assist-gmail
assist-gmail 是 jarvusinnovations/claude-assist 中的 Gmail 邮件管理技能，用于同步、分诊和分析已同步的 Gmail 邮件。它通过技能目录内的 gmail-axi CLI 脚本操作，支持查看收件箱、统计邮件、触发同步与 AI 分诊，并执行标签与归档等操作。
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 11-03 00:11
数据与分析
17,294 个结果
d3-viz
d3-viz 是一个专注于使用 d3.js 创建交互式数据可视化的技能。d3.js（Data-Driven Documents）擅长将数据绑定到 DOM 元素，并应用数据驱动的变换，以精确控制每一个视觉元素，从而创建自定义、出版级质量的图表。该技能可用于任何 JavaScript 环境，包括原生 JavaScript、React、Vue、Svelte 等框架。它适合需要独特视觉编码或布局的自定义可视化、带复杂平移缩放刷选行为的交互式探索、网络/图可视化（力导向布局、树图、层次结构、和弦图）、自定义投影的地理可视化、编排流畅过渡的动画，以及标准库中不提供的新颖图表类型。文档给出了完整工作流程：导入 d3（npm 包或 7.x CDN）、选择集成模式（直接 DOM 操作或声明式渲染）、按标准结构组织绘图代码、实现响应式尺寸。同时提供了柱状图、折线图、散点图、和弦图、热力图、饼图、力导向网络的代码示例，以及提示框、缩放平移、点击交互和过渡动画的实现方式。对于 3D 可视化，建议改用 Three.js。
sql injection testing
该技能用于在获得授权的 Web 应用中系统检测与利用 SQL 注入漏洞，覆盖显错、联合查询、布尔盲注、时间盲注、带外注入及登录绕过，并可借助代理工具与 SQLMap 完成验证与证据留存。仅供合法渗透测试使用。
codebase-diagram
将代码仓库转换为可交互的等距（isometric）地图：可平移缩放、点击方块下钻、点击流动圆点查看数据流，支持 Catppuccin Mocha/Latte 主题。适用于需要向新读者解释代码结构、模块边界与数据流向的场景。
judgeval-jql
judgeval-jql 用于通过 Judgeval 公开 Python 或 TypeScript SDK 构建、检查或执行租户安全的 JQL 查询，可查询项目 trace 等数据。需按运行时选择对应参考文档，禁止在 JQL JSON 中放入组织或项目 ID、API 密钥等敏感信息。
duckdb
DuckDB 命令行分析引擎，可在 Linux 与 macOS 上直接查询、检查和转换本地 JSON、JSONL、CSV、TSV、Parquet、SQLite 等结构化与半结构化数据文件，无需数据库服务器或外部导入。
observable-notebook-kit
Observable Notebook Kit 是一个开源 CLI 与 Vite 插件，用于创建、编辑 Observable 笔记本并从中构建静态站点。笔记本以 .html 文件形式编写，使用 <notebook> 与 <script> 标签结构描述单元格。支持 JavaScript、TypeScript、Markdown、HTML、SQL、TeX、Graphviz、Python、R、Node.js 等多种单元格类型，并内置响应式求值、display、view、FileAttachment 等能力。可通过 CLI 命令预览、构建、下载和查询，支持 DuckDB、SQLite、Postgres、Snowflake、BigQuery、Databricks 等数据库连接器，以及构建时运行的数据加载器。
searching-academic-outputs-with-dimensions
该技能通过 shortwing CLI 使用 Dimensions Search Language（DSL）检索 Dimensions 学术数据库，可查找论文、资助、专利、临床试验、研究人员和数据集，需要 API 密钥才能使用。
xlsx
用于创建、编辑与分析 .xlsx 等表格文件的技能，支持公式、格式、数据分析与图表，可读写 .xlsx、.xlsm、.csv、.tsv，按任务选用 pandas、openpyxl 等工具，并可用 LibreOffice 配合 recalc.py 重算公式。
outside-counsel-billing-performance-reviewer
面向企业法务部门的外部律师账单与绩效审查技能，可分析LEDES或电子账单导出、OCG、批准费率、折扣、预算与人员配置，生成合规发现、基准对比、争议日志、MBR/QBR与节省机会草稿，所有输出均需人工复核。
data-access
Leancode 的 Flutter/CQRS 数据访问层技能：按契约、仓储与 BLoC/Cubit 实现业务逻辑，适用于添加 Flutter CQRS 数据访问。
