tanstack-patterns
Grey Haven 的 TanStack 生态实践规范，覆盖 TanStack Start、Router 与 Query 在 React 19 应用中的文件式路由、数据获取、缓存与多租户服务端函数模式，适用于构建全栈 React 应用时统一代码约定。
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
17,348 个结果
skill-export
skill-export 是 skill-evolver 中的技能，用于把技能使用数据导出为 CSV 或 JSON，包含运行指标、反馈反应和版本哈希，便于外部分析。
did-core
基于 W3C DID Core 规范的技能，讲解去中心化标识符（DID）与 DID URL 语法、数据模型、核心属性、验证方法、服务、序列化表示及 DID 方法要求。
patent-map
patent-map 是一个专利地图技能：用户点名后，基于已入库的 Obsidian 解读案例打开五种图，并按 bge-small-zh 向量摊开地形。
hello-data
hello-data 是一套数据库开发规范技能，用于操作数据库、编写迁移、设计 schema、管理事务、创建索引，以及使用 Prisma、Sequelize、TypeORM、Mongoose 等 ORM 或执行 SQL/NoSQL 操作。
chanlun
基于缠论（缠中说禅）的形态识别引擎，使用 czsc 库自动检测K线分型、笔、中枢，并生成一买/一卖/二买/二卖/三买/三卖等买卖点信号，支持多周期分析与3/5/7/9/11笔形态分类。
corporate-events
公司事件驱动分析技能，用于评估并购套利价差、大股东增减持信号、股权激励、定增配股影响及A股ST/退市预警，辅助事件驱动交易决策。
credit-analysis
固收与信用分析技能，覆盖债券定价、久期凸性、DV01、信用评级、Altman Z 与 Merton/KMV 违约模型、信用利差、城投债、ABS/MBS 与可转债纯债分析，并提供 quantlib 代码实现。
eastmoney
东方财富免费免鉴权数据接口的 Vibe-Trading 工具索引，覆盖 A 股/港股/美股的资金流向、龙虎榜、融资融券、大宗交易、股东户数、限售解禁、行业概念板块、券商研报、财经新闻、三大报表与主要指标、全市场选股与代码搜索；美股财报转 SEC EDGAR。
minute-analysis
分钟级数据分析与回测技能，可通过 OKX、Tushare、yfinance 获取分钟 K 线，计算 VWAP、TWAP、成交量分布等日内指标，并在 config.json 中设置 interval 运行分钟级回测。
ml-strategy
基于 sklearn 的机器学习预测策略，采用前向滚动训练、特征工程与信号生成，适用于任意 OHLCV 数据。支持随机森林、梯度提升与岭回归/逻辑回归模型，输出 [-1.0, 1.0] 的连续或离散交易信号。
mootdx
mootdx 通过通达信（TDX）二进制协议直连行情服务器，获取 A 股公开市场数据。该来源已于 2026-10-08 从默认回退链中退役，仅在显式指定 source="mootdx" 时保留注册，A 股 OHLCV 建议改用 tencent、eastmoney 或 baostock。
options-strategy
期权策略回测框架，支持 Black-Scholes 定价、Greeks 分析与多腿组合回测，适用于加密货币和股票期权。
qveris
QVeris 是面向全球多资产数据的付费能力市场，覆盖市场行情、基本面、宏观、衍生品、加密货币、中国/香港、新闻、公告与另类数据。当内置免费数据源覆盖不足、深度不够或需要更高质量供应商时使用。
shadow-account
Shadow Account（影子账户）是一个交易研究技能：从用户交割单提炼3-5条人话盈利规则，跨A股/港股/美股/crypto回测，做差值归因并生成8节PDF报告。仅研究输出，不接下单通道。
mne-python
