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
17,413 个结果
data-viz 是一个根据 JSON 规格渲染品牌化图表和示意图的技能。它支持柱状图、折线图、散点图、热力图、瀑布图、桑基图、循环图、统计卡片以及流程图/架构图/层级图，输出为 PNG 和 SVG。渲染器会自动计算透视、总计、变化、比例等数值，并在数据可能产生误导时拒绝渲染。图表轴必须包含零、单位一致、百分比合计为100%；示意图和循环图通过拓扑哈希锁定结构，品牌颜色和字体由品牌包控制。适用于需要数据准确、品牌一致的视觉内容，不适用于纯排版如三宫格数字或引用卡，也不适用于概念插画或影视内嵌场景。
用于从 Latitude 可观测性数据（traces、sessions、tools 等）构建自包含 HTML 报告与 KPI 仪表板，由智能体选择查询、渲染页面并撰写发现。
用于分析文本的统计技能，可统计词数、估算阅读时间、计算复杂度指标与可读性分数，并输出结构化报告，适用于了解文档长度、阅读难度与目标受众。
language-review 是一个语言学习进度回顾技能，用于从本地数据生成学习报告并给出鼓励与可执行建议。适用于用户请求查看学习进度、提升幅度或训练节奏时。
document-extract 是一个从 PDF 和 PNG/JPEG 文档图像中提取指定字段与重复记录的工具，输出可由源文档内容佐证的 JSON 或 CSV 数据，适用于表单、发票和表格等场景。它依赖同一目录下已安装的 document-to-markdown 技能完成解析、渲染和裁剪工作，并坚持本地解析、不上传文档到公共 OCR 或模型端点。提取时保留原始读数与规范化值、空白与零值、冲突与不可读状态的区分，并用原始页面或裁剪图核对标签、关联、行、金额和日期。导出由随附脚本完成，JSON 保留证据和字段状态，CSV 为扁平化补充，部分结果需明确标注为部分结果及限制。
面向 Next.js App Router 的数据获取模式技能，涵盖 Server Components、Server Actions、React Query 与流式渲染，用于实现或审查数据获取逻辑。
该技能是一个多方法量化回测与策略优化工具，用于在纸面交易或实盘前对交易策略做定量验证。它内置高速向量化回测引擎，可计算收益、日收益、CAGR、Sharpe 比率、利润因子和最大回撤，并模拟手续费（如 IDX 股票买入 0.15%、卖出 0.25%，以及加密的 maker/taker 费率）与滑点价差。工具提供遗传算法参数优化（以参数为染色体、以 Sharpe 比率减去回撤惩罚为适应度，支持精英保留、交叉和自适应变异）、Walk-Forward 分析（划分样本内优化与样本外盲测窗口，计算 Walk-Forward Efficiency 以识别过拟合）以及蒙特卡洛压力测试（1,000 至 10,000 次交易序列重排与滑点冲击，计算破产风险及 95% 和 99% 置信区间的最大回撤）。可通过命令行演示或作为 Python 类导入使用。
以“穴居人”口吻表达 Linus Torvalds 式工程信条的技能：数据优先、外科手术式改动、直白评审，并大幅减少 token。保留技术术语、代码与错误信息原样，仅压缩表达。
tushare-finance 是一个通过 Tushare Pro API 获取中国金融市场数据的技能，覆盖 A股、港股、美股、基金、期货、债券等品种，支持 220+ 个数据接口，包括股票行情、财务报表、指数行情、基金净值以及 GDP、CPI 等宏观经济指标。使用时需具备 Tushare Token 与 Python 环境（tushare、pandas），调用后返回 pandas DataFrame。适合在用户请求股价、财务分析、指数行情或宏观数据时调用。
通过 Tushare Pro API 获取中国金融市场数据的技能，覆盖 A 股、港股、美股、基金、期货、债券，支持 220+ 个接口，可查询股票行情、财务报表和 GDP、CPI 等宏观指标。
create-teammate 是一个把同事“蒸馏”成 AI Skill 的工具：自动采集 Slack/Teams/GitHub 等数据，生成 Work Skill 与五层 Persona，并支持持续进化。
