pydantic_schema_registry
集中式 Pydantic schema 注册表，用于定义 KYC 验证系统中各模块与智能体之间的数据契约，每个 schema 显式版本化以保证不同时间部署的服务间兼容。
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 11-02 00:09
数据与分析
17,274 个结果
redis_cluster
Redis Cluster 是 Redis 的分布式分片方案，用 16384 个哈希槽把数据自动分散到多个节点，实现单节点内存或吞吐不足时的水平扩展。资料说明缓存数据集超过单机内存或需高于约 100K ops/s 吞吐时使用，多数初期部署用 Redis Sentinel 即可。
abc-xyz-segmentation
ABC-XYZ 库存分段技能：按年消耗价值（ABC）与需求波动性（XYZ）对 SKU 组合分类，生成 9 宫格并为每格给出计划策略，同时明确规划人力的重新分配方向。
bright-data-best-practices
面向开发者的 Bright Data 集成最佳实践参考文档，帮助在编码助手（如 Claude Code）中构建生产级网页数据采集集成。内容涵盖 Web Unlocker、SERP API、Web Scraper API 与 Browser API 四大接口的选型、认证、参数、异步流程与计费要点。
cloud-sql-basics
Cloud SQL Basics 技能用于创建和管理 MySQL、PostgreSQL、SQL Server 的 Cloud SQL 实例，涵盖备份、高可用与安全连接等关系型数据库运维操作。
analytics
面向数据分析与营销衡量的技能，用于设置、改进或审计网站与产品的分析追踪，覆盖GA4、Google Tag Manager、UTM参数、事件命名规范、调试验证与隐私合规等主题。
cc-field-mapping-safety
字段映射安全规范，用于重构表格列、枚举映射与数据转换时防止字段名推测错误，并处理外部同步覆盖导致的人工调整丢失问题。
field-mapping-safety
字段映射安全规范：在重构涉及字段映射（dataIndex、枚举映射、类型转换）时触发，防止字段名推测错误，确保字段映射正确。
clickhouse
面向 ClickHouse 的代码审查技能，在评审 schema、查询或配置前必须检查 28 条规则，另含 15 个参考文件，覆盖集群管理、备份、监控与集成。
experimental-design
实验设计（Experimental Design）是 claude-scientific-skills 中的一项技能，用于在采集数据之前设计实验与研究方案。它围绕 Fisher 的三大原则——随机化、重复、区组/局部控制——帮助研究者在收集数据前选定合适的设计类型、生成可复现的随机化或 DOE（实验设计）布局，并避免让数据无法解释的结构性错误。该技能提供决策树，覆盖完全随机、随机区组、交叉/重复测量、裂区、拉丁方、整群随机、嵌套等设计，以及因子、部分因子、筛选（Plackett-Burman）、响应面（中心复合、Box-Behnken）、拉丁超立方等 DOE 方案。安装需使用 uv pip install 命令安装 numpy、pandas 与 pyDOE3。技能附带 randomization.py 与 doe_designs.py 脚本，均带随机种子，可生成记录在案的分配计划与实验运行表。它强调避免伪重复、混淆、批次效应、忽略别名结构、缺乏曲率优化等常见致命错误，并建议设计确定后再交接给 statistical-power 与 statistical-analysis 等技能。
nextflow
Nextflow 是用于构建可复现、可移植、可扩展数据流水线的工作流语言与运行时，在生物信息学领域应用广泛；nf-core 则在其之上提供生产级流水线、可复用模块与配套工具。本技能覆盖运行与调试现有流水线，以及开发、配置、测试和部署自有流水线。
pathway-enrichment
用于对基因列表或排序基因数据做通路与基因集富集分析，并解释结果。覆盖 ORA 与 GSEA 两种方法的选择、基因 ID 转换、基因集库选择、背景集设置、多重检验校正、冗余消减、可视化与可重复性记录，基于 gseapy 与 g:Profiler 实现，需要网络访问。
omni-embed
Omni Embed：用签名 iframe URL 将 Omni Analytics 仪表板嵌入外部应用。@omni-co/embed SDK 负责 URL 签名与主题定制，postMessage 事件实现父子页面双向通信。
senior-data-scientist
面向生产级 AI/ML/数据系统的资深数据科学技能，覆盖统计建模、实验设计、因果推断与高级分析，提供实验设计、特征工程、模型评估等脚本及参考文档。
data-fetching-patterns
介绍前端数据获取策略的技能文档，涵盖渲染时获取、先获取后渲染、边渲染边获取、服务端获取、缓存、加载状态与错误处理等模式，并对比各方案的首屏速度、数据新鲜度与复杂度。
cnstock-cli
cnstock-cli 是一个查询公开行情数据的命令行工具，支持 A 股、港股、美股、指数、ETF 与基金的实时行情、K 线历史、分时数据、股票搜索、板块排名与全市场涨跌统计，无需 API 密钥，适合个人查询、研究与智能体辅助分析。
firecrawl-experimental
Firecrawl CLI 的试验性命令集，收录处于预览阶段、可能变动的功能。当前包含 firecrawl-download，可将整个网站下载为本地文件，支持 markdown、截图等多种格式。
clean-data-xls
clean-data-xls 是用于清理杂乱电子表格数据的技能，可去除空白、统一大小写、把文本存储的数字转成数值、标准化日期、删除重复项并标记数据问题，支持在 Excel 内或对独立 .xlsx 文件操作。
deck-refresh
deck-refresh 是用于更新演示文稿中数字的技能，适用于季度刷新、财报更新、薪酬调整或市场数据重算等场景。它只替换数值，保留原有格式，并在编辑前先列出变更计划供用户确认。
gcp-bq-data-loading
用于向 BigQuery 导入数据的技能，覆盖 bq load 命令、CSV/JSON/Avro/Parquet 等源格式、Cloud Storage 与本地文件、schema 定义、分区加载、压缩、错误处理与性能优化等操作要点。
sqlite database expert
面向 SQLite、libSQL 与 Turso 的数据库开发专家技能，强调防 SQL 注入、迁移管理、FTS5 全文检索与边缘部署，覆盖 Rust/Tauri、Node.js、Bun、Deno 等多运行时，适合桌面、离线优先与边缘 Web 应用的数据持久化。
obsidian
面向 Obsidian 本地 Markdown 知识库的专家级辅助技能，覆盖 YAML frontmatter 结构、Dataview 查询、Canvas 工作流与社区插件，并支持 Git 版本化同步。
pandas
pandas 是 Python 中用于表格数据处理与分析的开源库，提供 DataFrame 等数据结构，支持清洗、转换、合并、重塑、分组统计、时间序列与重采样，并采用写时复制（CoW）内存管理。本条资料为 pandas 使用技能说明，侧重现代 PyArrow 后端与链式写法。
sql
SQL 技能提供专家级 SQL 辅助，覆盖 ANSI SQL、CTE、窗口函数、聚合、索引与查询优化，适用于编写复杂分析查询、层级数据遍历和半结构化 JSON 查询。