maintaining-dbt-documentation
该技能用于维护 dbt 项目的模型与列文档覆盖率。它会审计哪些模型缺少 YAML 文档，并按项目已有的文档风格（每次一个文件夹）起草缺失的模型/列描述，所有改动都留给人工审核，不会自动提交或推送。适用于文档覆盖率下降后的批量补齐，以及新增模型或 SQL 变更后的同步维护。
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 10-18 00:12
数据与分析
16,529 个结果
data-visualization
该技能用于在无头 GPU 沙箱中使用 matplotlib 和 seaborn 创建出版级分析图表与多面板分析摘要。当任务涉及数据可视化、绘制结果、生成图表，或需要以图形呈现统计发现时触发。图表以 PNG 文件保存到 /workspace/ 供检索。技能要求先调用 matplotlib.use('Agg') 再导入 pyplot 以启用无头渲染，使用色盲安全的 Okabe-Ito 调色板，保存后必须调用 read_file 才能在对话中内联显示。支持柱状图、折线图、散点图、热力图、直方图、箱线图以及 2×2 多面板分析摘要等常见图表类型。
exploiting-server-side-request-forgery
面向授权渗透测试的 SSRF 漏洞利用技能，覆盖识别易受攻击功能、访问云元数据、内网扫描、绕过过滤与盲打检测，并给出发现报告格式与修复建议。
slacrawl
Slacrawl 是面向本地 Slack 归档的命令行工具，支持搜索、同步新鲜度检查、会话与私信处理、SQL 统计及仓库相关工作。
supabase-postgres-best-practices
Supabase Postgres 最佳实践是 Supabase 维护的 Postgres 性能优化指南，适用于任何环境运行的 Postgres，而非仅限 Supabase 平台。该技能在编写或修改任何 Postgres 相关内容之前加载，涵盖 8 大类规则，并按影响程度排出优先级，用于指导自动化查询优化与 Schema 设计。分类包括：查询性能、连接管理、安全与 RLS（均为关键级），Schema 设计（高级），并发与锁（中高级），数据访问模式（中级），监控与诊断（中低级），以及高级特性（低级）。每条规则以独立文件呈现，包含规则重要性说明、错误 SQL 示例、正确 SQL 示例，以及可选的 EXPLAIN 输出或指标、补充背景与参考链接，并在适用时给出 Supabase 专属说明。适用时机包括：编写 SQL 查询或设计 Schema、实现索引或查询优化、排查数据库性能问题、配置连接池或扩展、针对 Postgres 特有功能进行优化，以及使用行级安全（RLS）时。使用方式是查阅 references 目录下的单个规则文件，如 query-missing-indexes.md、query-partial-indexes.md、_sections.md 等，获取详细解释与 SQL 示例。资料中未提及收费、价格与具体安装命令。
uniprot-database
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。
option-pricing
期权定价技能，提供欧式与美式期权定价的多种方法，包括 Black-Scholes、CRR 二叉树、三叉树、蒙特卡洛、Longstaff-Schwartz、BAW、Heston、Bates 等，并支持希腊值、隐含波动率、ITM 概率与价格曲面计算，适合回测与分析。
baremetal-startup
面向裸机启动流程的技能，指导从复位到 main() 的 bring-up：复位与异常向量表、.data/.bss 初始化、栈与堆设置、crt0 与链接脚本集成，以及 Cortex-M 和 RISC-V 常见启动缺陷排查。
income-statement
通过 Octagon MCP 获取上市公司实时利润表数据，包括营收、净利润和摊薄每股收益（EPS），适用于分析绝对财务数值与趋势。
redis-expert
提供 Redis 专家级使用指导，覆盖缓存、发布订阅、数据结构与高性能应用。当用户提及缓存、pub/sub、内存存储等场景时使用，帮助完成安装配置、集群搭建、性能优化与常见反模式规避。
xinhong-data
新红数据是面向小红书平台的深度数据分析技能，用于账号审计、内容表现趋势追踪、达人数据研究、品类增长监控与竞品对标。它提供账号增长分析、内容表现深入分析、受众洞察、竞品对标与行业趋势分析五个维度，并通过长期趋势、互动质量、内容组合、发布规律与话题标签策略等框架输出可执行的优化建议。适合品牌、代理机构与成熟创作者做战略级数据决策。
longbridge-hkipo-analysis
longbridge-hkipo-analysis 是一个纯提示词（Prompt-only）的港股打新分析技能，用于判断港股新股是否值得申购。它针对单只新股给出「推荐打新 / 中性观望 / 建议回避」三档评级，并附四维评分明细（定价合理性、发行质量、市场时机、基本面展望）、招股书精华、风险提示与申购手数参考；也可在日历模式下输出未来 4 周打新日程表与评级速览。该技能覆盖三类场景：单只新股深度评估、近期打新日历浏览、未中签后的次新股追涨判断（仅限上市 30 天内）。所有分析结论前置、散户友好，报告结尾固定输出「数据来源明细」附录，逐行注明来源、抓取时间与数据期间，并附免责声明。数据优先使用 Longbridge CLI 子命令与 MCP 工具，仅在两者都拿不到时才退回 WebSearch 兜底并明确标注来源。评级为模型推导结果，不构成买卖建议；孖展融资打新会单独提示杠杆风险。仅覆盖港股主板与 GEM，美股、A 股、已上市超过 30 天、介绍上市、SPAC 与债券上市不在范围内。
powerbi-report-management
用于在 Microsoft Fabric 中通过 az rest CLI 调用 Fabric REST API，管理 Power BI 报表工作区项及 PBIR 定义，覆盖报表的列出、创建、获取、更新、删除以及定义的下载与上传。
china-stock-research-orchestrator
