postgresql-code-review
用于审查 PostgreSQL 的 SQL、模式与迁移是否符合最佳实践的技能，覆盖 JSONB、数组、ENUM/域、PL/pgSQL、RLS 与权限，按紧急与建议分级给出发现。
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
17,413 个结果
postgresql-optimization
面向 PostgreSQL 的开发与调优技能，覆盖 JSONB、数组、自定义与范围类型、全文检索、窗口函数、索引与扩展。适用于编写、优化 PostgreSQL 查询与建模，强调先测量再优化，并区分于通用 SQL 调优。
prisma-postgres
Prisma Postgres 的创建、管理与集成指南，涵盖 Console 控制台、create-db CLI、Management API 及 TypeScript SDK，适用于配置数据库、连接本地项目与程序化开通等场景。
redis-query-engine
Redis Query Engine（RQE）使用指南，涵盖 FT.CREATE 模式设计、字段类型选择、DIALECT 2 语法、高效的 FT.SEARCH/FT.AGGREGATE 查询以及零停机索引切换，适用于对 Hash 或 JSON 文档建立索引与搜索。
sql-optimization
面向 MySQL、PostgreSQL、SQL Server、Oracle 等引擎的通用 SQL 查询调优技能，涵盖执行计划分析、索引策略、分页与批量操作，适用于排查和优化慢查询。
materials-databases
该技能提供对两个材料科学数据库（AFLOW 与 Materials Project）的专家级访问与查询支持，帮助用户检索晶体结构、材料性质、热力学数据及计算数据。Materials Project 需免费 API Key，通过 Python 客户端 mp-api 使用，可查询能带、态密度、声子、弹性、表面与电池材料数据；AFLOW 无需 API Key，通过 REST API 与 AFLUX 检索语言查询约 350 万种计算材料的结构、热力学与弹性性质。技能包含安装命令、API Key 配置、常见查询示例、跨库交叉核验与最佳实践。
opentrons-absorbance-reader
Opentrons 吸光度读板模块（Absorbance Plate Reader Module）是专用于 Opentrons Flex 的板载微孔板分光光度计，可在 96 孔板上同时读取最多 6 个波长（380–740nm，10nm 步进）的吸光度，无需手动转移微孔板。它支持单波长、带参考波长和多波长读取模式，可用于 ELISA、细菌或细胞培养生长（OD600）、比色法检测和动力学读数等自动化流程。模块占用第 3 列（A3–D3），第 4 列整列保留用于盖子暂存，需 API 2.21 或更高版本，不兼容 OT-2。
pycalphad
pycalphad 是一个基于 Python 的计算热力学库，实现 CALPHAD（相图计算）方法，用于设计热力学模型、计算相图与相平衡，并预测多组分材料体系的热力学性质。它可读取并处理 Thermo-Calc 数据库（TDB）文件，计算二元、三元和多组分相图，执行 Gibbs 能最小化，计算活度、化学势、热容等性质，并支持有序相与带电物种建模。该工具面向材料科学、冶金和计算热力学领域的研究者与工程人员，适合以编程方式自动完成热力学计算和材料设计分析。不适用于第一性原理计算、分子动力学模拟或动力学模型。
python-jax
JAX 是一个面向加速器的 Python 数组计算与程序变换库，采用类似 NumPy 的 API，并提供自动微分、JIT 编译、自动向量化和多设备并行等可组合的函数变换，面向高性能数值计算与大规模机器学习。该技能条目是 jkitchin/knowhow 技能集中的 Python JAX 使用指南，内容覆盖 jax.grad、jax.jit、jax.vmap、jax.pmap 四项核心变换，JAX 与 NumPy 在不可变性、随机数、64 位精度、越界索引等方面的差异，常见的易踩坑点（纯函数要求、控制流限制、动态形状、调试打印等），以及自动微分、JIT 编译、向量化、PyTree、优化循环和 scan 等使用模式。
python-multiobjective-optimization
该技能提供 Python 多目标优化的专家级指导，涵盖 Pareto 最优性、进化算法（NSGA-II、NSGA-III、MOEA/D）以及标量化方法（加权和、加权度量、ε-约束、目标规划）。内容包含 Pareto 支配与 Pareto 前沿等核心概念、方法对比表、库选择建议（pymoo、platypus、DEAP、scipy.optimize）以及可直接运行的实现代码示例，并介绍超体积、世代距离等 Pareto 分析指标。适用于投资组合、工程设计、制造、药物设计、车辆路径等需要在多个冲突目标间进行权衡分析的场景。
