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 11-05 00:16

数据与分析

17,411 个结果

business intelligence

这是一个用于构建和改进商业智能(BI)体系的技能,面向运营者、创始人、产品负责人、财务负责人和分析师。它帮助用户从决策问题出发,定义 KPI、搭建指标树、规划仪表盘、生成决策简报,并建立固定的经营节奏。技能强调先有决策问题与负责人,再设计指标与图表;每个 KPI 需要书面契约(定义、公式、粒度、来源、刷新频率、负责人、有效解读窗口);区分领先与滞后指标;洞察输出需包含变化、原因、置信度、建议行动、行动负责人与截止日期。工作记忆保存在 ~/business-intelligence/ 目录下,按热、温、冷分层管理目标、指标树、KPI 契约、仪表盘规格、洞察简报、经营节奏与归档。该技能默认不进行任何外部网络请求,数据保留在本地,不会访问该目录之外的文件,也不会在未经确认的情况下创建后台自动化或修改自身定义文件。

数据与分析3 次安装

etl pipeline

ETL Pipeline 是一个用于设计和自动化 Extract、Transform、Load 数据管道的技能,面向数据集成与分析场景。它覆盖从多种数据源抽取数据、在转换层进行清洗校验与聚合关联、再加载到数据仓库或数据湖的完整流程,并提供管道编排、错误处理、数据质量校验以及监控告警等配置能力。资料中给出了 Postgres、MySQL、MongoDB、REST API、Salesforce 等来源连接示例,BigQuery、Snowflake 等加载目标示例,以及 DAG 调度、重试、死信队列、质量规则和指标告警等配置片段。

数据与分析3 次安装

polymarket-copy-tracker

Polymarket Copy Tracker 是一个用于分析 Polymarket 顶级交易者、辅助跟单交易的工具集。它通过公开的 Data API 和排行榜页面获取钱包地址、持仓、交易历史与盈亏数据,并提供脚本对单个或多个钱包进行评分与排名。评分综合胜率、总盈亏、风险分和样本量,输出 0-100 分及 COPYABLE、CAUTION、NOT RECOMMENDED 三档建议。适合寻找可跟单钱包、评估钱包表现和发现新交易者,但数据为公开只读,部分钱包无历史,且需注意协议地址与做市机器人。

数据与分析3 次安装

archetype-assignment

该技能用于将多个已完成的分析维度(如兴趣分类、情感分析、参与度评分、时间模式、心理语言特征、人格特质、网络位置等)综合为一个人格原型分类。其核心原则是:原型必须由至少三个独立分析维度的收敛证据支撑,而非单一分析得出的标签;每次分配都必须附带明确的置信度分数和证据链。适用于用户角色原型识别、多维行为证据构建复合用户画像、带置信度评分的原型分配等场景。不适用于少于三个分析维度、对内容而非用户分类、心理诊断、招聘筛选等用途。

数据与分析3 次安装

automated-orchestration

Automated Orchestration 是一个用于构建多阶段分析流水线的编排模式,核心是检查点与断点续跑能力,以及基于数据量的分析深度自适应调整。它把流水线拆分为多个幂等阶段,每个阶段读取输入产物、产出输出产物,并在成功时写入检查点;重新运行已完成的阶段不会重复执行。当长任务中途失败或中断时,可从最近完成的阶段恢复,而不必从头开始。该模式还提供基于条目数量的深度分层选择、带指数退避与抖动的限流重试、结构化进度日志,以及最终写入 docs/analysis/03-automated-orchestration.md 的状态报告。适用于多阶段顺序处理、大规模数据分块处理、需要优雅中断与重启的长任务,以及跨多个数据源且需容忍部分失败的场景。不适用于 5 分钟以内、无中间状态的单次脚本,或全量重跑成本可接受的流水线,也不适用于实时流式处理。

数据与分析3 次安装

content-hydration

Content Hydration 是一个用于数据导出后处理的技能,主要解决结构化数据导出中只包含 URL 或 ID 引用、而缺少被引用内容本身的问题。它通过抓取链接内容、去重、缓存并回连到原始记录,重建对话上下文。该技能适用于评论与父帖/父评论分离、投票或收藏项仅有永久链接、正文含外部 URL 需归类等场景。核心流程分三层:第一层抓取父级上下文,第二层抓取投票/收藏内容,第三层对外部 URL 做正则提取与域名分类。实现上使用 Reddit 永久链接追加 .json 的方式获取结构化数据,无需 API 认证,并支持检查点续传、指数退避限流、磁盘缓存和清单记录。参考脚本位于 scripts/hydrate.py。

