longbridge-market-data
通过 Longbridge CLI 获取港股、美股、A股、新加坡市场的实时与历史行情数据，包括报价、K线、盘口、逐笔成交、资金流、市场情绪、交易日历、证券列表、汇率、IPO 日历、ADR 溢价与外汇套利分析等。
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 11-05 00:16
数据与分析
17,405 个结果
redis
该技能用于配置、运行和优化 Redis，面向缓存、队列、限流与实时数据存储场景，涵盖安装配置、常用数据类型命令、持久化（RDB/AOF）、Sentinel 高可用、Cluster 集群、缓存、限流、Pub/Sub、单实例租约锁、Docker Compose 部署、监控排障与安全加固。资料为文档导入，未捆绑上游脚本与模板。
global-stock-data
美股港股全栈数据工具包（官方源优先），提供十三层数据架构、30 多个端点、11 个数据源，覆盖行情、K 线、技术指标、基本面、资金面、期权、SEC Filing、做空量、申报事件、全市场横截面与宏观日历等，全部零鉴权，仅依赖 requests。
sql-analysis
sql-analysis 是一个用于数据分析的 SQL 技能，帮助编写复杂查询、连接、聚合、窗口函数并进行查询优化，适用于数据提取、业务报表、临时分析、指标计算、客户分群、漏斗与留存分析等场景。
statistical-analysis
Statistical Analysis 是一个用于数据统计分析的技能，帮助对数据应用统计方法、检验假设并得出具有统计显著性的洞察。它覆盖 A/B 测试、假设检验、相关性分析、预测建模、趋势分析、预测、异常检测和显著性检验等场景。资料中提供了 A/B 测试显著性计算（使用 scipy 进行卡方检验，输出转化率、提升度和 P 值）和回归分析（使用 pandas 与 scikit-learn 做线性回归，输出 R 方、系数、截距并进行预测）的示例代码。该技能强调的最佳实践包括：定义清晰的零假设与备择假设、检查正态性与独立性等假设、选择显著性水平（通常 α = 0.05）、计算足够的样本量以保证统计功效、考虑混杂因素、报告效应量而非仅报告 P 值、通过交叉验证与留出集验证结果，以及谨慎解释（相关不等于因果）。
cap-apps-data-api
Domo 应用平台数据访问的高层入口规则，采用 toolkit/查询优先方式，将详细查询工作路由到 cap-apps-dataset-query。主要用于在 Domo 应用中通过 @domoinc/query 读取数据集。
cap-apps-dataset-query
面向 Domo 应用的 @domoinc/query 数据查询技能：以查询优先方式访问数据集，支持筛选、分组聚合、日期粒度与分页，并强调性能约束。
cap-apps-sql-query
用于在 Domo 数据集别名上执行原始 SQL 查询的技能，基于 @domoinc/toolkit 的 SqlClient，替代 domo.post('/sql/v1/')，并能安全解析列式 SQL 响应。
cap-de-programmatic-filters
通过服务端程序化过滤器与数据集切换，控制嵌入式 Domo 仪表板/卡片中每位查看者可见的数据，由 Domo 侧强制执行，终端用户无法绕过。凭证须在服务端处理，最大会话长度 1440 分钟。
supabase-postgres-best-practices
Supabase 维护的 Postgres 性能优化与最佳实践指南，覆盖查询性能、连接管理、安全与 RLS、Schema 设计、并发与锁、数据访问模式、监控诊断及高级特性等 8 类规则，用于编写、审查和优化 Postgres 查询与表结构设计。
governed-crm-cleanup
该技能用于在 CRM 数据不可靠、清理逾期或团队考虑批量修正时，生成有证据支撑的审计、可复核的修正方案、经验证的结果以及预防复发清单。它强调先建立基线快照，再按规则逐条审计重复记录、归属缺失、管道停滞、关键字段完整性、阶段合规与集成漂移，并将每项变更表示为可单独审查的操作，要求人工明确批准合并、删除、归属决策和批量变更，遇到并发修改时停止过期操作而非覆盖，最后重新审计并对账。
postgresql-best-practices-cloudbase
