pci-compliance
用于在支付系统开发中落实 PCI DSS 合规要求的技能文档，涵盖数据最小化、令牌化、加密、访问控制与审计日志等主题，帮助处理持卡人数据、降低合规范围并准备 PCI DSS 评估。
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
17,321 个结果
seaborn
Seaborn 是一个用于创建出版级统计图形的 Python 可视化库。它面向数据集进行绘图，支持多变量分析、自动统计估计，并能以极少的代码生成复杂的多面板图形。其核心设计理念包括：面向数据集，直接使用 DataFrame 和具名变量而非抽象坐标；语义映射，自动将数据值翻译为颜色、大小、样式等视觉属性；具备统计感知能力，内置聚合、误差估计和置信区间；提供出版级主题和调色板；并与 matplotlib 完全兼容。该技能涵盖关系图（scatterplot、lineplot、relplot）、分布图（histplot、kdeplot、ecdfplot、jointplot、pairplot）、分类图（stripplot、swarmplot、boxplot、violinplot、barplot、catplot）、回归图（regplot、lmplot、residplot）、矩阵图（heatmap、clustermap）以及 FacetGrid、PairGrid、JointGrid 等多面板网格。用户可通过函数式接口或声明式的 objects 接口进行绘图，并利用 hue、size、style、col、row 等参数实现语义映射与分面。适用于探索性数据分析、相关性分析、分布比较和出版级图表制作等场景。
shap
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。
statsmodels
Statsmodels 是 Python 中用于统计建模与计量经济学的核心库，提供估计、推断与诊断工具，覆盖从简单线性回归到复杂时间序列与计量分析的广泛方法。它支持线性回归（OLS、WLS、GLS、分位数回归）、广义线性模型（Logistic、Poisson、Gamma 等）、离散选择模型（二值、多项、计数、有序）、时间序列分析（ARIMA、SARIMAX、VAR、预测）、统计检验与诊断（异方差、自相关、正态性）、异常值与影响点检测、模型比较（AIC/BIC、似然比检验）以及因果效应估计，并可生成适合发表的统计表格与推断结果。该技能适用于需要严谨统计推断的场景，例如拟合回归模型、分析离散结果、进行时间序列预测、检验模型假设、比较模型优劣等。使用方式上，既可通过标准 API（如 sm.OLS、sm.GLM、ARIMA）建模，也可使用 R 风格公式 API（smf.ols、smf.logit）进行直观的模型设定。资料中提供了线性回归、Logistic 回归、ARIMA、GLM 等快速入门代码示例，以及模型选择、交叉验证和最佳实践指导。
umap-learn
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
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。
zarr-python
zarr-python 是用于云存储的分块 N 维数组 Python 库，支持压缩数组、并行 I/O 与 S3/GCS，可兼容 NumPy、Dask 和 Xarray，适用于大规模科学计算。
synth-data-generate
synth-data-generate 是微软 hve-core 中的技能，用于在 Jupyter Notebook 中生成合成数据集。它要求先通过 dataops 的 synthetic-data 预检，再创建项目、编写并执行 Notebook 代码，默认导出 CSV，并支持可视化、统计与可区分性评估。
dataverse-sdk-use
PowerPlatform Dataverse Client Python SDK 使用指南，说明如何通过 Python 对 Microsoft Dataverse 执行记录增删改查、查询、表元数据管理、关系与文件操作，并介绍命名空间、批量与分页等用法。
onelake-catalog-cli
Microsoft Fabric OneLake 目录治理与策展 CLI 技能，通过 Fabric Admin、Core、Power BI 等 REST API 管理租户或工作区层面的目录健康、保护和信任。提供审计与修复两种模式，按权限层（租户管理员、数据所有者）区分操作范围。策展模式允许所有者改进单项或指定工作区内条目的描述、显示名称、标签及表列描述；治理模式支持管理员或数据所有者审计治理状况并执行受控修复。所有写操作需通过明确审批门槛，不编造无 API 支持的功能。
tooluniverse-database-logins
