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
17,216 个结果
scvi-tools 是一个基于 PyTorch 和 PyTorch Lightning 的单细胞基因组学概率模型 Python 框架，使用变分推断提供深度生成模型，用于分析多种单细胞数据模态。它支持单细胞 RNA-seq（降维、批次校正、整合）、scATAC-seq 染色质可及性、多模态数据整合（CITE-seq、multiome、配对/非配对数据集）、空间转录组（去卷积、空间映射）、差异表达分析、细胞类型注释与迁移学习，以及甲基化、流式细胞术、RNA 速率等专门模态，并支持构建自定义概率模型。所有模型遵循统一 API：setup_anndata 注册数据、创建模型、train 训练、提取潜在表示与归一化表达，结果可存回 AnnData 供 scanpy 下游分析。模型要求原始计数数据，支持 GPU 加速和批次校正。
SHAP（SHapley Additive exPlanations）是一个用于解释机器学习模型输出的技能，基于合作博弈论中的 Shapley 值构建统一的可解释性方法。该技能帮助开发者计算任意模型类型的 SHAP 值、生成特征重要性可视化图表、调试与验证模型行为、分析公平性与偏差，并在生产环境中实现可解释 AI。它支持树模型（XGBoost、LightGBM、CatBoost、随机森林）、深度学习模型（TensorFlow、PyTorch、Keras）、线性模型以及黑盒模型。技能内置多种解释器（TreeExplainer、DeepExplainer、KernelExplainer、LinearExplainer、GradientExplainer、PermutationExplainer）与可视化图表（waterfall、beeswarm、bar、scatter、force、heatmap、violin、decision 等），并提供 explainers、plots、workflows、theory 四类参考文档以指导深入使用。
STRING Database 是一个蛋白质-蛋白质相互作用数据库，覆盖 5000 多个物种、5900 万个蛋白质和 200 亿条以上相互作用。该技能通过 REST API 提供查询能力，支持蛋白质相互作用网络检索、功能富集分析（GO、KEGG、Pfam 等）、相互作用伙伴发现、网络可视化、同源性分析以及跨物种比较。技能包含 Python 辅助函数（scripts/string_api.py）和详细参考文档（references/string_reference.md），适用于系统生物学、通路分析和蛋白质组学研究。
UMAP-Learn 是一个实现 UMAP（Uniform Manifold Approximation and Projection）降维技术的 Python 库，用于可视化与通用非线性降维。UMAP 遵循 scikit-learn 约定，可作为 t-SNE 或 PCA 的替代方案，提供快速、可扩展的嵌入，能够保留数据的局部与全局结构。它适用于 2D/3D 可视化、聚类预处理（如与 HDBSCAN 配合）、监督与半监督降维、度量学习与参数化 UMAP 等场景。使用前通常需要对特征进行标准化，以保证各维度权重一致。该库支持通过 n_neighbors、min_dist、n_components、metric 等参数调节嵌入行为，并提供 transform 方法用于将新数据投影到已学习的嵌入空间。参数化 UMAP 基于 TensorFlow/Keras，支持自定义编码器与逆变换。安装命令为 uv pip install umap-learn。
UniProt Database 是一个通过 REST API 直接访问 UniProt 的技能，用于蛋白质序列与功能信息的检索与分析。它支持按名称、基因、登录号或物种搜索蛋白质，以 FASTA 等格式获取序列，在 UniProt 与 Ensembl、RefSeq、PDB 等外部数据库之间进行 ID 映射，并访问 Swiss-Prot/TrEMBL 注释。该技能提供 Python 客户端脚本，封装搜索、单条获取、批量检索、ID 映射和流式下载等常用操作，适合生物信息学中的蛋白质查询与数据获取工作流。
Vaex 是一个面向超大规模表格数据的高性能 Python 库，采用惰性求值与核外（out-of-core）DataFrame 设计，可处理和分析超出可用内存的表格数据集。资料称其每秒可处理超过十亿行，支持对数十亿行数据进行交互式探索与分析。它适用于大于内存（从 GB 到 TB 级）的表格数据、对海量数据做快速统计聚合、为大数据创建可视化与热力图、在大数据上构建机器学习流水线、在 CSV、HDF5、Arrow、Parquet 等格式间转换，以及需要惰性求值和虚拟列以避免内存开销的场景，例如天文数据、金融时间序列等大规模科学数据。核心能力涵盖六个方面：DataFrame 与数据加载、数据处理与操作、性能与优化、数据可视化、机器学习集成、I/O 操作。典型用法是先通过 vaex.open 打开文件或从 pandas/NumPy 等创建 DataFrame，再用虚拟列、筛选与聚合进行计算，最后可视化或导出为 HDF5 等格式。