这是面向 CloudBase PostgreSQL 的访问模式与慢查询质量指导技能，用于把可运行的 CloudBase PG 实现整理为可审查的访问设计。它在代码被视为完成之前，明确查询路径、索引、行级授权与上线容量。适用场景包括：功能需要新增或变更访问模式；应用代码出现重复、串行或高频 PG 查询；SQL 查询、RPC、接口或轮询路径变慢；高流量上线需要数据库就绪性检查。实际使用遵循四步工作流：盘点访问路径、设计模式与索引及行授权、实现有界数据库访问、在流量显著时检查上线容量。索引、SQL 慢查询、新表结构与 RLS、容量与连接等细分问题按需读取对应参考资料。限制方面：不用于 PG 环境搭建、app.rdb() 语法、迁移、GRANT 或基础 RLS 正确性，也不用于登录提供方或 UI 实现、确认的 NoSQL 集合工作、平台告警诊断或慢日志收集；缺失的兄弟技能文件应让用户安装完整 CloudBase 插件。
data-migration
用于在数据库之间构建自动化数据迁移管道的技能，涵盖模式分析与映射、类型转换、数据转换、按依赖顺序装载表、大批量数据处理、断点续传、迁移后校验和切换规划，可生成可在生产前对预发环境试运行的可重复脚本。
mongoose
Mongoose 是 Node.js 的 MongoDB 对象建模（ODM）库。它用于在灵活的文档模型之上定义带校验的 Schema、以链式 API 构建查询、使用中间件钩子、填充关联引用、创建虚拟字段和处理事务，帮助开发者获得结构与类型安全。
mysql
MySQL 是流行的开源关系型数据库管理系统，支持 ACID 事务、复制与完整 SQL 特性，适用于从小型应用到大型 Web 平台的各类场景。
pandas-ai
PandasAI 为 pandas DataFrame 和 CSV 文件加入 chat() 方法，用自然语言提问，由 LLM 生成并执行分析代码，返回字符串、数字、DataFrame 或图表。当前版本 3.0.0，需要 Python 3.11 或更早版本环境。
session-analytics
用于理解和优化 Claude Code 会话性能的技能，涵盖 token 追踪、瓶颈识别、缓存行为与成本估算，帮助用户看清 token 去向、减少浪费。
database-migration
database-migration 是面向数据库架构迁移的技能，介绍用 Flyway、Alembic、Prisma、Knex 及原生 SQL 管理版本化、可重复迁移的常用命令与注意事项。
tiangong-kb-esg-search
通过天工 AI CLI 检索天工知识库中的 ESG（环境、社会与治理）披露信息的技能。仅针对 esg_search 单一数据源，用于查询 ESG 报告与披露证据。
starrocks-data-loading
该技能用于向 StarRocks 导入数据，覆盖 Stream Load、Broker Load、Routine Load 和 INSERT INTO 四种方式，并包含列映射、任务状态查询与失败排查。适用于应用实时写入、S3/HDFS 批量导入、Kafka 持续消费以及库内 ETL 转换等场景。
company-brain-company-qa
Company Brain 的 Company Q&A 是一个基于 cognee 的示例流程，用于把企业的多个数据来源构建成一个统一的可查询记忆。它会将 SQL 数据库、支持工单导出文件（JSON 或 CSV）以及一个文档文件夹，通过同一个图模型抽取并链接到 cognee 的 company_qa 数据集中，使同一个人、团队或项目归并为一个节点，然后跨这些来源回答问题。脚本位于 examples/cookbooks/company_brain/company_qa/，运行需要从仓库根目录执行，提供 --check 检查数据源是否就绪，再以 --ask 提问。若未提供数据源，则使用示例公司数据运行。该流程涉及 LLM 调用会消耗额度，且需注意不泄露用户数据、数据库密码与 .env 内容。
q-multimodal
Q-Multimodal 是一个多模态媒体分析工具，用于从图片、视频和音频中提取视觉、视频与音频特征。它包含两类流程：本地低层特征提取（基于 Pillow、openSMILE、librosa 等），以及中高层视觉语义分析（基于 Gemini API）。本地流程完全通用且由命令行驱动；Gemini 流程由配置文件驱动，可将 pipeline_config.py 复制到项目中并按需定制后以 --config 运行。支持图像像素特征、视频帧特征、语音/音频特征与音乐特征提取，并提供 Gemini 批量与标准两种分析管线、批处理任务管理、检查点合并与多 Key 配额管理。
upstash-vector-js
Upstash Vector 的 TypeScript 技能入口，提供快速上手与统一指引，覆盖向量数据库的连接、向量写入与查询、命名空间管理及混合/稀疏索引、元数据过滤等主题，并包含 SDK 方法与功能参考文件。适合用户咨询如何用 TS SDK 操作 Vector 时使用。
senior-data-engineer
面向数据工程工作流的技能，用于设计可靠的管道与数据集，覆盖数据接入、转换、编排、模式演进、数据契约与质量。目标是让管道可预测、可观测、可恢复。