SuperAPI AI 工具集找到适合任务的 Agent Skill，阅读介绍并复制安装命令。
更新于 11-05 00:16
17,411 个结果
该技能用于将产品不确定性转化为预注册的实验方案，包含估计目标（estimand）、分组分配、护栏指标和决策规则。适用于结果必须提前确定、不能事后挑选赢家的场景。技能强调：分阶段发布不等于实验，必须在数据变动前锁定决策指标与规则，并基于被分配的队列进行分析；结论不明确是合法结果，而偷看数据后宣布赢家则不是。资料还指出，当最便宜的判别性探测不是随机分配时，应改用 prototype-product；当分配已经发生、需要事后识别因果时，应改用 analyze-causal-inference。
这是一个用于设计语义分类体系（semantic taxonomy）的技能，将分类体系构建为可演进的概念图，包含持久标识符、关系与生命周期。适用于需要让共享含义在重命名、迁移和演进过程中保持稳定的场景。其核心原则是：概念标识符应当不透明且持久，名称、路径和标签只是可变属性；相同字符串并不代表相同概念；若重命名改变了标识符，那实际上是伪装成迁移的新概念。当关系语义、映射或弃用规则需要深入处理时，可采用开放语义词汇方法。
该技能用于迁移客户数据，目标是让数据的含义、所有权、访问权限和历史记录在迁移后依然保留。它强调验收标准应是语义得以保留，而不是行数相等；仅行数一致并不能证明迁移成功。若迁移后的数据所有者无法再找到、导出或删除该行数据，则视为迁移失败。资料提到可在映射或演练需要深入时打开迁移契约、映射、演练与切换相关内容，并使用 execute-hard-cutover 完成实时写入方的切换。适用场景为需要保留语义、权限与历史的客户数据迁移；不适用于仅以行数相等为验收标准的场景。具体安装方式、命令、平台与限制暂未提供。
AWS DynamoDB 是 Amazon 提供的全托管 NoSQL 键值与文档数据库，可在任意规模下提供个位数毫秒级延迟，并具备自动扩缩容、内置安全与零运维开销。该技能围绕 DynamoDB 的核心概念与实操展开，涵盖表、分区键（PK）、排序键（SK）、GSI（全局二级索引）、LSI（本地二级索引）、Streams 与 TTL 等要素，并提供建表、单表设计、CRUD 操作、查询与扫描、批处理、流处理与 TTL 配置等示例代码与命令。适合需要快速、可扩展 NoSQL 存储的开发者参考使用。
Data Extractor 是一套用于从多种文档格式中提取结构化数据的方法与代码示例。它支持从 PDF、DOCX、HTML、TXT、图片等格式中抽取内容，并将其转换为干净的 JSON、CSV 或其他结构化格式，适用于处理发票、表单、报告和自由文本文档等。其流程包括：识别文档格式并安装对应依赖；抽取原始内容（PDF 用 pdfplumber、复杂布局用 PyMuPDF、DOCX 用 python-docx、HTML 用 beautifulsoup4 与 lxml、Excel 用 openpyxl 或 pandas、图片用 pytesseract OCR）；用正则或表格解析提取目标字段；再进行类型转换、日期标准化和必填字段校验；最后按需输出 JSON 或 CSV。该技能强调先检查原始文本再编写解析器、扫描版 PDF 先做 OCR、报告提取置信度、处理多页文档，并对同一类型文档构建可复用的批量提取函数。
OpenBB 是一个开源金融数据平台，聚合 Yahoo Finance、FRED、SEC、FMP、Polygon 等多方数据，提供 Python SDK、REST API 和 MCP 服务器，可获取股票、加密货币、外汇、宏观经济与另类数据，供分析、量化研究和 AI 智能体使用。
实时数据库是一个面向实时应用场景的数据库模式与查询设计技能，主要服务于聊天、动态流、通知和协同编辑等需要低延迟数据同步的场景。该技能聚焦于高效的消息存储、基于游标的分页、未读追踪，以及能够在重连时最小化数据传输的同步协议。它提供了聊天系统核心表结构的设计范例，包括频道表、频道成员表（含读取追踪）和消息表，并推荐使用 BIGSERIAL 顺序 ID 作为消息主键，便于排序与分页。在查询层面，它强调永远不要使用 OFFSET，而是采用基于游标的分页方式，因为 OFFSET 是 O(n) 且会随新消息到达而偏移。未读计数采用每个用户在每条频道上记录一个 last_read_message_id 整数的方案，而非逐条追踪。重连同步方案中，客户端发送各频道最后已知消息 ID，服务端按差值查询新消息，若缺口超过 200 条则返回摘要加最近 50 条，提示客户端全量重新加载。软删除与编辑通过 deleted_at 和 updated_at 时间戳实现，保持回复链完整。适用场景包括 SaaS 应用的即时聊天、用户动态流、通知系统等。该技能的指导准则还建议：利用复合索引覆盖绝大多数聊天查询；消息采用软删除；当表超过 1 亿行时按 channel_id 或时间范围进行分区；将热门频道缓存在 Redis 中。资源中未提供付费、价格或平台限制等信息。
