data-validator
对 CSV、JSON 和数据库导出数据进行质量校验，检查缺失值、类型不匹配、重复、异常值和模式违规，适用于 ETL 管道中防止脏数据污染下游分析。
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
ef-core-advanced-patterns
该技能整理 EF Core 与 PostgreSQL 的高级数据访问模式，涵盖变更跟踪优化、加载策略、查询拆分、编译查询、批量操作、并发处理与 PostgreSQL 特性，用于优化查询性能并排查慢查询与 N+1 问题。
activity-report
activity-report 是一个把生产环境真实使用数据与 git 活动合并成简短解读型报告的工作流技能，输出 markdown 并可复制到剪贴板为富文本。它强调解读而非罗列数字：区分已修复、仍开放及未验证的故障，并给出后续建议。
swiftdata
用于实现或审查 SwiftData 的持久化设计技能，覆盖 @Model、ModelContainer、ModelContext、@Query、谓词、关系、迁移与 CloudKit 约束，强调模型标识、关系、查询成本、迁移和上下文归属的明确性。
starrocks-table-design
用于设计 StarRocks 表结构的技能，指导选择表类型（Duplicate/Aggregate/Unique/Primary Key）、分区、分桶分布与索引，并给出 DDL 示例、分区管理与常见反模式。
product-behavior-signals
该技能将混合方法研究与实时遥测数据转化为可执行的用户洞察循环，用于指导产品决策。它通过三角验证定性故事与定量漏斗，揭示用户的真实动机、焦虑与习惯循环，并维护一个持续更新的证据栈，以降低产品、游戏或 web3 项目的风险。工作流包括：检查埋点覆盖缺口、按意图聚类行为模式、合成“信念陈述”、将洞察转化为可测试假设或待办事项，并设定定期评审节奏。
cognee-forget
cognee-forget 是 cognee 的删除接口技能，通过 forget() 在 SDK、HTTP API 或 CLI 中删除记忆数据：可移除单个文档、整个数据集，或仅删除派生的图与向量记忆而保留原始文件。删除不可撤销，流程为先定位数据集与文档、读取内容确认，再删除。
cognee-ingestion
cognee-ingestion 是 cognee 的数据写入技能，围绕 remember() 展开：支持文本、文件、文件夹、URL、代码仓库与数据库等输入，可指定数据集、node_set 标签、自定义图谱模型、本体与加载器，并估算成本。
cognee-performance
cognee-performance 是面向 cognee 的性能调优指南，用于在摄取慢、成本高或触发限流时调整批处理、分块大小、LLM 与嵌入限流、模型路由等参数，并说明本地提取、读取延迟与部署扩展方面的取舍。
datadog-review-dashboard
用于审计现有 Datadog 仪表盘运营就绪度的技能，检查告警阈值标记、阈值与正常流量的接近程度、面向客户区块及零知识可读性，并生成结构化审查报告。
time-series
该技能用于从 Twelve Data 获取日内与历史时间序列行情数据，通过 Shift 的 Skill Router 调用。适用于查询指定交易标的的近期价格 K 线、日内或历史柱状数据，例如 AAPL 的 1 分钟、BTC/USD 的 1 小时或 TSLA 的日线数据。调用方式为向 Skill Router 的 invoke 接口发送 POST 请求，请求体中指定技能提供方 twelve-data、技能名 time-series、动作 get 以及输入参数。可选输入字段包括 symbol、interval、outputsize、timezone、startDate、endDate、exchange、country、type、dp、order。使用前需在 Shift 中配置 Twelve Data API 密钥，认证由 Shift 自动处理，无需用户手动粘贴凭据。
uipath-data-fabric
UiPath Data Fabric 是 UiPath 提供的结构化数据存储服务，用于管理实体（Entity）与记录（Record）。本技能通过命令行工具 `uip df` 操作 Data Fabric：可创建实体、插入/查询/更新/删除记录、从 CSV 批量导入数据、以及上传下载文件附件，所有操作以 `--output json` 输出 JSON 结果。实体是带类型的结构定义，记录相当于数据行，FILE 类型字段用于存放二进制附件。该技能适用于在 CLI 侧进行实体发现与记录初始化（seed），例如批量写入测试数据、按条件过滤记录、为仪表盘或 KPI 做计数/求和/平均/分组聚合等。对于在 .flow 文件中以内嵌连接器节点方式读写 Data Fabric 的场景，需交由 uipath-maestro-flow 技能处理。使用前需先安装工具、确认登录与租户，并在任何写入操作前解析实体 ID。注意：不支持修改字段数据类型、创建或写入联邦实体（只读）、字段名不能使用 SQL/C#/VB 保留字，FILE 字段通过 CLI 上传目前不可用。具体收费与价格信息暂未提供。
async-sqlalchemy-patterns
面向 FastAPI 的异步 SQLAlchemy 2.0+ 数据库实践技能，涵盖异步会话管理、连接池配置、Alembic 迁移、关系加载策略与查询性能优化，提供脚本、模板和示例资源。
sqlserver-indexes
