SuperAPI AI 工具集
合作ENAI 行业资讯收藏

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

google-image-crawler

google-image-crawler 是一个基于 Playwright 的 Google 图片爬虫 Skill，用于自动化完成图片搜索、提取高清原图 URL 及批量下载。它通过 Playwright 自动化操控浏览器访问 Google 图片搜索，无需手动操作浏览器，并可解析搜索结果中 /imgres 链接的 imgurl 参数以获取原始高清图片地址。该工具提供异步搜索接口（GoogleImageCrawler.search）与异步批量下载能力（download_images），同时附带独立下载模块 ImageDownloader，支持线程池并发、进度显示与重试；另有命令行工具 cli.py 可按 URL 列表文件或单张图片进行下载。搜索结果对象包含 url、thumbnail_url、title、source_url、width、height 等属性，并支持安全搜索、最小宽高等过滤参数。安装依赖为 pip install playwright aiohttp requests tqdm 与 playwright install chromium。资料中说明了代理、并发数、超时、重试、滚动间隔等参数以及常见错误处理建议，也提示需遵守 Google 服务条款与目标网站 robots.txt、控制请求频率、注意图片版权。项目 License 为 MIT。

数据与分析5 次安装

backtest-expert

Backtest Expert 是一个用于量化交易策略系统化回测的技能，强调“稳健优先”而非纸面盈利最大化。它提供一套完整的工作流：明确交易假设、将规则完全代码化、运行初始回测、进行压力测试、样本外验证与结果评估，并附有评估脚本（Python 3.9+）。脚本接收用户提供的交易指标（总交易数、胜率、平均盈亏、最大回撤、测试年数、参数数量、是否测试滑点等），从样本量、期望值、风险管理、稳健性、执行真实性五个维度打分，检测危险信号并给出部署/改进/放弃的结论。适合开发或验证系统化交易策略、排查回测误导、学习正确回测方法、避免曲线拟合、前视偏差、幸存者偏差等常见陷阱，以及评估参数敏感性与市场状态依赖性。该技能无需 API 密钥，不依赖外部数据，所有指标由用户提供。限制方面，资料未提供具体收费、价格、平台兼容性或实际交易效果等信息。

数据与分析4 次安装

model-usage-linux

Model Usage (Linux) 是一个用于在 Linux 上统计 OpenClaw AI 各模型 token 用量与成本的工具。它通过解析 OpenClaw 的会话 JSONL 文件来汇总数据，适用于查询 token 用量、API 成本、已花费金额等场景。使用时运行 python3 {baseDir}/scripts/usage.py 即可，支持 --format json 输出 JSON 格式，也支持通过 --sessions-dir 指定自定义会话目录。输出按模型细分，展示对话轮次（助手回复数）、输入/输出 token、缓存读取/写入 token 以及以美元计的成本。会话文件默认位于 ~/.openclaw/agents/main/sessions/*.jsonl。

数据与分析4 次安装

senior-data-scientist

这是一个面向生产级 AI/ML/数据系统的资深数据科学家技能，聚焦统计建模、实验设计、因果推断与高级分析。技能覆盖从实验设计、特征工程到模型评估与部署的完整流程，提供可执行的 Python 脚本入口，并配套统计方法、实验设计框架、特征工程模式三类参考文档。技术栈涉及 Python/SQL/R/Scala/Go，PyTorch、TensorFlow、Scikit-learn、XGBoost，Spark、Airflow、dbt、Kafka、Databricks，以及 LangChain、LlamaIndex、DSPy 等 LLM 框架和 Docker、Kubernetes、AWS/GCP/Azure 等部署工具。内容还包含可扩展数据处理、ML 模型部署、实时推理三类生产模式，以及性能目标、安全合规要求、常用开发/训练/部署/监控命令，并强调技术领导力、团队协作与持续优化。适用于需要构建高可用、可扩展数据科学系统的场景。

