-lakehouse
Apache Hudi Lakehouse 是一个面向数据工程的智能体技能，用于指导代理进行 Apache Hudi 湖仓表的设计与运维。当工作负载以增量更新、记录级变更、时间线行为、压缩和下游消费为核心时适用。它帮助代理分析写密集场景、选择表类型（COW/MOR）、规划压缩与聚簇、设计增量消费契约，并处理模式演进与时间线安全。该技能强调记录键与分区路径设计、索引策略选择、压缩调度与监控、回滚与归档策略等关键决策，并列出了常见错误认知与检查清单。资料未提供具体安装命令、代码示例、收费信息或支持平台细节。
avro-protobuf-json-schema-registry
该技能用于指导智能体管理基于 Schema Registry 的事件契约，适用于 Avro、Protobuf 或 JSON Schema 的事件流场景。它帮助团队协调生产者变更、消费者兼容性、注册表策略与版本化契约，覆盖 schema 归属与主题命名、格式选择、兼容性策略（BACKWARD/FORWARD/FULL/NONE）、生产者与消费者演进路径、CI 兼容性校验、多团队治理与 schema 发现等环节。技能强调将兼容性检查纳入发布流程并阻断破坏性变更，同时要求记录消费者依赖、规划弃用与回滚。当 schema 仅由应用代码管理、无共享注册表，或只有单一生产者-消费者对且无演进需求时，不建议使用。
data-contract-testing-with-schema-registry
该技能指导智能体通过 Schema Registry 与兼容性检查完成数据契约测试，适用于事件契约校验、流式 Schema 演进、跨团队生产者与消费者协调，以及发布前的注册表级质量门禁。仅在 Schema 由注册表管理且存在共享事件契约时使用。
data-mesh-and-domain-oriented-design
这是一个面向智能体的数据工程技能，用于指导领域导向的数据产品与数据网格（Data Mesh）设计。它的核心关注点不只是技术规模，还包括组织规模带来的协作难题：帮助智能体设计由领域团队拥有的数据产品，明确边界、可互操作的契约，以及不会退回中心化瓶颈的平台护栏。适用场景包括：设计领域导向的数据产品、为多个团队定义所有权边界、引入或改进数据网格运营模式、厘清平台与领域各自的责任、以及减少大型数据组织中中心团队的瓶颈。技能也明确提示不适用的情况：如果只是把普通管道改名为“数据产品”，却没有所有权、契约或服务预期，则不应使用本技能。工作流包含识别领域与业务边界、定义数据产品（而非仅数据集）、区分领域所有权与平台所有权、定义联邦治理规则，以及判断数据网格是否真的带来价值。技能强调数据产品应包含所有者、契约、消费者、时效性预期、支持与变更路径；平台团队应提供能力、标准与护栏，而不是拥有每一个数据集。同时列出常见误区与危险信号，并提供验证清单。
data-platform-disaster-recovery-and-business-continuity
该技能用于指导智能体为数据平台制定灾难恢复与业务连续性方案，适用于定义区域或账户故障转移、备份与恢复、恢复目标（RTO/RPO）、控制面恢复、故障切换决策以及可重复的恢复演练。它强调灾难恢复规划不同于单次事件处理，覆盖关键数据集与服务分类、恢复资产与依赖映射、恢复策略选择（原地恢复、温备、冷备、跨区域/跨账户故障转移、面向消费者的降级模式）以及通过演练验证恢复时间、检查点连续性、发布阻断与恢复后对账。
data-sharing-and-publishing-contracts
这是一个面向数据工程代理的技能，用于指导代理把数据产品发布给内部或外部消费者。当需要共享表、文件、数据抽取、API 或可供反向 ETL 使用的输出时使用。它帮助代理为跨团队、系统或合作伙伴的数据交付建立稳定的发布契约，明确归属方、兼容性和运维预期。核心内容包括：定义发布契约（归属方、受众、模式、粒度、交付方式、新鲜度与保留预期）、识别兼容性与版本化需求、定义访问与使用边界（允许的消费者、隐私约束、SLA 预期、变更沟通路径）、在发布前验证发布就绪度、记录变更策略，使消费者了解哪些内容可变、如何被通知以及废弃行为的持续时长。技能还列举常见合理化误区（如"只是给另一个团队的一次性导出"、"消费者可以主动询问变更"、"模式已说明一切"）与红旗信号（发布物无归属方、缺少交付或新鲜度预期、破坏性变更未版本化或未通知、共享数据集访问边界不清），并提供验证清单。
feature-store-and-ml-data-pipelines
