axum-core-state
Axum 框架中通过 State 与 Router::with_state 注入共享应用状态的技能，涵盖数据库连接池、配置、缓存等启动期资源的编译期状态装配，并说明 State 与 Extension 的取舍、可变共享状态的互斥锁选择及 FromRef 子状态组合。
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
17,300 个结果
postgres-syntax-jsonb
面向 PostgreSQL JSON 列查询的技能：指导在 json 与 jsonb 之间选择、用 -> / ->> / #> / #>> 提取值、用 @> 与 ? 系列做结构筛选、选择 GIN 操作符类（jsonb_ops 与 jsonb_path_ops），并正确更新 JSONB 字段。
thatopen-core-fragments
ThatOpen 的 Fragment 系统技能，用于 BIM 模型的存储、加载、查询与优化几何管线。将 IFC 转为基于 FlatBuffers 与 THREE.InstancedMesh 的 GPU 友好二进制格式，支持百万级构件快速渲染。
thatopen-impl-measurements
用于在 ThatOpen BIM 查看器中实现测量功能的技能，覆盖 @thatopen/components-front 的距离、面积、体积与角度测量组件，说明其配置、吸附、生命周期、创建与清理方式，并强调常见错误（如未先设置 world、同时启用多个测量类型等）。
ray-weekly
ray-weekly 是一个每周复盘/周报自动化技能，用于扫描各项目仓本周提交、拉取内容数据并盘点自定义业务线状态，最终收口为「本周真正动了什么、哪条线推进或停滞、下周聚焦不超过3件」。触发方式为 /ray-weekly。
j5ik2o-takt-analyzer
TAKT Analyzer 是用于分析既有 TAKT 工作流与 facet 的技能，可检测结构问题、facet 一致性、样式指南合规、未使用 facet 与规则设计问题，并给出改进建议；存在执行日志时还可做基于日志的诊断。
j5ik2o-takt-optimizer
用于优化既有 TAKT 工作流的技能：在 takt-analyze 诊断结果基础上，执行 token 消耗削减、步骤整合、规则简化、facet 复用、循环控制改进与并行化建议，并直接生成优化后的文件。前提 takt 版本 v0.47.0。
molecular-visualization-3dmol
基于 3Dmol.js 的分子三维可视化技能，可生成自包含 HTML 文件，在浏览器中渲染 PDB/SDF/XYZ/MOL2/cube 等结构，支持球棍、卡通、表面等样式，以及轨迹和振动模式动画。
neb-irc-activation-energy
基于 GFN2-xTB 与 pysisyphus 的反应活化能计算流程：优化反应物与产物、用 CI-NEB 搜索最小能量路径、经 Hessian 精修过渡态并用 IRC 验证，输出过渡态几何、能垒（ΔE‡、ΔG‡）、IRC 能量曲线图与虚频振动动画。
spaced-repetition
该文档介绍一个基于翻译对（短语对）的间隔重复系统，说明其数据模型、SM-2 风格排程、每日限额与复习队列逻辑，适用于该 drill-app 项目内的复习功能实现与理解。
synthesize-feedback
一个用于客户反馈与VoC分析的技能：把原始反馈清洗、去重并聚类为5-10个主题，统计提及量、占比与情绪，区分信号与噪音，并与产品路线图对照后输出Markdown报告。
data-analyst
面向产品经理的数据探索与分析技能，帮助查询数据库、分析指标、提取可执行洞察并支持数据驱动的产品决策。该技能强调先明确数据要回答的决策问题，再编写可运行的查询（如通过 BigQuery 等 MCP 工具），解释分析结果及其意义，坦诚说明数据局限，并给出后续建议。其输出结构固定为：问题、方法、查询/分析、发现、解读、局限、下一步。技能还包含多维拆解、数据口径核查、CTR 分析、跨平台对比、text2sql 探索、分区过滤等进阶模式，并明确禁止脱离上下文呈现数据、隐藏数据质量警告、从相关性推断因果或堆砌数字。
web-analytics
web-analytics 是一个基于推送式工作流的网站分析技能，用于分析 Umami 或 GA4 流量，通过有证据支撑的专家评审生成组合脉搏、决策简报或深度报告；它并非仪表盘替代品。
generative-optimization
这是一个关于生成式优化的技能，主要面向使用高斯混合模型（Gaussian Mixture Models）和条件流匹配模型（Conditional Flow Matching models）来完成优化任务。该技能来自 jkitchin/knowhow 仓库，属于技能集合中的一个条目。根据现有资料，其用途聚焦于生成式优化方法，涉及两类具体模型：高斯混合模型与条件流匹配模型。资料中未提供该技能的具体使用时机、详细操作指令以及使用示例，相关部分均标注为待补充（TODO）。因此，关于该技能的完整功能、调用方式、适用场景和限制等信息暂未提供。
clean-architecture
Clean Architecture 是一种按同心分层组织代码、依赖只能向内指向的架构方式，使业务规则独立于框架、数据库与外部系统。适用于含真实业务逻辑、需要替换基础设施或便于测试的后端项目。
swift-concurrency
用于诊断 Swift 并发数据竞争、将回调代码迁移到 async/await、实现 actor 隔离、解决 Sendable 合规问题并指导 Swift 6 迁移的技能。
formalism-translator
一个用于跨数学形式体系翻译概念的技能：在优化、概率、信息论、动力系统、图论与统计等语言间寻找结构等价，而非表面类比，并明确区分精确等价、渐近相似与启发式相似。
data-flywheel
基于《AI for Everyone》蒸馏的「数据飞轮」方法论技能：帮助识别、设计和评估让产品、用户与数据相互强化的增长循环，用于竞争壁垒分析、AI产品增长策略与数据收集设计。
dont-acquire-for-data
基于吴恩达《AI for Everyone》蒸馏的方法论技能，用于在收购或投资数据前验证其真实价值。核心是回答“谁用、做什么用、怎么变现”三问，并让AI团队参与评估，避免“数据以后肯定有用”的幻觉。
dont-wait-perfect-data
源自吴恩达《AI for Everyone》的「不等完美数据」方法论技能，用于在数据未达完美时推动团队先用现有数据启动AI建模，再通过反馈与数据飞轮持续迭代。
unified-data-warehouse
基于《AI for Everyone》蒸馏的“统一数据仓库”方法论技能，用于指导企业整合分散数据、打破数据孤岛，为AI项目提供数据基础设施。适用于数据散落、指标口径不一、数据飞轮受阻等场景，提供盘点、架构、标准、接入、治理、赋能六步执行框架。
sap-schema-expert
SAP Business One 10.0 表结构参考技能，用于编写 HANA SQL 查询。可查找表名、字段定义、业务概念到表的映射，并区分数据库列名与 COM 属性名。
context-health
用于审计 Elle 上下文系统（~/.claude/.context/core/）的数据质量，检查过期、矛盾、臃肿与缺失数据。适合在上下文感觉陈旧、经历重大生活变化后或定期运行。
audit-analytics
audit-analytics 是一个只读的产品分析埋点审计技能，用于检查 PostHog、Amplitude、Mixpanel、GA4 等分析工具中的事件定义。它帮你确认应用是否用统一的分类体系度量了业务决策所需的漏斗，是否避免泄露 PII，以及是否在用户同意前就触发追踪。该技能的核心问题在于失败往往是静默的：仪表盘看起来数据充盈，但关键漏斗步骤其实从未埋点，导致基于它的每个决策都是猜测。