build-app-context
用于在编写 TestRail 测试用例前，为 FOLIO 应用领域构建或刷新上下文文件。它从 TestRail、GitHub、Jira 收集实时数据，生成 references/context/<area>.md，作为 write-testrail-cases 技能的主要领域知识来源。
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
17,216 个结果
analytics-tracking
Analytics Tracking 是一个用于设置、改进和审计分析追踪与衡量的技能。它帮助用户围绕营销和产品决策建立可执行的追踪方案，涵盖业务背景评估、追踪计划框架、事件命名规范、事件属性设计、GA4 与 Google Tag Manager 实现、UTM 参数策略、调试与验证、隐私与合规等内容。该技能强调“为决策而追踪，而非为数据而追踪”，主张从问题出发反向推导需要追踪的内容，并保持命名一致性和数据质量。适用于需要搭建或优化网站、产品分析追踪体系的场景。
data-chart
data-chart 是一个将实测数据渲染为静态图表的技能，支持折线图、柱状图、散点图、点阵图、直方图、热力图以及小倍数图等类型。它通过两层规则控制图表外观：一层是任何图表都必须遵守的设计底线（诚实的坐标轴、单一焦点对比、去除多余装饰），另一层是可选的编辑风格预设（openai.com 风格的令牌），适用于博客配图或没有自有样式的宿主环境。当目标文档或项目已有自有样式时，应遵循其样式，同时设计底线依然适用。默认交付 PNG 渲染结果，若消费方需要矢量图则同时保留 SVG。该技能强调数据必须来自用户或其文件，绝不编造或平滑数字，并在渲染前进行系列对齐、坐标轴范围、单位一致性等检查。
cia-data-integration
该技能提供消费 CIA（Citizen Intelligence Agency）平台 JSON 导出的专业知识，涵盖数据校验、缓存策略与数据管道集成，用于 riksdagsmonitor 项目获取并处理 CIA 预计算数据。
data-pipeline-engineering
该技能聚焦稳健 ETL 数据管道设计，覆盖自动抓取、调度、版本追踪与管道编排，强调幂等性、可观测性、错误恢复与监控，适用于构建和运维自动化数据处理流程。
postgresql-table-design
面向 PostgreSQL 的表结构设计技能，覆盖最佳实践、数据类型、索引、约束、性能模式与高级特性，指导设计可维护、可扩展的 PostgreSQL 专用 schema。
foresight
Foresight 是一个用于在做出计划、变更或发布决策前预估可能结果的技能，输出带明确不确定性的有界预测，以辅助决策。其核心用途是在存在不确定性的选择场景下提供概率加权的预测，例如多选项权衡、带时间范围的成效预判、风险与置信度分析等。它明确区别于前置检查（验证执行前提）、诊断调试（定位当前故障）、监控（实时指标告警）和侦察（收集事实情报）。使用时需先重述目标、成功条件与不可触碰边界，再界定决策、梳理各路径的上行与下行情景、基于证据而非直觉分配可能性并显式说明假设，最后给出带置信度的建议、简短风险矩阵和会改变结论的决定性未知项。运行前提除常规会话工具集外无额外依赖。
mexc-openapi-skill
该技能用于通过 UXC 与精选 OpenAPI schema 操作 MEXC 现货 REST API，支持 HMAC 查询签名，并将公开读取、签名读取与签名写入的工作流分开管理。它覆盖公开行情读取、签名账户读取以及签名下单、撤单和订单查询流程，不涉及合约 API 或更广泛的平台产品线。使用前需已安装 uxc 并置于 PATH，同时可访问 api.mexc.com 与精选 OpenAPI schema 地址。签名端点需要 api_key 与 secret_key，通过 uxc 凭据与签名绑定完成认证。使用时先以公开读取为主，再进行签名读取，最后才考虑签名写入；下单前应查询 exchangeInfo 以了解交易对过滤规则与数量精度。自动化应保持 JSON 输出结构，优先解析 ok、kind、protocol、data、error 等稳定字段，签名写操作视为高风险并需明确确认。
pinescript
Pine Script v6 开发技能，覆盖语法规则、性能优化、错误诊断、回测与可视化，适用于在 TradingView 上编写指标和策略。
data-visualization
这是一个关于数据可视化的技能，提供图表选择、色彩理论与标注最佳实践。内容涵盖柱状图、折线图、散点图、热力图等图表类型，坐标轴规则，以及通过 inference.sh CLI（belt）生成图表的示例。该技能强调避免使用饼图、柱状图 Y 轴从 0 开始、限制颜色数量、使用洞察式标题等设计原则，并给出折线图、水平柱状图、KPI 卡片、热力图、深色模式图表等代码配方，以及常见错误清单。
cqrs-to-event-sourcing
该技能用于解释 CQRS 为何常需事件溯源或持久化事件来实现可靠的命令到查询同步，涵盖计算值同步、数据库触发器与双写提交等问题。
project-skill-creator
在 .chalk/skills 中创建由项目管理的技能，自动规范命名、写入归属元数据和版本化 frontmatter，避免与 Chalk 管理的技能冲突。
alphafold-database
AlphaFold Database（AlphaFold DB）是由 DeepMind 与 EMBL-EBI 维护的公开蛋白质结构数据库，收录超过 2 亿个由 AI 预测的三维蛋白质结构。该技能用于按 UniProt ID 或蛋白名称检索结构预测、下载 PDB/mmCIF 坐标文件、分析置信度指标（pLDDT、PAE）、通过 Google Cloud 获取批量蛋白质组数据集，并将预测结果整合进计算工作流。适用于结构蛋白质组学、药物发现、蛋白质工程与进化研究等场景。数据以 CC-BY-4.0 许可免费开放，当前数据库版本为 v4。
anndata