Binance Web3 官方技能，提供加密市场排行榜与榜单数据，覆盖 BSC、Base、Solana 和 Ethereum 四条链。包含社交媒体热度榜、统一代币排行（热门、搜索最多、Binance Alpha 精选、代币化股票）、聪明钱流入榜、Pulse 发射台 Meme 榜以及地址盈亏（PnL）交易者排行榜。通过 Binance Web3 公开接口获取数据，支持按链、时间窗口、情绪、市值、流动性、持有人数等条件筛选与排序，适合查询代币热度、资金流向和交易者表现。
该技能用于通过 Quickwit 搜索引擎进行日志探索与分析，面向生产事故排查、错误模式分析和可观测性工作流。它支持全文日志搜索、按级别/服务/时间戳等字段过滤，并提供三种索引发现模式：显式索引（生产监控，约100ms）、自动发现（探索，约300-500ms）和过滤发现（多服务监控，约200-400ms）。支持布尔运算、通配符、短语和时间范围查询，并可通过 Bearer Token 或 Basic Auth 认证。网络故障时返回空结果而不崩溃。依赖 Quickwit 服务器与 Terraphim AI。
repo-intelligence 是一个用于计算与解读代码仓库交付指标的中文技能。它聚焦 DORA 四项关键指标、前置时间拆分、变更失败归因、热点识别、归属分析与 Flake 成本等，强调每个数字都应附带产生它的 PR、任务或文件，避免只给出装饰性百分比。该技能提供从仓库数据推导部署频率、变更前置时间、变更失败率、恢复时间的具体口径，并要求报告 p50 与 p90 而非平均值。它进一步把前置时间拆成提交到开 PR、开 PR 到首次评审等阶段，定位回归发生环节；对变更失败列出失败变更及其共同特征；用 churn、缺陷密度与复杂度计算热点，并诊断机制；分析归属漂移与巴士因子，特别提示热点与 bus-factor-1 重合的文件风险最高。它还提醒 CODEOWNERS 采用最后匹配优先，与 .gitignore 相反。该技能强调对数据质量保持诚实，缺少发布标签或事件标签时应说明局限，样本过小时不给出自信排序。
这是一个面向 Python 本地优先（local-first）项目的默认存储技术选型技能，用于在需要为项目添加本地数据持久化时，快速确定应采用的默认库与方案，避免每次会话都重新论证选型。它按用途分类给出默认选择，涵盖进程内临时状态、缓存（TTL/淘汰）、关系型存储（简单 KV 形态、复杂/OLTP、分析/OLAP）、文档存储、全文检索、向量/嵌入相似度检索、后台任务与消息队列、定时任务、发布订阅/事件流、图数据、Blob/对象存储以及时间序列数据。选型标准强调宽松开源许可（MIT/Apache-2.0/BSD 类）、活跃维护、可在纯 pytest 运行中完全测试（内存或 tmp_path，无需 Docker/云账号/CI 服务）、以及低样板化 API。该技能还给出各类别的升级（Escalate to）路径，并提醒这些默认仅适用于本地个人规模，不作为生产/多租户/公网场景的推荐；安全被有意排除在选型因素之外。技能文件在安装时被复制到 ~/.agents/skills/ 目录，需在源仓库修改后重新安装以同步。
GA4 Analytics 工具包，用于查询 Google Analytics 4、Search Console 与 Indexing API 数据，支持流量、页面表现、用户画像、实时访客和搜索查询分析，并把结果自动保存为 JSON 与 Markdown 摘要。
该技能用于从金库数据库中发现缺失的策展人并建议生成策展人 YAML 条目。适合排查通用协议金库是否缺少策展人元数据，或审计策展人覆盖度，最终产出经过复核的候选名单而非盲目添加。
用于描述被测系统数据层面的技能：梳理业务实体及其存在原因、关系、状态机、自动过程（数据库触发器等）与端到端数据流。通过命令读取地图，发现过时或矛盾时仅提议修改本技能自身的引用文件。
Upstash Search 的文档技能入口，覆盖快速上手、核心概念与 TypeScript SDK 用法。安装方式为 npm install @upstash/search，通过 REST URL 与 Token 创建客户端，在指定索引上执行文档的 upsert 与 search 等操作。适合需要了解如何创建索引、写入或更新文档、执行搜索与过滤查询的开发者参考。
Aeon 是一个与 scikit-learn 兼容的 Python 时间序列机器学习工具包，面向时间序列的分类、回归、聚类、预测、异常检测、分段和相似性搜索等任务。它提供了多种算法实现，例如分类中的 RocketClassifier、HIVECOTEV2、InceptionTimeClassifier，回归中的 RocketRegressor，聚类中的 TimeSeriesKMeans，预测中的 ARIMA，异常检测中的 STOMP，分段中的 ClaSPSegmenter，以及相似性搜索中的 StompMotif。该工具包还包含特征提取与预处理变换（如 RocketTransformer、Catch22、Normalizer）、专门的时间序列距离度量（如 DTW 及多种弹性距离）、深度学习网络架构（如 FCNClassifier、ResNetClassifier、InceptionTimeClassifier、RecurrentNetwork、TCNNetwork、AEFCNClusterer、AEResNetClusterer），以及数据集加载和基准测试工具。安装方式为使用 uv pip install aeon。