MNE-Python 是一个面向电生理数据分析的科学计算 Python 工具包，适用于 MEG、EEG、iEEG 和 fNIRS。该技能围绕 MNE-Python 1.11.0（Python 3.13.5）构建，覆盖从原始信号加载到分段、预处理、时频分析、逆建模与报告生成的常见分析流程。可使用 mne.create_info、mne.io.RawArray、mne.Epochs、mne.compute_covariance、mne.preprocessing.ICA、mne.time_frequency.psd_array_welch、mne.make_sphere_model、mne.Report 等接口。技能范围包含 mne.io、mne.epochs、mne.preprocessing、mne.time_frequency、mne.viz、mne.report 以及基本的正/逆问题设置；不覆盖所有格式专用读取器、全部数据集辅助函数、全部高级波束形成/最小范数变体以及 mne._fiff / mne.commands 的底层内部实现。资料同时提供符号索引与符号卡片等 API 查阅资产及基于片段的验证脚本，便于快速定位与校验。
zmm-concentration
詹明明的客户与收入集中度体检技能，用于回答“这门生意的钱有多少攥在极少数人手里”。它按最近12个月收入清单计算 TOP1/TOP3/TOP5 占比，并估计“失去最大的客户后，剩余收入扣掉每月固定支出还能撑几个月”（跑道）。同时检查客户集中、渠道集中和产品集中三种形态，逐条核对大客户流失前兆（下单频率、付款速度、对接人、比价等）。输出一份集中度体检报告，包含风险清单和“禁止动作清单”，重点提醒高集中度下不应主动涨价、推新品或换对接人。首次使用会建立基线，后续可比趋势。适用对象为2B非技术业务负责人、老板或一号位，需要提供收入排序、固定支出、客户来源和主要产品/服务信息。不编造数字，缺数据就标“无数据”；不替用户联系客户，不做单个客户留存决策，不做营收归因或生产端依赖分析。
zmm-revenue
zmm-revenue 是一个面向生意负责人的营收异动归因技能，用于回答“这个月钱为什么少了（或多了）”这一个问题。它把任意期间营收拆成客户数、每客购买量、单价三个乘子，分别计算对变化总额的贡献，找出主线原因。由于三种原因对应的处理动作相反（客人流失该挽留获客、每客买少该先问客户需求、单价变化常常无需动作），该技能强调先拆解再下结论，避免慌乱中做反向动作。它还会做分组复核以识别结构变化掩盖的退步（如老客流失被新客补上、高价客占比上升掩盖全线下滑），并做 6–12 个月多期检查以发现“每月只跌一点”的静默侵蚀。最终输出要求归因到具体的人和事，而非停留在百分比，并强制给出“不要做”的排除项。使用前需读 config.yaml、交互规范与记忆目录，通过 /zmm-revenue、/钱去哪了、/营收归因等触发。
zmm-retro
zmm-retro 是短视频发布后复盘技能：把真实平台数据收回，对照发布前预判做分层归因，并把验证过的规律写入技能记忆，让内容系统学会“为什么这条火”。触发方式包括 /zmm-retro、/复盘、/zmm-复盘 等。
iblai-agent-history
iblai-agent-history 是 ibl.ai 平台 API 的对话历史读取技能，用于列出用户与某智能体的对话（可按情感、主题、用户、日期筛选），读取总体摘要与单次对话记忆，并异步导出完整聊天记录报告。
iblai-analytics
通过 ibl.ai 平台 API 读取分析数据，覆盖智能体、内容与用户三类范围：概览 KPI、用户、主题、对话记录、成本、课程、项目与审计，并可生成数据报告。
convex-migrations
Convex Migrations（@convex-dev/migrations）是 Convex 数据库的在线批量数据迁移组件，用于在不停机的情况下分批转换已有文档，支持断点续跑与状态跟踪。
ifc-core-validation
IFC 核心校验技能：说明 IFC 文件“有效”的含义、buildingSMART 校验服务的五阶段流程、校验报告解读方式，以及 Gherkin 规范规则与功能部件分类的组织结构。适用于 IFC2x3、IFC4、IFC4.3。
ifc-errors-property-set-mistakes
用于诊断和修复 IFC 文件中属性集、数量集与材料关联的六类常见错误，包括命名冲突、关系挂载错误、派生属性写入、单位不匹配及旧版材料列表等问题，并区分硬错误与规范性问题。