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 10-18 00:12
16,525 个结果
Databricks Execution & Compute 是一个用于在 Databricks 平台上执行代码和管理计算资源的技能。它支持通过三种执行模式运行 Python、Scala、SQL 和 R 代码：Databricks Connect（本地运行 Spark 代码，启动即时）、Serverless Job（无服务器作业，适合重型处理如机器学习，冷启动约 25-50 秒）以及 Interactive Cluster（交互式集群，支持跨调用保持状态，支持 Scala/R，启动约 5 分钟）。该技能还提供通过 Databricks CLI 创建、调整大小、启动、停止和删除集群及 SQL 仓库的能力，并包含执行模式决策矩阵和决策流程，帮助用户根据工作负载选择合适的执行方式。
AnnData 是一个用于处理带注释数据矩阵的 Python 包，将实验测量数据（X）与观测元数据（obs）、变量元数据（var）以及多维注释（obsm、varm、obsp、varp、uns）一起存储。它最初面向单细胞基因组学，通过 Scanpy 使用，如今已作为通用框架，适用于任何需要高效存储、操作和分析的带注释数据。该技能适用于创建、读取或写入 AnnData 对象，处理 h5ad、zarr 等基因组学数据格式，进行单细胞 RNA 测序分析，使用稀疏矩阵或 backed 模式管理大型数据集，拼接多个数据集或实验批次，对带注释数据进行子集、过滤或转换，以及与 scanpy、scvi-tools 等 scverse 生态工具集成。核心能力涵盖数据结构、输入输出操作、拼接、数据操作和最佳实践。
CocoIndex 是一个面向 AI 的超高性能实时数据转换框架，支持增量处理。本技能（Skill）用于帮助开发者使用 CocoIndex 库构建索引流程（indexing flows），实现从数据源提取数据、应用转换（如切分、嵌入、LLM 提取），并导出到目标（向量数据库、图数据库、关系数据库）。主要能力包括：用 Python 编写 ETL 索引流程、创建自定义转换函数、通过 CLI 或 Python API 运行和管理流程。其关键特性有增量处理（仅处理变更数据）、实时更新（持续同步源变更到目标）、内置函数（文本切分、嵌入、LLM 提取）、多种数据源（本地文件、S3、Azure Blob、Google Drive、Postgres）以及多种目标（Postgres+pgvector、Qdrant、LanceDB、Neo4j、Kuzu）。适用场景包括为文档构建向量搜索索引、为代码/PDF/图像创建嵌入流程、使用 LLM 提取结构化信息、从文档构建知识图谱、建立实时文档索引等。文档与搜索入口：https://cocoindex.io/docs/ 及 https://cocoindex.io/docs/search?q=url%20encoded%20keyword。
PDB Database 是一个用于访问 RCSB PDB（全球生物大分子三维结构数据库）的技能，支持通过文本、序列或结构相似性搜索蛋白质与核酸的三维结构，下载 PDB、mmCIF、BinaryCIF 等坐标文件，获取结构元数据、实验方法和质量指标，并可对多个结构进行批量操作。它基于官方 rcsb-api Python 客户端，提供 Search API 与 Data API 的统一访问，适用于药物发现、蛋白质工程、结构生物学研究以及教学可视化等场景。
pywencai 是一个 Python 库，通过中文自然语言从同花顺问财查询 A股、指数、基金、港美股、可转债等市场数据，适用于选股、财务、资金流、技术指标等查询场景。需有效 Cookie，并依赖 Python 3.7+ 与 Node.js v16+。
用于查看和诊断 PostHog 端点执行日志的技能：按名称读取每次运行的日志条目，排查报错、失败、缓存未命中、慢运行和行数异常。
Signals scout for PostHog AI observability 是一个面向 PostHog AI 可观测性的信号侦察技能（skill），用于监控 LLM 追踪数据中的成本、延迟、错误、流量、评估性能等方面的回归。它通过一组 MCP 工具（如 query-llm-traces-list、get-llm-total-costs-for-project、execute-sql 等）读取团队 LLM 使用数据，仅在变化达到置信度门槛时才直接撰写报告，强调空运行也是有效结果，重复报告已知问题比不报告更糟。
Signals scout 是 PostHog 数据管道（CDP 目标与转换、批量导出、hog flows）的监控侦察技能。它持续检查数据交付是否真正兑现承诺：目标函数是否被平台降级或自动禁用、批量导出是否失败或调度停滞、hog flow 是否对触发人群报错。核心判据是「配置为交付」与「实际交付」之间的背离——已启用却被 watcher 停止、活跃却持续失败、已调度却停滞，才是信号；草稿、归档、暂停、主动禁用属于操作者选择，不算异常。该技能通过报告通道直接撰写报告，要求本地化、已验证的交付矛盾，并维护 watchlist、噪声、去重等记忆条目。