China Stock Research Orchestrator 是一个面向 A 股公司研究的编排类技能，用于在深入分析前先把一家公司路由到合适的研究工作流。它不会替代六个核心研究模块，而是先识别公司的主要与次要分析模式，再依据路由矩阵决定哪些核心模块为必需、可选或可跳过，并判断是否需要启用行业叠加层。核心模块通常按策略→业务→财务→行业→风险→估值的顺序执行，每个模块须返回可合并的「事实、解读、待验证问题」块，最后按最终输出契约合并为统一研究框架。该技能强调事实、解读与未决问题的严格分层，要求关键事实与数字附带可访问来源链接，优先采用官方披露、监管机构与公共官方门户，默认以简体中文输出。适用场景包括启动 A 股深度研究、把模糊请求结构化、决定深度分析前需跑哪些模块、合并模块产出。所需输入包括公司名称与代码、研究目标或关键问题、截止日期及可选行业线索。
cafci
用于查询阿根廷共同投资基金（CAFCI）公开数据的技能，覆盖1152只基金、4615个份额类别，通过4个官方来源获取目录、每日快照、基金档案与投资组合，并提供本地缓存与查询命令。
data-science-python-stack
已弃用的兼容技能，仅当已安装的工作流仍引用旧 ID 时触发。该技能已并入 choose-python-library，规范包策略由 python -m skore_skills env stack 输出。
crypto-etl-analytics-core
crypto-etl-analytics-core 是一个面向加密货币行情数据的端到端数据工程与面向对象分析项目，使用纯 Python 与 MySQL 构建 ETL 管道，包含 OHLCV K 线对象、数据校验、收益率、回撤与滚动波动率计算，以及 matplotlib 可视化。
alicloud-ai-text-document-mind
通过阿里云 Node.js SDK 调用 Document Mind（DocMind），提交文档解析异步任务并轮询结果，提取文档结构、文本与版面信息，适用于 Claude Code/Codex 的文档理解工作流。
investing
该技能通过解析 Investing.com 的公开 HTML 页面提取金融数据，无需 API Key 或身份验证。支持获取报价（价格、涨跌幅、OHLC、成交量）、历史 OHLCV 数据、公司基本面（利润表、资产负债表、现金流量表、财务比率）、股息、财报（EPS 实际与预期）以及公司简介。覆盖股票（81,000+ 只）、商品、指数、货币对、ETF、加密货币等类型。因站点使用 Cloudflare 反爬保护，必须使用 curl_cffi 库模拟 Chrome 120 的 TLS 指纹，普通 requests 会被拦截。存在严格速率限制，需在请求间等待 1-2 秒。数据有 15-20 分钟延迟，非实时。
graph-database-expert
该技能面向图数据库设计与开发，覆盖图建模、遍历、查询优化与关系模式。资料显示其涉及图论基础、实体关系映射、模式设计、反规范化策略，以及 SurrealQL、Cypher、Gremlin、SPARQL 等查询语言模式；同时包含深度优先、广度优先、最短路径与模式匹配等遍历方式，双向边、类型化关系、边属性等关系设计，以及索引策略、查询优化、遍历深度限制、多模型存储和 SurrealDB 的 RELATE 语句、图操作符、记录链接等内容。资料还给出何时使用与不使用图数据库的判断，以及 Neo4j、SurrealDB、ArangoDB、Amazon Neptune、JanusGraph 等产品概览，并强调 TDD、性能、安全与模式演进等原则。
data-science-python-stack
该技能为已弃用的兼容技能，原用途是数据科学 Python 工具栈相关配置，现已合并到 choose-python-library 技能中。它仅在一个发布周期内保留，用于兼容仍引用旧 ID 的已安装工作流，触发条件是现有工作流仍引用此旧 ID。规范化的包策略可通过命令行 python -m skore_skills env stack 输出查看。页面未提供更详细的功能、平台、收费或使用步骤信息。
theme-detector
theme-detector 是一个跨行业市场主题检测技能，通过 FINVIZ 行业数据、动量、成交量与广度信号，识别并排序看涨与看跌主题，评估生命周期成熟度并给出置信度评分，输出 JSON 与 Markdown 报告。
writing-json-schemas
本技能用于编写供 z-schema 校验使用的 JSON Schema 定义。它帮助用户按惯用方式编写正确、规范的 JSON Schema，默认目标草案为 draft-2020-12。内容涵盖对象、数组、字符串、数值等各类校验规则，以及 anyOf、oneOf、allOf、not、if/then/else 等组合器的使用，$ref 与 $defs 的复用方式，unevaluatedProperties 严格模式，交叉引用，以及用 validateSchema 在启动时校验 schema 本身。同时列出了常见错误，例如忘记设置 additionalProperties、在 allOf 中误用 additionalProperties:false、draft-2020-12 中数组元组的写法变化、缺少 $schema 以及 $defs 与 definitions 的选择。适用于需要编写 JSON Schema、为 API 载荷定义 schema 等场景。
databricks-lakeflow-connect
Lakeflow Connect 是 Databricks 提供的托管数据摄取连接器，用于将 SaaS 应用和数据库中的数据拉取到 Unity Catalog 的 Delta 表中。它无需编写客户端代码或运维消息总线，通过连接器、UC Connection 和无服务器管道即可完成摄取，内置变更跟踪、CDC、模式演化和重试。支持 Salesforce、Workday Reports、ServiceNow、Google Analytics 4、HubSpot、Confluence 等 SaaS 源，以及 SQL Server 等数据库源，输出为受治理的 Delta 表，适合构建 Bronze 层原始数据落地。