面向数据科学工作流的技能，帮助把模糊问题转化为可度量的指标、实验与模型，用于假设框定、指标选择、方法决策与结果验证等环节。
该技能用于对海上与海洋工程结构进行结构分析，涵盖应力计算、屈曲校核、管件承载力、M-T（弯矩-轴力）相互作用以及承载力验证，并支持按 DNV、API、ISO 等标准进行合规性文档记录。技能以 Python 实现，要求 Python 3.10 及以上，已在 3.10-3.13 上测试，支持 Windows、Linux、macOS。主要能力包括 Von Mises 应力、主应力与最大剪应力计算，梁弯曲/剪切/扭转应力、薄壁圆筒环向与纵向应力计算，板屈曲（DNV-RP-C201）、柱屈曲（Eurocode 3）分析，以及受拉构件和组合加载下的承载力校核，输出利用率与安全系数。
preview-csv 是一个用于在浏览器中渲染和预览 CSV 文件的技能。它通过生成独立的 HTML 可视化页面，提供交互式表格，支持点击表头排序、实时搜索过滤、列统计（最小值、最大值、数值列平均值、唯一值数量、数据类型检测）以及导出为 JSON。该技能面向智能体使用，通过 Bash 执行 run.sh 脚本处理文件或管道输入，并自动在浏览器打开结果，支持自定义背景色、自定义输出路径和跳过浏览器等选项，适用于查看、探索、分析、调试 CSV 数据。
SQL Server 架构管理技能，提供 SQL Server DDL 模式与最佳实践，涵盖 CREATE TABLE 数据类型选择、ALTER TABLE 修改、幂等迁移脚本、外键、计算列和检查约束。适用于创建和修改数据库架构、编写迁移脚本以及应用 DDL 最佳实践的场景。
Quartz（Nostr 客户端 Amethyst）的 NIP-50 全文搜索索引接口 SearchableEvent：实现该接口的事件类型才可被搜索，其 indexableContent() 返回可索引的纯文本。资料包含完整事件种类表、存储消费方式、NIP-50 客户端查询解析与维护要求。
Viking Item Onboarding 是一套用于在 Viking AI Search（V2 控制面）中创建数据集与应用的引导式工作流技能。它支持从本地文件（JSON、JSONL、CSV）和 MySQL 数据库导入数据：JSONL 可做一次性导入或针对仅追加文件的持续增量同步，JSON/CSV 仅支持一次性导入，MySQL 可做一次性快照导入或持续增量同步。该技能覆盖两种数据集类型：user_event（用户行为/事件日志，用于推荐与个性化）和 multi_modal（含图片或视频 URL 及文本的记录，以及纯文本语料）。其核心特点是模式推断完全由后端驱动：CLI 上传文件后，后端推断 Schema（已在主键/标题/URL/事件类型字段上设置 BizAttr）及逐字段 FieldDescMap，代理只需持久化推断产物、渲染一轮人工确认，并驱动后续持久化与写入步骤。整个流程包括上传 URL、PUT 上传、提交推断、轮询结果、校验 schema、创建数据集、写入数据，以及可选的创建应用与挂载数据集。使用前需满足 vs CLI ≥ 0.2.0 已安装并完成认证、输入文件可从本地读取、已明确业务目标、账号已开通 V2 控制面等前置条件。
基金经理独立决策尽调工具，聚焦识别基金经理是否具备可验证、可重复的独立判断能力。核心判断公式为：非共识 + 正确 + 可重复 = 独立决策 Alpha，三者缺一不可。产品强调区分“经理厉害”与“这只基金值得买”，并给出面向个人投资者的到手 Alpha 公式：经理真实 Alpha × 产品传导率 - 规模与拥挤损耗 - 费率与交易成本 - 追涨杀跌损耗。主要能力包括任期切割、基金经理个人尽调、历史行为重建、构建公司共识组合、门派识别、House Divergence 评分、逆向 Alpha 分析、抄作业指数、Idea Origination 领先滞后分析、内部影响力图谱、Benchmark 工程、行业 ETF 对照、Alpha 尸检等。使用方式为通过技能触发，输入基金名称或基金经理名称进行分析，输出独立决策 Alpha 取证报告。适用场景包括分析某只基金、某位基金经理、判断能否买入、评估经理能力、独立性以及 Alpha 是否为真本事等。限制方面，最低证据窗为 5 年，不足会降低置信度；指数、指数增强、系统量化、固定规则产品禁止套用个人 Alpha 归因；报告须避免空泛话术和伪精确。
D3.js 可视化指南，介绍如何使用 D3.js 构建自定义交互式数据可视化，涵盖数据绑定、比例尺、坐标轴、科学图表、交互与 SVG 导出等研究场景。