Databricks Unity Catalog 指标视图（Metric Views）技能，用于在 YAML 中定义、创建、查询和管理受治理的业务指标。它将度量定义与维度分组分离，支持灵活查询，适用于构建标准化 KPI（如收入、订单数、转化率）、跨仪表板与 Genie 共享的指标层、复杂聚合（比率、去重计数、过滤度量）、窗口度量（移动平均、累计、同比环比、年初至今）、星型/雪花模型连接以及物化预计算。使用前需确认度量在查询时可重新聚合，否则应改用受治理的 SQL 函数。需要 Databricks Runtime 17.2+（YAML 1.1）或 17.3+（语义元数据），以及具备相应权限的 SQL 仓库。
Signals scout for PostHog web traffic 是一个聚焦网络分析层的侦察技能，用于监视按渠道的会话量、归因断裂以及落地页健康度（跳出率与 404 步骤）。它以会话表（sessions）为主要数据源，通过对比各细分段（渠道、入口路径、引荐来源、单页指标）与自身历史基线来发现汇总总量掩盖的变化，例如某渠道会话量偏离自身节奏、UTM 或引荐传播断裂导致付费流量被重新归类为 Direct/Unknown、落地页跳出率升高或 404 表面激增。该技能通过 report channel 直接撰写报告，要求每份报告对应有日期、有细分段名的显著偏差，并遵循去重与编辑规则。
Databricks AI Functions 是 Databricks 内置的 SQL 与 PySpark 函数集合，可直接在数据管道中调用基础模型 API，无需配置模型端点、API 密钥或样板代码。这些函数包括 ai_classify、ai_extract、ai_summarize、ai_mask、ai_translate、ai_fix_grammar、ai_gen、ai_analyze_sentiment、ai_similarity、ai_parse_document、ai_prep_search、ai_query、ai_forecast 等，像 UPPER() 或 LENGTH() 一样作用于表列，并针对大规模批量推理进行优化。
SQL Pro 是一个 SQL 专项技能，用于优化 SQL 查询、设计数据库结构并排查性能问题。当用户询问查询为什么变慢，或需要编写复杂查询时使用。其核心工作流分为五步：先做模式分析，审查数据库结构、索引、查询模式和性能瓶颈；再进行设计，使用 CTE、窗口函数和恰当的连接构建基于集合的操作；然后进行优化，分析执行计划、实现覆盖索引、消除全表扫描；接着进行验证，运行 EXPLAIN ANALYZE 并确认大表上没有顺序扫描，若查询未达到亚 100 毫秒目标，则需在继续之前迭代索引选择或重写查询；最后编写文档，提供查询说明、索引理由和性能指标。该技能还附带针对查询模式、窗口函数、优化、数据库设计、方言差异等主题的参考指南，并给出 CTE、窗口函数、EXPLAIN ANALYZE 解读以及优化前后对比等示例。
Polymarket 预测市场数据查询技能，通过公开只读 REST API 获取市场、价格、订单簿与历史数据，无需认证，不支持下单交易。
Signals scout 的“可观测性缺口”侦察技能，用于发现团队产生的事件量与已配置的洞察、仪表盘或告警之间的覆盖缺口，并据此提交建议报告。它按六类缺口（高流量事件无洞察、洞察漂移、关键事件无告警、仪表盘范围缺口、漏斗候选、属性基数/缺失拆分）进行探查，强调少而精、有证据的建议，空跑也是有效结果。适用于 PostHog 项目的事件可观测性治理场景。
ChEMBL 数据库技能用于通过 Python 客户端程序化查询 ChEMBL 生物活性分子与药物发现数据。ChEMBL 是由欧洲生物信息研究所（EBI）维护的人工策展数据库，包含超过 200 万化合物、1900 万条生物活性测量、13000+ 药物靶点，以及已批准药物和临床候选药物数据。该技能适用于化合物搜索、靶点信息检索、生物活性数据（IC50、Ki、EC50）查询、药物信息查询、结构相似性/子结构搜索、化学信息学分析、靶点-配体关系探查以及药物发现中的抑制剂与激动剂识别等场景。使用前需安装 chembl_webresource_client 客户端，通过 new_client 访问 molecule、target、activity、drug 等端点进行查询。
DeepChem 是一个面向化学、材料科学与生物学的分子机器学习 Python 工具库。它提供分子数据加载与处理（支持 SMILES、SDF、FASTA 等格式）、分子特征化（指纹、描述符、图表示）、数据划分（如 ScaffoldSplitter 防止数据泄漏）、多种模型（传统机器学习、深度网络、GCN/GAT/MPNN/AttentiveFP 等图神经网络）以及 MoleculeNet 基准数据集（Tox21、BBBP、Delaney 等 30 余个）的快速调用。它支持迁移学习，可微调 ChemBERTa、GROVER、MolFormer 等预训练模型，用于分子性质预测（如 ADMET、毒性、溶解度、结合亲和力）、晶体/材料性质预测和蛋白质/DNA 序列分析。该技能适合药物发现、材料设计与生物分子分析等场景。