AB测试分析技能是一个基于Python的数据分析工具，用于完成AB测试从实验设计到结果分析的完整流程。它提供了转化率与留存率分析、统计显著性检验、用户分群分析以及可视化报告生成等能力。统计检验方面涵盖t检验（独立样本、配对样本）、卡方检验（拟合优度、独立性）、置信区间估计、效应量计算和多重比较校正。用户分群支持价值分群、人口统计学分群、行为模式分群及自定义分群策略，并可进行交互效应分析。可视化功能包括转化率对比图、留存率曲线图、用户分群热力图、交互效应图和统计检验结果图，还可生成交互式仪表板。该工具还提供多变量AB测试、贝叶斯AB测试、时间序列分析、稳健性检查与因果推断支持。使用时需安装pandas、numpy、scipy、matplotlib、seaborn、statsmodels等依赖，通过导入脚本模块并以CSV数据文件加载分析。适用于产品改版评估、营销活动测试、功能优化验证等场景。
该技能用于分析多步用户转化漏斗，计算各步骤转化率，借助 Plotly 生成交互式可视化，并按设备、性别等维度细分，找出流失瓶颈与优化机会，适用于营销活动、注册引导、电商购买与销售管道等场景。
智能推荐系统分析工具，提供协同过滤、SVD矩阵分解与混合推荐等算法实现，含离线评估框架与可视化分析。需用户行为、商品或评分数据。
一个用于回归分析与预测建模的技能，自动完成从数据准备到模型评估的完整机器学习流程，支持线性回归、决策树和随机森林等算法，适用于房价预测、销售预测和风险评估等场景，支持中英文数据与输出。
retention-analysis 是一个用户留存与流失分析技能，用生存分析、队列分析和机器学习计算留存率、构建生存曲线并预测流失风险，适用于 SaaS、会员、电商、游戏等订阅或复购场景。
对电商交易数据执行 RFM（最近购买时间、购买频率、购买金额）客户分群分析，结合 K-means 聚类识别客户价值层级、筛选 VIP 客户，并生成可视化报表与营销洞察。
通过 GA4 Data API 拉取 Google Analytics 4 数据并生成可执行建议的 TypeScript 脚本集，支持每日 SEO 报告、流量来源、跳出率诊断、时段对比等分析，只读聚合数据，需服务账号凭据。
从 Axure 原型中提取结构化数据（截图、设计令牌、交互映射、注释与页面文本），用于页面重建、内容分析或设计评审。脚本基于 Node.js 静态解析并配合 Playwright 渲染，可自动安装依赖，只需传入原型 URL。
OpenClaw 配置与数据的备份恢复工具，通过 Python 脚本创建带时间戳的 tar.gz 备份，支持列出、恢复备份，并可配合 GitHub 私有仓库实现异地存储。
lookml-ojof 是一个用于设计、构建、重构和优化多事实表 LookML Explores 的技能，基于 Outer Join On False（OJOF）模式。该模式将多个独立事实表视为平行对等表，通过 sql_on: FALSE 的全外连接挂接到一个返回 0 行的虚拟基表上，再借助 Liquid 的 {% if join._in_query %} 条件与 COALESCE 动态绑定共享维度和共同维度，从而避免笛卡尔扇出、鸿沟陷阱（chasm trap）以及繁重的对称聚合计算。资料给出完整规则：0 行基表、事实/度量连接、复合度量连接、维度连接、共同维度（日期）连接，并涵盖过滤条件下推、双用途表、聚合感知、多日期实体、用户自定义与预定义期间对比等扩展模式，以及面向代理的检查清单。
该技能用于扫描指定目录或整台电脑（主目录与外接卷），快速列出所有视频文件及其大小和修改时间。通过增量目录缓存，首次全量扫描后，后续仅对目录执行 stat，未变化的目录复用缓存，重复运行成本与文件总数无关。可选调用 ffprobe 补充时长、分辨率和编码信息，并支持按大小、修改时间、时长等排序，以及按扩展名、时间、大小过滤。结果可输出为表格、JSON、路径或 CSV，适合需要盘点视频文件、查找最大或最新视频、了解编码分布的场景。
用于在 TanStack Query 中实现乐观更新的技能说明，涵盖 onMutate 回滚上下文、写入前 cancelQueries、setQueryData 与 setQueriesData、不可变缓存写入等模式，并列出常见错误与正确写法。
介绍 TanStack Query 中 select、选择器记忆化与派生状态的核心用法：用 select 让组件只订阅所需数据形状，保持完整响应在缓存中；并说明常见错误及修正方式。