数据与分析3 次安装

csv-metadata-forensic

该技能用于对结构化数据导出中的多个 CSV 文件进行元数据取证重建。它不分析内容,而是从元数据入手:先清点所有 CSV 文件及其行数、大小与校验和,再提取每个文件的表头作为模式(schema),找出跨文件共享的列作为连接键(join key),并从时间戳列提取最早与最晚时间构建活动时间线。在此基础上可计算账号存活期、内容创建比率、活动频率、活跃天数占比、分组集中度、时间覆盖度等基线指标。技能还要求执行 PII(个人身份信息)扫描,标记邮箱、IP、电话、生日等敏感列,并进行数据缺口分析,识别空文件、缺失时间戳、模式不一致和孤儿引用等问题,最终输出结构化的取证重建报告,并说明哪些下游分析可行、哪些不可行。

数据与分析3 次安装

longitudinal-growth-curves

该技能用于对用户随时间变化的活动元数据拟合纵向增长曲线模型,追踪其在数字成熟度阶段(潜水者、参与者、社区领袖/版主)中的演变。核心原则是活动轨迹并非线性,需拟合多种候选模型(线性、逻辑斯蒂、分段线性),通过 AIC/BIC 信息准则选择最佳模型,并检测标记阶段转换的变化点,而非假设平滑进展。适用于跨越数月或数年的时序活动数据,如帖子、评论、投票、版务操作的时间戳。

数据与分析3 次安装

mdpi-hypernetwork-archetype

该技能用于将用户或账号按 Score(可见度/影响力)、Sentiment(情感倾向)、Toxicity(有害语言概率)三个归一化轴进行评分,并归入八种行为原型(HHH 至 LLL)。每个原型用三字母标签表示各轴的高(H)或低(L),描述用户在特定时期内的参与模式,而非人格特质。方法基于 Ferrara 等(2025)关于社交超网络用户原型的研究。适用于用户生成内容语料库的行为分群、社区健康与审核需求分析,以及需要情感效价约束的下游风格分析。要求语料至少包含文本和某种参与度指标,用户数不少于 30;不适用于心理画像、机器人账号分类或跨平台未重新校准阈值的比较。

数据与分析3 次安装

network-social-graph

该技能用于从对话数据中的回复链或父子关系构建有向交互图,分析用户的社交网络结构。核心原则是:边代表回复,节点代表参与者,发起者与回应者之间的不对称性揭示社交结构。适用于论坛帖子、评论树、消息存档等具有回复结构的数据。主要能力包括:提取回复对、构建加权有向图、过滤无意义交互、计算图级指标(密度、互惠性、度中心性、介数中心性、连通分量)、提取目标用户的自我网络、识别频繁对话者、测量互惠模式、检测受众依赖的语气变化,以及在图足够大时进行社区检测。使用方式为按十步工作流执行:从对话数据提取回复对,构建有向交互图,过滤有意义交互,计算图级指标,提取自我网络,识别频繁对话者,测量互惠模式,检测语气变化,运行社区检测,最后将发现写入文档。适用场景包括识别用户频繁对话者与交互模式、测量交互是否互惠或单向、检测用户是否因回复对象不同而改变语气或词汇、从大型交互数据集中提取单个用户的自我网络、为下游人物画像或原型分析提供交互模式。限制:内容无回复结构时不适用;仅需内容级分析(情感、主题建模)时不适用;交互总数少于10条时数据不足;不能仅凭交互频率推断现实人际关系。

数据与分析3 次安装

supplementary-engagement

该技能用于对语料库进行三项补充性影响力分析:情感与互动指标的相关性、讨论串深度与影响力持续性、以及内容导出中的隐私(PII)暴露审计。它适用于同时具备互动指标(分数、投票、点赞、反应)和可测量情感文本的语料库,适用于带有回复链的讨论串,以及可能包含非公开数据(IP、邮箱、关联身份)的内容导出。核心原则是互动是多维度的:分数计数衡量关注度,情感-互动相关性衡量共鸣,讨论串深度衡量影响力持续性,隐私审计衡量风险。使用前需验证每项分析的数据前提,若某分析无法运行需在报告中说明原因,不得静默跳过或编造结果。

