uniprot-database
通过 REST API 直接访问 UniProt 蛋白质数据库的技能，支持蛋白质搜索、FASTA 序列获取、ID 映射以及 Swiss-Prot/TrEMBL 注释查询，适用于蛋白质序列与功能信息分析。
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
openskills-skill-authoring
用于创建和优化 OpenSkills 兼容技能的编写规范，要求每个技能目录包含 SKILL.md（必填）及可选的 scripts/、references/、assets/，并强调元数据、激活触发条件与执行指引的可靠性。
google-analytics
该技能用于设置、验证和优化 Google Analytics 4（GA4）媒体资源，涵盖 GA4 代码检查、属性创建、代码集成与自定义事件追踪审计，适用于需要规范化实施 GA4 的网站与项目。
ingest-context-skills
将经过验证的上游 Context Skill 文件导入本地 PostgreSQL，并生成可共享的 context-skills.lock.json 锁文件，以便在其他机器上复现同一目录。
wrdn-pii
wrdn-pii 是一个面向代码变更的隐私审查技能，用于发现真实个人身份信息、客户标识和客户机密业务数据被写入代码、日志、URL、遥测、测试夹具、文档、注释、配置或响应载荷的情况。
credo-dataset
用于设计、构建或审查训练与评测数据集的技能，覆盖采样、标注、划分、来源追踪、泄漏与质量检查，帮助判断数据集是否契合预期用途，适合数据准备与数据审查场景。
bigquery-graph-author
用于在 BigQuery 中从现有表或模型文档／图（ER 图、本体等）编写属性图（Property Graph）的技能，按固定流程引导完成清点、关系验证、方案评审、DDL 编写与执行，需用户逐步确认。
bigquery-graph-query
BigQuery 属性图与语义图查询指南，规定使用 GoogleSQL GQL 与 GRAPH_EXPAND，禁止 Cypher，并给出模式匹配、多跳路径、聚合与回退规则。
google-cloud-storage-okf
这是一个实验性 Google Cloud Storage 技能，为 gs:// 对象实现基于 Open Knowledge Format（OKF）的语义导航与渐进式读取。它把轻量的目录摘要写入 GCS 对象上下文（custom_contexts），不修改原始数据，并提供 peek、list_regions、expand、write_okf 四个 MCP 工具：先看摘要判断相关性，再列出带字节范围的语义区域，最后只读取命中的字节切片，避免将多 GB 文件整体载入上下文。技能兼容新旧版 Python SDK，支持批量并行建索引，但需自行安装 MCP 服务并配置凭据。
analyze-performance-diagnose
这是 analyze-performance 操作手册中的一个步骤（原子技能），用于诊断营销数据分析中的追踪断裂与指标异动。它接收清洗后的数据集、过度归因比率及其趋势、变更日志、推送失败/驳回记录、竞品观察摘要、市场研究中的“人们在说什么”部分、促销日历与库存备注，以及头部广告的落地页 URL。执行时先做“管道”检查：逐一测试各类断裂特征（比率骤升/骤降、有花费但零转化日、订单持平却 ROAS 飙升、LPV/点击下降、UTM 流量缺失），对每个断裂记录症状、可能位置、需检查项、可识别时的修复方案及其阻塞内容，并将受影响数字标记为可疑。随后对同等成熟度下发生显著变化的每个指标，依次阅读变更日志、检查噪声、结构偏移、分解效应与分母变化，再按原因清单逐项排查，每个命名原因配一条证据、给出置信度，并列出已排除与未确认的原因。最后对前 2–3 个赢家与输家做页面/信息匹配（产品、承诺、报价、价格、库存），若宿主可浏览则打开页面，否则索取截图。输出为报告中的“管道”与“为何变动”部分，以及需注意的不匹配项。
analyze-performance-intake
这是 analyze-performance 剧本中的一个步骤（原子技能），负责性能数据的采集、清洗与覆盖度标注。它从各类工具读取、导出文件和粘贴内容中收集本周数据，按测量契约进行核对，剔除测试、批发、员工订单和订阅续费，净额处理退款，统一时区与货币，并记录折扣深度。随后输出按渠道整理的干净数据集、覆盖度行（真实/声称/未测量/未使用）以及下周的数据需求清单。当缺少该类型的裁判指标或总花费时，会切换到仅声称模式。
bio-bedgraph-handling
介绍 bedGraph 基因组信号文本格式的创建、转换与处理技能，涵盖从 BAM 生成 bedGraph、排序、转 bigWig、归一化、合并、过滤、分箱及质控等常用命令与流程。
bio-chip-seq-super-enhancers
该技能用于从 H3K27ac ChIP-seq 数据中识别超级增强子（super-enhancers），主要基于 ROSE 工具，并提供 HOMER、SEanalysis 等替代方案及下游分析流程。
bio-clinical-databases-dbsnp-queries
面向生物信息学场景的 dbSNP 查询技能，介绍用 myvariant.info 与 NCBI Entrez 按 rsID 获取变异注释、在 rsID 与基因组坐标间互相映射、批量查询及解析 dbSNP 注释的方法。
bio-clinical-databases-variant-prioritization
该技能用于罕见病分析中的变异过滤与优先级排序，可按致病性、人群频率和临床证据筛选候选变异，并涉及ClinVar、gnomAD、CADD、REVEL等数据库注释。
bio-clip-seq-clip-peak-calling
从 CLIP-seq 比对数据中识别蛋白-RNA 结合位点峰值的技能，支持 CLIPper、PureCLIP、Piranha 等工具，适用于 RBP 结合位点分析。
bio-copy-number-gatk-cnv
基于 GATK 最佳实践的拷贝数变异（CNV）检测技能，支持体细胞（肿瘤-正常配对）与胚系 CNV 分析，适用于 WGS 或 WES 数据。提供从区间预处理、读段计数、去噪、等位基因计数到分段与调用 CNV 的完整命令行流程。
bio-de-edger-basics
基于 edgeR 的 RNA-seq 计数数据差异表达分析技能，采用拟似然（quasi-likelihood）F 检验框架。涵盖安装、DGEList 构建、低表达基因过滤、TMM 归一化、设计矩阵、离散度估计、对比检验与结果导出等标准流程。
bio-entrez-link
基于 Biopython Bio.Entrez 的 ELink 工具，在 NCBI 各数据库之间查找交叉引用记录，例如从基因跳转到蛋白质、序列到文献，或发现某条记录可用的所有链接关系。
bio-epitranscriptomics-m6anet-analysis
使用 m6Anet 从 Oxford Nanopore 直接 RNA 测序数据中检测 m6A 修饰的技能，适用于长读长 RNA 数据的表观转录组修饰分析。
bio-genome-assembly-scaffolding
基于 Hi-C 数据将 contig 挂载为染色体级组装的生物信息学技能，涵盖 YaHS、3D-DNA、SALSA2 等工具，并用 BUSCO、接触图与端粒检测进行验证。
bio-geo-data
通过 Biopython 的 Bio.Entrez 模块查询 NCBI 基因表达数据库 GEO，用于检索微阵列与 RNA-seq 表达数据集、获取数据集摘要与下载链接，并可将 GEO 记录关联到 SRA。
bio-imaging-mass-cytometry-phenotyping
面向成像质谱流式（IMC）数据的细胞表型注释技能，涵盖手动门控、聚类和自动化分类方法，用于根据标志物表达为单细胞分配细胞类型。
bio-longread-qc
面向长读长测序数据的质量控制技能，使用 NanoPlot、NanoStat、chopper 等工具生成 QC 报告、按长度与质量过滤读段并可视化结果。