data-engineering-ai-ml
面向 AI/ML 数据工程的技能合集，涵盖向量嵌入生成、向量数据库、RAG 检索增强生成、LLM 监控与批量推理，涉及 LanceDB、pgvector、DuckDB 及 OpenAI 集成，可配合数据工程核心、存储与编排等依赖技能使用。
data-engineering-catalogs
介绍数据目录（Data Catalog）体系的技能资料，涵盖 Iceberg 目录实现（Hive Metastore、AWS Glue、Tabular）、用 DuckDB 作为轻量多源目录，以及 Amundsen、DataHub、OpenMetadata 等开源目录工具的对比，并给出选型标准、配置模式与最佳实践。
data-engineering-storage-remote-access
Python 远程存储访问技能，系统讲解 fsspec、pyarrow.fs、obstore 三套云端存储（S3、GCS、Azure）与远程文件系统访问方案，并覆盖其与 Polars、DuckDB、PyArrow、Delta Lake、Iceberg 的集成用法与选型建议。
data-engineering-storage-remote-access-integrations-polars
介绍 Polars 与远程文件系统（S3、GCS、Azure）的集成方式，涵盖原生云存储支持、fsspec 集成、PyArrow 数据集扫描与分区写入。
data-explorer
Data Explorer 是一个专注于探索性数据分析与统计分析的技能，可帮助发现数据中的模式、洞察与关系，适用于分布分析、异常值检测、聚类、相关性检验、RFM 客户分群等场景。
lark-drive
飞书云空间命令行技能，用于管理云空间文件与文件夹，支持上传下载、创建文件夹、复制移动删除、查看文件元数据、管理文档评论与权限、订阅评论变更事件，适用于整理云空间目录与处理文档协作场景。
lark-sheets
飞书电子表格操作技能，用于创建表格、批量读写单元格、追加行、查找内容与导出文件；需先读取共享认证说明，按标题搜索云空间表格应改用 lark-doc 的 docs +search。
lark-workflow-stock-analyzer
股票研究助手工作流，基于飞书 CLI 与多维表格构建四层架构：自选股监控、财报提醒、深度研究、自动选股。通过多维表格管理自选股、持仓、分析记录和财报日程，结合 AI 多角色并行分析生成研究报告，并可将报告保存为飞书文档、通过飞书消息发送目标价到达通知。适用于股票分析、自选股管理、持仓快照、财报分析、选股等场景。仅支持 user 身份，需先完成授权。
compute-baseline
Compute Baseline 是一个面向 Substack 撰稿人的统计技能，用 corpus/stats/ 中归档的 CSV 计算滚动 4 周基线，覆盖打开率、点击率、每次发送浏览量、每周订阅净增四项指标，并输出含中位数、截尾中位数、IQR、z 分数和置信度标记的基线对象。
fetch-substack-stats
通过 Claude-in-Chrome 浏览器自动化，从 Substack 仪表盘抓取每周订阅数据并归档为 CSV 的技能，是手动导出 CSV 的替代方案，输出与 ingest-substack-csv 相同的 WeekExport 结构。
financial-data-sourcing
该技能定义公司分析所需全部输入的来源契约：说明每个字段从哪取、单位、时效、用户可否直接提供及缺失时的替代方案，产出原始财务、市场数据、来源清单与缺口文件，供数据采集代理和编排器各阶段门禁使用。
genomics-viz
用于为 docs/ GitHub Pages 站点构建遗传学与基因组学概念的交互式 D3 可视化，每个图是一个教学对象，围绕一条常青笔记的主张展开，强调编码、注释、无障碍与可复现数据。
wc-clean-sheet-model
wc-clean-sheet-model 是一个用于足球梦幻游戏（fantasy football）的防守端期望值计算技能，专注于计算特定比赛中某支球队的零封概率（clean-sheet probability）以及防守球员的期望得分（defensive-returns EV）。它基于球队防守强度（xGA）与对手进攻能力（xG）的混合模型，输出每支球队的预期失球数（expected_GA）和零封概率（p_cs），并进一步计算门将、后卫及部分中场的防守期望值。该技能还专门处理同一球队多名防守球员（如3后卫+门将）的堆叠相关性，计算堆叠相关性奖金（stack_corr_bonus），并依据选择压力参数θ（追逐/保护/中性）调整奖金符号与幅度。最终通过信号发射器输出结构化的 clean-sheet 信号，供下游的球员期望值评估、适应度评估和芯片策略等模块消费。