python-regression-statistics
该技能提供 Python 回归分析、统计建模与异常值检测的专业指导，覆盖 statsmodels 统计回归、scikit-learn 机器学习回归、scipy 统计方法以及 PyOD 异常值检测。内容包括线性与非线性回归拟合、回归假设检验（LINE：线性、独立性、正态性、等方差）、模型诊断（残差分析、影响点、多重共线性）、异常值检测与处理、统计方法与机器学习方法对比、稳健回归流程、时间序列建模与预测、广义线性模型（GLM）等。适用于需要 p 值、置信区间与假设检验的统计推断场景，以及以预测精度为目标的机器学习建模场景。
scientific-workflows
这是一个面向科学工作流管理的专家助手技能，帮助用户根据计算科学需求选择并实现合适的工作流工具。它遵循“使用能解决问题的最简工具”原则，从轻量级的 joblib 缓存与并行，到中等复杂度的 Prefect、Parsl 编排，再到面向材料科学生产环境的 FireWorks、quacc，提供决策树、工具对比、迁移路径和最佳实践。该技能还包含针对各工具的子技能，可提供更详细的指导。
fairchem
FAIRChem（原 Open Catalyst Project）是 Meta 的化学机器学习库，提供 UMA 预训练模型，用于材料科学与量子化学中的能量、力与应力预测，并通过 FAIRChemCalculator 集成 ASE，可替代 DFT 进行快速几何优化、分子动力学与 NEB 计算。
materials-databases
用于访问和查询材料科学数据库的技能助手，主要对接 AFLOW 与 Materials Project，可检索晶体结构、材料性质与热力学数据，并支持结构格式转换与稳定性筛选。
pycse
pycse 是面向科学与工程计算的 Python 库，在 numpy/scipy 基础上提供便捷函数，可自动返回回归参数的置信区间，并支持 ODE 求解、模型比较、预测区间、结果缓存与 Google Sheets 读取。
app-analytics
面向移动应用的分析与埋点技能，帮助规划、解读和改进 App 数据追踪。涵盖分析工具选型、关键指标框架、事件追踪计划、仪表盘搭建与指标解读，适用于 iOS 应用的增长、留存与变现分析。
app-store-aso
用于生成符合 Apple App Store 规范的 ASO 元数据建议的技能，可分析应用列表、优化标题与关键词、校验字符数并给出截图叙事策略，配合 Krankie 命令行工具跟踪关键词排名。
appmigrationkit
AppMigrationKit 是 iOS 26 起提供的跨平台一次性数据迁移框架，通过 App Extension 在设备设置或引导阶段把 Android 等平台的应用数据导出并导入 iOS，系统负责设备间传输与调度。
asc-localize-metadata
一个用于自动翻译并同步 App Store 元数据的技能：借助 LLM 翻译、通过 asc CLI 拉取和上传描述、关键词、更新说明、副标题等本地化内容到 App Store Connect。
asc-metadata-sync
用于同步、校验并应用 App Store 元数据的技能，基于 asc 规范元数据工作流，适合更新元数据、本地化、关键词等场景。
asc-metrics
用于分析 Appeeky 中已同步的 App Store Connect 官方数据，获取真实下载量、收入、内购、订阅与试用等指标，可做环比、日趋势与分国家分析。
contacts-framework
面向 iOS 的 Contacts 与 ContactsUI 框架使用指南，讲解如何用 CNContactStore、CNSaveRequest 和 CNContactPickerViewController 读取、创建、更新与选择联系人，目标为 Swift 6.3 / iOS 26+。
core-data-expert
面向 iOS/macOS 的 Core Data 专家技能，提供栈搭建、抓取请求与 NSFetchedResultsController、保存与合并冲突、线程与 Swift Concurrency、批量操作、持久化历史、模型配置、迁移、CloudKit 集成、性能与测试等生产级指导，并附带排查常见崩溃与错误的参考文档。
crash-analytics
用于监控、分诊并降低 iOS/Android 应用崩溃率的技能，涵盖 Crashlytics 接入、崩溃优先级排序、符号化处理、分阶段发布与崩溃相关差评应对，并说明崩溃率对 App Store 排名、推荐与评分的影响。