Supabase 维护的 Postgres 最佳实践技能，适用于任何环境运行的 Postgres。该技能是一份性能优化指南，包含按影响程度排序的 8 类规则，用于指导自动化查询优化与模式设计。在编写或修改任何位于 Postgres 中的内容之前应先加载此技能。规则类别按优先级分为：查询性能（关键）、连接管理（关键）、安全与 RLS（关键）、模式设计（高）、并发与锁（中高）、数据访问模式（中）、监控与诊断（低中）、高级特性（低）。每条规则文件包含规则重要性说明、错误 SQL 示例及解释、正确 SQL 示例及解释，以及可选的 EXPLAIN 输出或指标、额外上下文与参考、Supabase 特定说明。
通过 asc CLI 操作 App Store Connect 的技能，覆盖应用、构建、TestFlight、审核、销售、元数据、内购、签名与提交。使用前先侦察再改动，不猜测命令参数，提交等外部可见操作需先确认。
小红书账号榜单追踪分析工具，可查询全品类或分品类的日榜、周榜、月榜TOP50排名，支持赛道筛选、HTML报告生成与定时订阅推送。
这是一个用于通过阿里云 OpenAPI（RPC 方式）管理 AnalyticDB for MySQL（ADB）的技能包。它面向需要执行 AnalyticDB 资源生命周期与配置操作的场景，例如查询资源清单、创建或修改配置、诊断运行状态。使用时可借助官方 SDK 或 OpenAPI Explorer 调用 API，并遵循先确认地域、资源标识与目标动作，再发现 API 列表与必需参数，随后调用并验证结果的工作流程。凭证优先级依次为环境变量（ALICLOUD_ACCESS_KEY_ID、ALICLOUD_ACCESS_KEY_SECRET、可选 ALICLOUD_REGION_ID）、共享配置文件 ~/.alibabacloud/credentials。产品代码为 adb，默认 API 版本为 2021-12-01。技能提供脚本 scripts/list_openapi_meta_apis.py 用于优先发现 API 元数据，也可通过 --product-code 和 --version 参数覆盖。输出与证据建议保存在 output/alicloud-database-analyticdb-mysql/ 目录下。执行前需配置最小权限凭证，若地域不明确应先询问用户再执行变更操作。
Database Optimizer 是一个面向 PostgreSQL 和 MySQL 的数据库性能优化技能，专注于慢查询分析、执行计划解读、索引策略设计、配置参数调优、模式设计与分区优化，以及锁竞争和死锁的排查。它提供一套核心工作流：先采集基线指标并运行 EXPLAIN ANALYZE，再定位低效查询、缺失索引和配置问题，随后设计索引策略、查询重写和模式改进方案，增量实施并逐项验证，最后通过重新执行 EXPLAIN ANALYZE、对比成本与耗时来确认效果。技能内置查询优化、索引策略、PostgreSQL 调优、MySQL 调优、监控与分析等参考文档，并给出识别慢查询、捕获执行计划、创建覆盖索引、验证改进等常用 SQL 示例。适用于排查慢查询、分析执行计划、设计索引、调优数据库配置、优化模式与分区、降低锁竞争与死锁、提升缓存命中率与内存使用效率等场景。使用上强调必须在非生产环境先行测试，任何变更都要有可测量的基线，索引在 PostgreSQL 中使用 CONCURRENTLY 创建以避免表锁，批量数据变更后运行 ANALYZE 刷新统计信息，并记录所有优化决策的前后指标。
面向能源系统、智能电网、可再生能源并网、电力管理与能源分析的专家级技能，提供电网监控、储能优化、能源交易等领域的开发指导与代码示例。
PostHog 端点版本管理技能：讲解端点版本化模型与操作工具，涵盖预览草稿、回滚旧版本、按版本更新设置、停用单个版本、清理无用版本等安全操作。
这是 PostHog 收入分析（Revenue Analytics）的 Signals 侦察技能，用于监控上游数据链路故障与配置漂移。收入分析是派生产品，本身没有独立事件流，它把两条上游路径的数据标准化为 revenue_analytics_* 托管视图：事件源（团队配置的收入事件，如 purchase_completed，通过收入配置映射 revenue / currency / subscription 属性）和数据仓库源（Stripe 等支付平台，经仓库管道同步）。由于数据是派生的，该技能主要充当上游看门狗：当 Stripe 同步停滞或收入事件停止触发时，仪表盘会静默显示错误数字，财务可能据此对过期数据做出决策。该技能会检查收入配置、预检查行、判断收入分析是否启用，并通过读取 scratchpad、历史运行、项目配置等定位 Stripe 源失败/卡住、收入事件采集回退、订阅属性缺失导致 MRR 为空、货币构成异常、Stripe 客户与 PostHog person 关联断裂、递延收入未递延、测试账户污染等问题，并以报告渠道直接产出或编辑收件箱报告。