ToolUniverse 数据库登录助手技能，帮助科研用户在 ToolUniverse 中配置 NCBI/PubMed、OMIM、DisGeNET、UMLS、OpenAlex 等数据库所需的 API key。全程不要求用户把密钥粘贴进聊天，密钥只填入托管网站或本地环境变量。
principle-explain-the-number
该技能用于在报告或依据某个测量值、计数或评估结果采取行动时，解释数字的含义与边界。它要求说明数量、单位、来源身份、输入范围、排除项和方法，并明确所统计的是哪些已完成且正确的工作。针对不同类别的数字，需匹配相应证据：确定性计数或计算需保留可复现的查询或公式及来源版本，并报告覆盖范围与时效限制；实验或评估结果需比较等价工作与条件，排除错误、跳过的工作、缓存差异、未激活代码、不均匀调优和测量开销，记录运行次数与离散度；因果性的速度或容量声明还需通过性能剖析或计数器找到限制资源或路径并映射到源码。该技能强调将组件改进与端到端影响分开，评估结果受其场景、试验和模型限制，不得过度推广。若方法或限制因素未解决，应报告观察结果及其不确定性，而非声称改进。
omnigraph-intel-bootstrap
用于从零搭建基于 Omnigraph 的 SPIKE 行业情报图谱的引导技能，提供演示与自定义两条路径，涵盖环境检查、领域与来源采集、模式适配、研究播种、初始化加载与查询验证。
moai-formats-data
moai-formats-data 是面向现代应用的数据格式处理技能，覆盖 TOON 编码、JSON/YAML 优化、序列化模式与数据校验，用于优化发送给 LLM 的数据体积（宣称较 JSON 减少 40-60% 的 token）以及高性能数据处理。
data-explorer
data-explorer 是用于对 CSV、Excel 等表格数据做数据剖析与质量检查的技能，可生成数据概况报告、质量评分和后续分析方向建议，适合在需要总结表格、检查数据质量或查找异常值时使用。
data-visualizer
依据公开资料整理的 data-visualizer 技能介绍：它用于根据数据生成交互式图表和 HTML 仪表盘，可自动在 Mermaid、Recharts、Chart.js、Tremor、ECharts 等方案间选择，并支持转换为 PPT 或 Word 文档。
moai-platform-firestore
moai-platform-firestore 是一个面向 Firebase Firestore 的专项技能模块，专注于 NoSQL 文档数据库的相关模式与实践。它覆盖实时同步、离线缓存、安全规则、Cloud Functions 触发器和针对移动端优化的 SDK 等核心能力。该技能适用于构建离线优先、实时协作、跨 iOS、Android、Web 和 Flutter 平台的应用，以及需要 Google Cloud 集成和数据灵活演进的场景。技能内部按模块组织深入指导，包括安全规则、离线与缓存、实时监听器以及事务等主题，并提供初始化、安全规则结构、实时监听器与复合索引等实现示例。
data-quality-checks
用于为表或数据管道设计数据质量检查的 Claude 技能，覆盖完整性、唯一性、有效性、新鲜度、一致性与准确性等维度，为每项检查定义规则、严重级别（阻断或警告）及运行位置（dbt 测试、Great Expectations 或 SQL 断言）。
kelly-legal-firm-radar
面向律所管理分析的 Busabase App-in-Skill 仪表盘，用匿名化案件库元数据生成业务组合、律师能力、质量指标与经批准的品牌或人员报告洞察，并带有审批门与执行标记流程。
kelly-products
Kelly Products 是面向电商卖家的商品管理工作台（Busabase App-in-Skill），集中管理商品主数据、SKU 定价、库存覆盖、渠道状态、素材就绪度、合规备注与生命周期状态，并提供带审批门的评审队列。
pp-github
pp-github 是一个 GitHub 协作数据命令行工具（github-pp-cli），把 issue、PR、提交、分支、内容、标签、发布和搜索镜像到本地 SQLite，支持离线全文检索与跨实体关联查询，适合重复或离线查询 GitHub 数据的场景。
database-administrator
面向数据库管理任务的 Copilot 智能体，通过日语结构化对话协助数据库运维、性能调优、备份恢复、监控、高可用配置与安全管理，支持 PostgreSQL、MySQL、Oracle、SQL Server、MongoDB、Redis 等。
project-scaffold
用于初始化和管理研究项目结构的技能，可创建标准化目录与元数据文件（project.yaml、progress.yaml），支持定性、定量与混合方法三类项目，并可在新项目与已有项目之间建立统一路径映射。
neo4j-graph-data-scientist
面向 Neo4j 图数据科学任务的技能，通过 GDS Agent 与 Cypher 工具完成图分析工作流，并附带错误排查指南。