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。
arboreto
Arboreto 是一个用于从基因表达数据推断基因调控网络（GRN）的计算库，采用可并行化算法，可从单机扩展到多节点集群。其核心能力是根据观测样本（细胞、样本、条件）中的表达模式，识别哪些转录因子（TF）调控哪些靶基因。支持 GRNBoost2 与 GENIE3 两种算法，可用于 bulk 与单细胞转录组数据分析，并可作为 pySCENIC 流程的核心组件。
biopython
Biopython 是面向计算分子生物学的 Python 工具集，支持序列操作、FASTA/GenBank 等格式读写、NCBI Entrez 数据库查询、BLAST、比对、PDB 结构分析与系统发育树处理。当前版本 1.85，需 Python 3 与 NumPy。
chembl-database
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。
clinicaltrials-database
ClinicalTrials.gov 数据库技能，通过 ClinicalTrials.gov API v2 查询全球临床试验注册信息。可按疾病/状况、药物/干预措施、地点、招募状态、试验阶段、申办方等条件检索试验，按 NCT ID 获取试验详情，支持分页批量获取与 CSV 导出。API 为公开接口，无需认证，速率限制约每分钟 50 次请求，支持 JSON 与 CSV 格式。适用于患者匹配、研究分析、药物研发追踪、地理检索、机构追踪、数据导出、试验监测与入组资格筛查等场景。
clinpgx-database
ClinPGx 数据库技能用于访问临床药物基因组学数据（PharmGKB 的继任者），可查询基因-药物相互作用、CPIC 指南、等位基因功能、药物标签与临床注释，服务于精准医学与个体化用药。该技能通过 ClinPGx REST API 提供程序化访问，基础使用无需认证，速率限制为每秒最多 2 次请求，数据采用 CC BY-SA 4.0 许可。
clinvar-database
ClinVar Database 是一个用于查询 NCBI ClinVar 数据库的技能，帮助用户检索人类遗传变异与表型之间的关系及临床意义。它支持按基因、位置、疾病或临床意义搜索变异，解读致病性分类（如致病、良性、意义未明 VUS），并通过 E-utilities API 或 FTP 批量获取数据。该技能还涵盖审查状态与星级评定、冲突解读处理、变异注释以及数据提交等内容，适用于临床遗传学研究和变异解读工作。
cobrapy
COBRApy 是用于代谢模型约束重建与分析（COBRA）的 Python 库，面向系统生物学与代谢工程，支持 FBA、FVA、基因敲除、通量采样、SBML 模型读写等分析。
cosmic-database
COSMIC Database 是一个用于访问 COSMIC（Catalogue of Somatic Mutations in Cancer，癌症体细胞突变目录）癌症突变数据库的技能。COSMIC 是探索人类癌症体细胞突变的最大、最全面的数据库，收录了数千种癌症类型中的数百万个突变、经过专家整理的癌症基因列表、突变特征以及临床注释。该技能支持以编程方式下载和查询癌症突变数据，包括体细胞突变、Cancer Gene Census、突变特征、基因融合、结构变异、拷贝数变异、耐药突变和癌症细胞系基因组数据。使用前需要注册账号：学术用户可在 https://cancer.sanger.ac.uk/cosmic/register 免费注册，商业用户需通过 QIAGEN 获取许可。Python 依赖通过 uv pip install requests pandas 安装。该技能提供 scripts/download_cosmic.py 脚本，支持命令行和函数调用两种方式下载数据，数据支持 GRCh38 和 GRCh37 两种参考基因组，文件格式包括 TSV/CSV（gzip 压缩）和 VCF。适用于癌症研究、精准医学、生物信息学流程集成等场景。
dask
Dask 是一个用于并行与分布式计算的 Python 库，可将 pandas、NumPy 等操作扩展到超出内存的数据集。它支持单机处理大于内存的数据、利用多核并行加速计算，并可跨多台机器进行分布式计算，规模从笔记本（约 100 GiB）到集群（约 100 TiB）不等，同时保持熟悉的 Python API。该技能适用于处理超过可用内存的数据集、将 pandas 或 NumPy 操作扩展到更大数据、并行化计算、高效处理多个文件（CSV、Parquet、JSON、文本日志）以及构建带任务依赖的自定义并行工作流。Dask 提供五个核心组件：DataFrames（并行 pandas 操作）、Arrays（并行 NumPy 操作）、Bags（非结构化数据的并行处理）、Futures（基于任务的并行化）和 Schedulers（执行后端）。
datacommons-client
Data Commons Client 是一个用于访问 Data Commons 平台的 Python 客户端技能。Data Commons 将来自各国人口普查机构、卫生组织、环境机构等权威来源的公共统计数据聚合为统一的知识图谱。该技能提供对 Data Commons Python API v2 的完整访问能力，支持查询统计观测值、探索知识图谱以及解析实体标识符。安装方式为 uv pip install "datacommons-client[Pandas]"（含 Pandas 支持）或 uv pip install datacommons-client（基础版）。API 包含三个主要端点：Observation 端点用于查询时间序列统计数据，如人口、经济、健康或环境统计；Node 端点用于探索知识图谱中的实体关系与属性；Resolve 端点用于将实体名称、坐标或外部 ID 转换为 Data Commons ID（DCID）。适用于人口统计、经济指标、健康数据、环境统计等公共数据的查询与分析场景。