数据与分析4 次安装

nmf-topic-modeling

NMF 主题建模（Non-negative Matrix Factorization）技能用于在文本语料库中发现潜在主题，进行无监督主题提取，并可对比 NMF 与 LDA 的结果。其原理是将 TF-IDF 文档-词矩阵分解为两个非负矩阵：W（文档-主题矩阵）和 H（主题-词矩阵）。非负约束使主题具有可加性、可解释性，每个文档被视为多个主题的加权混合，每个主题也是多个词的加权混合。相比 LDA，NMF 通常能产生更连贯、重叠更少的主题，尤其在短文本上表现更好。该技能给出了完整的九步工作流：验证语料库规模与质量、预处理文本并构建 TF-IDF 矩阵、通过一致性（coherence）扫描选择主题数 k、拟合最终 NMF 模型、提取并人工标注主题、计算文档-主题分布、识别跨主题连接、可选地与 LDA 对比验证、撰写分析报告。文档还提供了参数推荐（如 max_df 0.95、min_df 2-5、n_components 8-15、init "nndsvda"、random_state 42 等）、代码示例、报告模板、常见错误与红旗警告。

数据与分析4 次安装

taxonomic-interest-classification

该技能用于将文本语料映射到层级化的兴趣分类体系，从而量化兴趣多样性（正交性），并将用户画像分类为博学型或专精型。其核心观点是：兴趣多样性是内容分布的可测量属性，而非主观印象。适用场景包括：需要对用户生成内容语料进行兴趣画像、量化某人活动的多样或集中程度、将帖子、评论、文章等文本映射到兴趣类别、判定博学型与专精型画像，以及将兴趣分布输入下游原型分配。不适用于单文档主题提取、无分类框架的关键词频率分析或内容推荐。工作流包含七个步骤：选择并记录参考分类体系、将语料条目映射到类别、构建分布表、计算多样性指标（香农熵、辛普森指数、正交性）、分类画像、识别兴趣支柱并标记歧义、撰写报告。推荐使用 IAB 内容分类体系（v2.0+），包含 26 个一级组和 366+ 个二级子组。

数据与分析4 次安装

vader-sentiment-analysis

VADER（Valence Aware Dictionary and sEntiment Reasoner）是一款基于词典与规则的情感分析工具，专为社交媒体与非正式文本优化。它能为每段文本输出四个分数：正面、负面、中性（三者比例合计为 1.0），以及归一化到 [-1, +1] 区间的复合分（compound）。其核心理念是：VADER 读取的正是传统 NLP 预处理会破坏的情感信号——用大小写表示强调、用标点表示强度、用表情符号传达情绪——因此预处理必须保留这些信号，而不能剥离它们。适合对社交媒体帖子、评论、评测等非正式内容打分，可作为无需训练的快速确定性情感基线，也支持跨语料的时间序列情感轨迹分析与标题/正文分层评分。不适合正式、技术、法律或金融文本，不支持英语之外的语言，对反讽、讽刺或复杂否定表达会系统性误判，也无法提供方面级情感。

数据与分析4 次安装

supabase-postgres-best-practices

Supabase 维护的 Postgres 性能优化与最佳实践技能，提供覆盖 8 个类别的规则集，按影响程度排序，用于指导自动化的查询优化与模式设计。适用于编写 SQL 查询、设计数据库模式、实现索引、排查数据库性能问题、配置连接池与扩展、使用 Postgres 特有功能以及处理行级安全（RLS）等场景。规则分为查询性能、连接管理、安全与 RLS（均为 CRITICAL）、模式设计（HIGH）、并发与锁（MEDIUM-HIGH）、数据访问模式（MEDIUM）、监控与诊断（LOW-MEDIUM）、高级功能（LOW）等类别，每类使用对应前缀（如 query-、conn-、security- 等）。每条规则文件包含重要性说明、错误 SQL 示例及解释、正确 SQL 示例及解释，以及可选的 EXPLAIN 输出或指标、补充背景与参考、Supabase 特定说明。完整编译文档见 AGENTS.md。

数据与分析4 次安装

experimental-design

该技能提供设计可复现机器学习实验的最佳实践，适用于规划消融实验、基线对比和受控实验。核心要求包括：始终设置有意义的多类基线（至少一个经典方法、一个近期SOTA方法、一个简单但强力的基线如线性探针或k-NN）；使用多个随机种子（最少3个，理想5个）并报告均值±标准差；设计能隔离每个关键组件的消融实验，每次只移除一个组件且与基线有实质差异；控制变量，每次比较只改变一个因素；使用标准训练/验证/测试划分，绝不在训练数据上测试；在报告准确率的同时报告实际运行时间和内存占用。

数据与分析4 次安装