数据与分析3 次安装

taxonomic-shift-detection

该技能用于分析带时间戳和分类标签的内容语料,检测内容生产者随时间从一个兴趣子类迁移到另一个子类的模式。它通过构建自适应时间窗口、计算各窗口的类别分布、使用 Jensen-Shannon 散度衡量相邻窗口差异,并结合变点检测(PELT 或滑动窗口阈值)将时间线划分为不同时期,从而识别兴趣迁移、渐变漂移以及最能代表当前兴趣的“当前声音”时期。使用前必须先用 taxonomic-interest-classification 对内容进行类别映射。适用于检测人生转折、职业转向或主题漂移等场景,不适用于单时间点画像、情感变化检测或单类别语料。

数据与分析3 次安装

temporal-circadian-patterns

该技能用于对带时间戳的活动数据进行时间与昼夜节律模式分析。它通过将时间戳按小时、日、周、月、季节等多个粒度分箱,重建活动画像,识别昼夜规律、周周期、季节趋势以及突发活动高峰。适用于分析用户发帖、提交、购买、登录、消息等行为的时间分布,判断用户或系统最活跃/最不活跃的时段,区分稳定贡献者、集中爆发型用户、周末型用户等参与风格,并可为下游画像或聚类提供时间特征。使用前需验证时间戳质量与时区信息,进行时区归一化并处理夏令时,再依次完成多粒度分箱、活动热力图、昼夜规律检测、周模式分析、季节分解和突发检测。该技能为回顾性批量分析,不适用于实时流式异常检测;时间戳少于20条、缺少时区且无法合理推断、或试图从活动时间推断物理位置时不应使用。

数据与分析3 次安装

tiered-processing-pipeline

分层计算处理管道(Tiered Computational Processing Pipeline)是一套面向原始数据导出的分阶段处理方法,用于把杂乱的源文件(CSV、JSON 或混合格式)加工成可分析的结构化数据集。其核心思路是让命令行工具负责初步清洗与校验,再由 Python 框架完成更深层的分析,每个阶段都有明确的输入、输出和校验关卡,且原始数据永不被就地修改。该技能适用于处理原始数据导出、构建可重复的 ETL 流程、把 CLI 工具(csvkit、jq、minet、exiftool)与 Python 分析(pandas、spaCy、NLTK)结合,以及将基于 LLM 的评分或分类集成进传统分析管道,并支持长时间运行工作流的检查点与断点续跑。流程分为三个阶段:第一阶段 CLI 分诊,负责校验结构、清洗编码、提取元数据与规范化格式;第二阶段 Python 增强,负责分词、命名实体识别、特征计算与内容评分;第三阶段分析整合,应用 LLM 评分、交叉引用特征并产出最终数据集。每个阶段都需生成 manifest 清单记录行数、列结构、校验和与隔离记录数,并执行行数对账的校验关卡,校验失败的记录进入隔离文件而非被静默丢弃。该技能还给出了数据不足时的降级处理策略与管道报告模板。不适用于单文件单次转换、实时流式数据或已清洗好的结构化数据。

数据与分析3 次安装

weighted-engagement-scoring

Weighted Engagement Scoring(加权互动评分)是一种将多个异构互动信号(如投票数、点赞比例、评论量、情感质量、时间新鲜度等)合成单一综合评分的方法。其核心公式为 E = Σ(w_i × x_i):先将每个指标归一化到统一尺度,再按文档化的权重加权求和,从而得到可用于排序的复合指标。该技能适用于手头有多个互动指标、量纲互不兼容、且需要单一排名指标来识别高价值内容的场景;也适用于需要从语料中筛出最具代表性和最具影响力讨论的情形。使用时需依次完成指标盘点与质量评估、逐指标归一化、选择并记录权重、计算综合分、对照人工判断做验证、对权重进行敏感性分析、筛选高价值内容并输出报告等步骤。不适合的场景包括:只有单一互动指标(直接排序即可)、跨平台或跨社区直接比较分数而未重新校准权重、对用户而非内容进行排名、以及在缺少情感或质量信号时评估内容质量。

数据与分析3 次安装

brreg

brreg 是一个用于访问挪威商业登记局(Brønnøysundregistrene)官方开放 API 的工具,可搜索和获取挪威约 120 万家注册公司的数据。它支持按公司名称、组织编号、组织类型、行业代码、市镇代码、邮政编码、破产状态、解散状态、增值税注册状态、员工人数范围和注册日期等条件查询公司信息,也可获取子实体(分支机构/部门)、组织类型列表以及近期更新记录。API 无需认证,免费开放(NLOD 许可),返回 HAL+JSON 格式数据,并提供 JSON、CSV、Excel 格式的批量下载。适用于查询挪威公司信息、查找组织编号、按名称或地点筛选公司、检查公司状态等场景。

数据与分析3 次安装