该技能面向 SQL Server 索引管理，提供一系列脚本与方法，用于查找缺失索引、分析索引碎片、识别未使用索引、设计覆盖索引以及理解索引使用统计。索引被视为影响 SQL Server 查询性能的关键因素。技能覆盖四个核心方面：从 DMV 中获取缺失索引机会并按影响分数排序，同时强调这些只是线索而非完美建议，需先合并相似索引；通过物理统计 DMV 评估碎片并按阈值给出 REBUILD、REORGANIZE 或跳过建议；识别从未被读取但承担写入开销的索引并生成谨慎的删除语句；以及分析索引的查找、扫描与键查找次数，帮助判断是否需要覆盖索引。该技能包含可直接参考的 SQL 脚本查询，并说明列顺序规则：等值谓词在前，不等式谓词随后，INCLUDE 列用于覆盖 SELECT 列表。适用场景为数据库性能调优与索引维护。限制方面，使用统计会在服务重启后重置，近期重启后不宜依据该查询；某些索引可能服务于低频批处理任务或被用于约束强制，删除前需核对；测试删除应先在生产之外的环境进行。
trend-analysis
趋势分析技能用于分析业务或财务数据的趋势模式，识别周期性、季节性和结构性变化，辅助业务预测与决策。适用于用户提出"趋势分析""看历史走势""分析同比环比"等需求时，执行时间序列分解、季节性识别、趋势预测和异常检测。
wecom-smartsheet-data
企业微信智能表格记录管理技能，通过 wecom_mcp 工具对智能表格子表记录进行增删改查，支持用 docid 或文档 URL 定位文档，适用于读取表格数据、写入新行、修改或删除记录等场景。
valkey
Valkey 是一个开源的高性能键值存储系统（Redis 的分支）。valkey-swift 库为 Swift 开发者提供了完整支持 async/await 的 Valkey 客户端，具备集群路由和发布/订阅能力。本技能用于在 Swift 开发中获取 Valkey/Redis 的专业指导，适用于开发者在 Swift 项目中涉及 Valkey、Redis、valkey-swift 库或 RESP 协议时使用。内容涵盖安装方式（通过 Package.swift 添加依赖）、单机与集群连接、字符串/哈希/列表/集合/有序集合等命令用法、发布订阅、事务、流水线、集群哈希槽路由、连接配置与错误处理等主题。
bayesian-statistics-guide
贝叶斯统计指南技能，用于研究数据分析中的贝叶斯推断，涵盖先验设定、MCMC 采样、后验解读、模型比较与报告规范，基于 PyMC 与 ArviZ 提供代码示例。
game-opportunity-decision
小游戏机会每日决策 Checklist 技能，用于每天对采集结果查询全球与国家搜索量、KD、意图、独立需求和可玩供给，生成开发、调研、观察或静候结论，对应“小游戏机会每日决策报告”定时任务。
xquik-data
用于通过 Xquik 的 REST、OpenAPI、MCP、Webhook 或 SDK 工作流采集与分析 X/Twitter 数据的技能，帮助智能体选择合适的集成方式并输出可追溯结果。
xquik-data-cn
用于通过 Xquik 采集、分析或监控 X/Twitter 数据的技能，帮助在 REST API、OpenAPI、MCP、webhook 与 SDK 之间选择合适集成方式，并输出可追溯结果与配置缺口。
quantflow-skill
quantflow-skill 是一个面向中文自然语言的量化金融数据研究技能，主要用于把“看看这只股票最近怎么样”“帮我查财报趋势”“最近哪个板块最强”“北向资金在买什么”“给我导出一份行情数据”等口语化财经数据请求，转换成可执行的数据获取、清洗、对比、筛选、导出与简要分析流程。该技能基于 akshare 数据接口构建，覆盖行情趋势、公司资料、财务分析、估值指标、资金流、板块指数、公告新闻、宏观经济、期货、期权、基金、外汇、债券、加密货币、行业经济、全球经济、新能源、数字经济、金融市场、房地产、交通运输、农业等多类数据。使用前需检查 Python 3.7+ 环境，并安装 akshare 包，必要时安装 akquant 包，安装命令为 pip install akshare 和 pip install akquant。该技能提供标的解析、时间默认口径、输入规范化、分段拉取、输出契约、数据质量校验、缓存复用与错误处理等规则，并支持通过 AKQuant 进行策略回测。它不适用于直接给出买卖建议、替代投资顾问、自动下单或执行交易、毫秒级实时交易决策、复杂回测引擎实现，也不应在无网络支持时伪造数据。
golden-jupyter-dir
golden-jupyter-dir 是一个由 Jupyter Notebook 转换而来的技能（Skill），用于测试 golden_jupyter_dir 的 golden build。该 Notebook 使用 Python 3 内核（Python 3.11.4），共包含 5 个章节，内容涵盖数据加载、评估、环境设置等主题，主要涉及 Getting Started 与 Modeling Results 等概念。依赖 numpy、pandas、sklearn 三个包。技能提供了代码示例、章节导航与参考文件，适合在需要理解 golden_jupyter_dir 概念与分析流程、参考代码示例及其输出、复现数据分析或计算步骤、审查方法、可视化与结果，以及查找库使用模式与最佳实践时使用。
golden-jupyter-kw
golden-jupyter-kw 是一个由 Jupyter Notebook 提取生成的技能包，用于测试 golden_jupyter_kw 黄金构建。它汇总了笔记本的概念、分析工作流、代码示例与输出、可复现的数据分析或计算步骤，以及方法、可视化和结果，并提供库的使用模式与最佳实践参考。资料显示该笔记本共包含 5 个章节，内容分为 Setup（1 节）、Modeling（1 节）、Loading（1 节）和 Other（2 节），主要主题为 Getting Started，子主题为 Modeling Results。依赖 numpy、pandas、sklearn 三个包，含 2 个代码单元、2 个 Markdown 单元和 1 个 Raw 单元，语言为 python 与 bash。具体使用方式、适用场景及限制在资料中暂未提供。