ZINC 是由 UCSF 维护的免费可购买化合物数据库，收录 2.3 亿以上化合物。支持按 ZINC ID、SMILES、供应商编号检索，进行相似性与类似物搜索、随机采样，并下载可用于分子对接的 3D 结构，服务于虚拟筛选与药物发现。
查询美国财政部 Fiscal Data API 的技能，可获取国债、政府收支、利率、汇率等联邦财务数据。该 API 完全免费开放，无需 API 密钥或注册。支持 JSON、CSV、XML 输出，并可按字段、过滤条件、排序和分页检索数据。
合同风险分析技能，面向创始人和早期公司，自动分析合同的五大关键条款：责任限制、赔偿、知识产权归属、数据保护与终止条款，逐条给出通俗解读、风险红旗、谈判建议和红黄绿风险评级。该分析仅供决策参考，不构成法律意见。
用于创建可复现、结构清晰的数据科学笔记本的技能，覆盖 Jupyter、JupyterLab、marimo、VS Code 与 Colab 等工具，适用于探索性分析、可复现研究、教学演示、沟通汇报与原型开发。
Developer Database Specialist 是一个面向数据库设计与安全的开发角色技能，负责为 SQL（PostgreSQL/MySQL）与 Firebase NoSQL 系统设计数据库架构、优化查询执行、编写迁移计划并配置安全访问模型。其职责包括设计关系型表、键与索引，设计 Firestore/Realtime Database 集合模式，编写迁移与种子脚本，配置 Firebase 安全规则或 Postgres 行级安全策略，并通过索引与执行计划进行性能调优。该角色强调凭据安全，禁止在前端或公开环境暴露数据库管理凭据、连接字符串或主服务密钥，禁止编写开放式通配符 Firebase 规则，要求 SQL 使用参数化查询，并设计行级安全策略限制租户数据访问。
面向亚马逊产品调研的一站式技能，输入ASIN或产品URL即可生成9份中文报告，覆盖产品信息、关键词、竞品、评论、销售估算、Listing优化、图片策略、模板与选品评分。
PandaScript 是 Lightpanda 的可回放浏览器自动化脚本格式（.js），用 `lightpanda agent script.js` 运行且不消耗 token。脚本在独立 V8 环境中执行，仅有 Page 全局对象，通过 new Page()、page.goto、page.extract 等原语读取页面。
高性能 RAG 多路检索服务，集成 Milvus 向量数据库做语义检索，并结合 Rerank 模型对结果精排，支持海量文档存储与历史内容召回。
agentic-lookml 是一个面向 Looker LookML 工程的技能合集，用于从零编写 LookML、将分析师 SQL 查询重构为 LookML、审计现有 LookML 项目以及扩展语义模型。它整合了两部分内容：references/ 下的 14 个 SQL-to-LookML 重构模式手册，以及来自 looker-open-source/looker-skills 的 9 个 LookML 编写参考技能。前者配合 lkr parse sql-lookml-compare 评估 SQL 查询与现有 LookML 项目图谱，区分查询层计算与 LookML 层语义，并将变更路由到 Bronze、Silver、Gold 的 Medallion 分层结构；后者提供模型、视图、派生表、explore、连接、维度、度量、过滤器、参数、Liquid 变量、访问授权和 LookML 数据测试等语法规则与示例。该技能强调以 Canonical Looker Query 翻译作为是否创建派生表的判断依据，并提供端到端 SQL-to-LookML 会话与 PR 工作流。
agentic-lookml-workflow 是 lkrdev/cli 提供的端到端智能体工作流，用于将 SQL 查询以及指标/术语逻辑重构为 Looker LookML 项目。它通过配套脚本完成仓库初始化与前置检查（检测并安装 uv、安装 lkr-dev-cli[tools,code-mode,parse]、检查 gh 认证），在开发模式下完成 Looker 认证，将开发工作区重置到生产并创建时间戳分支，生成 Bronze 基础视图、提炼 Bronze refinement 与隐藏 base explore、构建 Silver/Gold 视图与 explore、编写 LookML 数据测试，并通过 LookML 校验、SQL Runner 与 Looker 查询结果对比来检查查询一致性。流程中还包含快照检查、定向测试、提交校验与自动修复环节，最终生成带 summary.md、查询链接和对比结果折叠区的 GitHub PR。该工具要求以 --dev 开发模式运行，禁止用于生产环境，适用于已有 SQL 与指标定义、需要规范化迁移到 LookML 的数据分析团队。
