SuperAPI AI 工具集

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 11-04 00:13

数据与分析

17,332 个结果

tanstack-db-core-mutations-optimistic

TanStack DB 的变更与乐观状态技能,讲解 collection.insert、collection.update(Immer 风格草稿代理)、collection.delete 三种集合写操作,以及 createOptimisticAction、createPacedMutations、createTransaction 等核心模式。内容涵盖乐观变更的单向循环(乐观变更→处理器持久化到后端→同步回写→确认状态)、防抖/节流/队列策略、手动批量事务、QueryCollection 与 ElectricCollection 的处理器写法,并列出常见错误(如 update 传对象而非草稿回调、onMutate 返回 Promise、缺少处理器或环境事务、主键不可变、重复键、未等待 refetch 等)。

数据与分析6 次安装

tanstack-offline-transactions-offline

TanStack DB 的离线事务支持技能。通过 OfflineExecutor 编排持久化发件箱(IndexedDB/localStorage)、领导者选举(WebLocks/BroadcastChannel)、在线检测与带退避的重试,使乐观变更在页面刷新或断网后仍能保留并最终提交。技能基于 db-core 与 mutations-optimistic,提供 createOfflineTransaction、createOfflineAction、幂等键、NonRetriableError 以及 React Native 适配等能力。

数据与分析6 次安装

analytics-tracking

该技能用于设置、改进或审查网站与应用的分析埋点与衡量方案,涵盖GA4、Google Tag Manager、UTM参数策略、事件命名规范、数据质量校验及隐私合规等内容。它以“为决策而追踪”为核心原则,从业务问题出发反推所需事件,提供事件命名(对象-动作)、标准属性、必需事件清单、GA4与GTM实现示例、调试工具与验证清单,并输出埋点方案文档模板。适用于营销与产品分析场景,涉及事件追踪、转化衡量、UTM管理与合规要求。

数据与分析6 次安装

databases

该技能是一份同时覆盖 MongoDB(文档型数据库)与 PostgreSQL(关系型数据库)的统一使用指南,帮助使用者在两种数据库之间做出选型,并掌握两者的常见操作。内容包含适用时机说明、数据库选型建议、快速开始安装与连接示例、增删改查(CRUD)操作对照、索引创建、参考资料导航、Python 工具脚本以及差异对比与最佳实践。资料中给出的 MongoDB 相关内容包括 BSON 文档、聚合管道、Atlas 云服务、mongosh 命令行;PostgreSQL 相关内容包括 SQL 查询、psql CLI、pgAdmin、事务与复制等。同时提供 db_migrate.py、db_backup.py、db_performance_check.py 等脚本的用法示例。适用于模式设计与数据建模、编写查询、构建聚合管道或复杂连接、索引与查询性能优化、数据库迁移、复制与分片配置、备份与灾难恢复、用户与权限管理、慢查询分析以及生产数据库运维等场景。

数据与分析6 次安装

datamol

Datamol 是一个基于 RDKit 的 Python 化学信息学库,为分子操作提供简洁的 Pythonic 抽象层。它封装了 RDKit 的复杂接口,提供合理的默认值、并行化能力和现代 I/O 支持,所有分子对象仍为原生 rdkit.Chem.Mol 实例,与 RDKit 生态完全兼容。主要能力包括分子格式转换(SMILES、SELFIES、InChI)、结构标准化与清洗、分子描述符与指纹计算、3D 构象生成与分析、聚类与多样性选择、骨架与片段分析、化学反应应用、可视化与对齐、批处理并行化,以及通过 fsspec 支持云存储。安装方式为 uv pip install datamol,导入约定为 import datamol as dm。适用于标准药物发现工作流,如分子数据处理、类药性筛选、构效关系分析、虚拟筛选等场景。

数据与分析6 次安装

edgartools

EdgarTools 是一个用于查询和分析美国证券交易委员会(SEC)申报文件与财务报表的 Python 工具库。它支持获取公司资料、各类 SEC 申报文件、XBRL 财务数据,并可进行多公司对比分析。使用前必须调用 set_identity() 设置身份信息,否则所有 API 调用都会失败。该工具提供 .to_context() 方法以更节省 token 的方式获取摘要信息,并内置 SEC 速率限制处理与请求缓存。

数据与分析6 次安装

pinecone

Pinecone 是一款面向生产级 AI 应用的托管向量数据库(SaaS),具备自动扩缩容能力,可扩展至数十亿向量。它支持稠密与稀疏向量的混合检索、元数据过滤和命名空间隔离。官方称 p95 延迟低于 100ms,并提供 99.9% 可用性 SLA。适合需要托管、无服务器向量库的生产 RAG 应用,以及对低延迟和免运维有要求的场景。官方建议:若需自托管开源方案可选 Chroma 或 Weaviate,若仅做离线相似度检索可选 FAISS。提供免费额度:1 个无服务器索引、10 万条 1536 维向量,便于原型验证。可通过 pip 安装 pinecone-client,并提供与 LangChain、LlamaIndex 的集成。

数据与分析6 次安装