该技能用于指导智能体设计机器学习数据管道与特征服务流程，涵盖特征生成、时点正确性、离线在线一致性和运维契约，适用于构建训练数据集、设计特征库、支持在线离线特征访问及防止数据泄漏与训练服务不匹配。
glue-data-catalog-and-lake-formation-governance
一份面向数据工程智能体的技能说明，指导在 AWS 原生数据目录与湖治理场景下，设计 Glue Data Catalog 的结构、Lake Formation 权限、标签访问与受治共享，适用于 S3、Athena、Glue、EMR、Redshift 的访问审查与元数据质量改进。
java-data-engineering-and-integration-services
面向 Java 数据工程与集成服务的智能体技能，指导构建连接器、摄取服务、流处理器、元数据与控制面工具，强调契约、资源、并发与运维边界。
lakefs-and-data-versioning
该技能指导智能体使用 lakeFS 或类似系统进行数据版本控制，适用于数据分支、发布前验证、环境隔离与安全回滚等湖仓操作场景。
lower-environment-data-masking-and-obfuscation
该技能指导代理在开发、QA、预发等低环境使用类生产数据时，完成数据脱敏、混淆、子集化和访问控制设计，避免直接复制生产数据带来的隐私、安全与审计风险。
mcp-data-observability-integration
该技能为数据工程智能体提供 MCP（Model Context Protocol）服务器接入模板与只读可观测性工作流，用于在诊断生产数据平台问题前先获取实时信号。覆盖 Spark 执行计划与 OOM 诊断、Kafka 消费者延迟、Airflow DAG 运行状态、数据仓库发布状态等场景。核心原则是先只读观测、后变更，避免盲目扩缩容或重跑作业。
microsoft-purview-and-azure-data-governance
该技能用于在 Microsoft Purview 作为 Azure 数据平台治理控制面时，指导智能体设计元数据集合、分类策略、扫描范围、血缘预期与受治理的发布行为，覆盖 ADLS、Synapse、Data Factory、Azure Databricks、Fabric 等分析服务。
scala-data-engineering-on-jvm-runtimes
指导智能体在 JVM 运行时上进行 Scala 数据工程开发的技能，适用于构建 Spark、Flink、Kafka Streams 等 Scala 数据作业，覆盖构建兼容性、打包、依赖、类型模型与序列化及运行时假设。
spark-serverless-reliability-and-state-management
该技能用于在 AWS Lambda、AWS Glue 等无服务器短生命周期运行时上运行 Spark 工作负载时，强制实施超时感知回滚、可恢复检查点和孤儿数据清理。它针对无服务器 Spark 常见的静默部分写入、孤儿检查点和超时导致的数据损坏问题，要求在任何发布路径开启前明确状态边界、可恢复进度和清理机制。适用于实现或审查无服务器 Spark、设计基于 S3 的检查点与暂存写入路径、从超时或 OOM 或批次中途失败中恢复、以及加固需承受冷启动和硬性执行上限的批处理 Spark。不适用于常驻的 EMR 或 Databricks 集群，除非该作业同时运行在具有硬性时间限制的无服务器路径上。
streaming-and-messaging-systems
该技能用于指导智能体设计事件流与实时数据管道，围绕 Kafka、Kinesis、Flink 等消息代理与流处理器，关注事件契约、顺序、状态、重放、模式演进与投递保证。适用于设计或修改 Kafka 主题、消费者、流处理器，使用 Kinesis 进行事件摄取，实现 Flink 有状态流转换，定义近实时管道、窗口、水位线与重放行为，以及处理事件驱动系统的模式与契约。纯批处理且不需要流语义的工作负载不适用。
test-data-preparation-and-synthetic-data
该技能指导智能体为开发、QA 及低环境准备测试数据、脱敏夹具与合成数据集，帮助团队在不依赖不安全生产数据副本的前提下获得贴近真实的测试输入。它涵盖按测试目标选择数据来源、保留关键行为特征、移除生产依赖、并对数据集进行版本化与文档记录。
data_visualization
该技能用于把原始数据转成图表：先分析数据结构与分布，再选择合适图形并生成可视化，支持柱状图、折线图、散点图等。适合按数据特征探索模式与关系，可指定图形类型或筛选条件。