generate-view-from-table 是面向 Medallion LookML 架构（agentic-lookml）的技能，用于检测缺失或过期的 Bronze LookML 视图，并基于数据库表结构自动生成 1:1 的物理视图文件 bronze/:table.view.lkml。该技能通过 lkr parse sql-lookml-compare 比对 SQL 查询中引用的物理表与本地 LookML 项目中的视图，识别尚未建模的表以及已有视图中未建模的物理列。生成过程支持三种方式：lkr tools lookml create 命令行工具、lkr code-mode sandbox 开发模式脚本，以及 Looker MCP Server 的 generate_view_from_table / create_view_from_table 工具。技能还包含碰撞感知的文件夹路由规则，并强调 Bronze 视图必须由工具自动生成、不得手工编写或编辑，后续的细化逻辑应放入独立的 refinement 文件。
lkr-code-mode 是 lkrdev/cli 提供的 Looker Code Mode 智能体技能，用于让 AI 智能体以非交互方式对 Looker 实例执行 Python 代码、脚本或 Looker SDK 操作。它通过 Monty 沙箱运行代码，将 Looker SDK 的全部方法预先绑定为全局函数，无需实例化 SDK，也无需编写 import 语句；返回值是普通 Python 字典和列表，最终结果以结构化 JSON 输出。安装方式为 npx skills add lkrdev/cli --skill lkr-code-mode，执行命令为 lkr code-mode sandbox，支持内联代码、脚本文件、变量注入和开发模式。该技能还提供身份认证流程（OAuth 或 API Key）以及一批内置的 SDK 探索函数和示例脚本，适合需要批量查询 Looker 数据、遍历文件夹、管理 LookML 项目的自动化场景。
lkr-project-helper 是 lkrdev/cli 提供的技能，用于引导 AI 智能体完成 Looker LookML 项目的创建、配置、生成、同步与部署。它通过 uvx lkr-dev-cli 与 lkr code-mode sandbox --dev-mode 运行一系列 Python 脚本，覆盖数据库连接检查、项目与裸 Git 仓库及开发者副本初始化、模型配置、基于表结构或原始 SQL 或自然语言意图生成 LookML 视图与 Explore、本地文件拉取与推送、严格校验后提交并部署到生产环境，以及重置开发者工作区。该技能需与 lkr-code-mode 配合使用，通过 npx skills 安装。
LookML 语法与编写参考技能，来源于 looker-open-source/looker-skills，提供模型、视图、派生表、Explore、连接等子技能索引。该技能按主题拆分为多个子技能文件（sub-skills/*/SKILL.md），涵盖 LookML Model 文件编写、View 定义与 sql_table_name、Explore 与 joins、字段类型（Dimension、Measure、Filter、Parameter）及 sql 参数、includes 与 refinements 分层、Liquid 变量与高级 Liquid 编译器模式、多事实表 Explore 的 OJOF 模式、sets 字段分组、Access Grants 行级/对象级安全，以及 LookML 测试规范。适合需要编写或重构 Looker 数据建模代码的开发者按需查阅子技能。
该技能提供操作性数据迁移指导，适用于在模式、数据库、服务或存储技术之间移动或转换持久化数据，以及执行相关迁移作业的场景。其核心主张是把迁移视为一个临时的生产系统，需要明确正确性、容量、可观测性和退役标准，而不是把它当作普通重构。内容覆盖完整工作流：定义源权威与目标契约、选定稳定快照边界并捕获实时变更、兼容扩展目标模式、以有界幂等可恢复批次回填、应用增量、按水位对账、通过新鲜度与差异门禁后才切换、观察期后再收缩旧结构；并给出决策规则、安全不变量、切换门禁与相关技能参考。
用于规划、实施和审计分析与埋点跟踪的技能，帮助建立服务营销与产品决策的可执行数据体系。涵盖GA4、Google Tag Manager、UTM、事件命名与隐私合规等内容。
browser-use 是一个命令行浏览器自动化工具，可保持浏览器会话跨命令持续运行，用于 Web 测试、表单填写、截图与数据提取；支持本地 Chromium、真实 Chrome 及云端浏览器模式。
用于在 MATLAB 中导入并解码车辆网络日志数据的技能，支持 MDF/MF4/DAT、BLF、ASC/TXT 文件，以及通过 DBC、ARXML、LDF 数据库解码 CAN、CAN FD、LIN 报文为信号。