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

17,415 个结果

bulk-record-jobs

Bulk Record Jobs 是一个面向《上古卷轴5:天际》模组数据处理的技能,用于把大量加载顺序中的记录(record)批量转化为单一结构化交付物,例如装备目录、制作图谱、冲突调查、整模审计、兼容补丁重建或返回 JSON 的扇出提取。它把常见的批量任务形态映射到 houseCARL 工具原语上,并补充二进制格式未携带的游戏层约定(如制作站关键字含义、锻造配方与制作配方的结构差异),同时定义统一的交付物结构,使多个并行代理产出同一套 schema。核心思路是先估算任务规模、再固定输出结构,避免逐记录循环和 schema 漂移两大成本。

数据与分析3 次安装

mutagen-reference

mutagen-reference 是一个离线查询 Skyrim 插件记录类型架构(schema)的技能。给定任一记录类型,它可以查该类型有哪些字段、每个字段的类型与基数(单值、列表、字典等)、字段是否可写、枚举字段的合法取值,以及多态字段可以取哪些具体分支(arm)。它只做参考查询,不包含操作流程、写入动作或路由,相当于回答“这个记录类型长什么样”。知识库通过反射游戏记录库(Mutagen)自动生成,因此覆盖范围即该库建模的记录类型集合,而非人工维护的子集。读取和写入都能用:读取前了解字段构成,写入前确认字段是否可写、值类型、合法枚举值或多态分支,从而拼出合法修改。使用时先打开 references/index.jsonl 索引,用类型名或 xEdit 签名(如 ARMO、MGEF)精确匹配,再按索引指向的文件与行号只读取那一行 schema 块;引用类型、枚举取值按需再查。若索引中找不到对应类型,会明确给出警告,提示该类型不在所固定 Mutagen 版本的建模范围内,并拒绝凭空编造 schema。

数据与分析3 次安装

rag-infrastructure

本技能用于构建和运维检索增强生成(RAG)基础设施,覆盖文档摄入、向量化、向量数据库存储、混合检索、重排序与基于上下文的LLM问答。资料给出嵌入流水线、分块策略、Qdrant稠密与稀疏混合检索、Cohere或本地CrossEncoder重排序、RAG查询流水线和Docker Compose栈的示例代码,并强调检索前权限校验、检索内容按不可信数据处理、幂等重摄入等边界与常见问题。

数据与分析3 次安装

rag-observability-evals

这是一个面向 RAG(检索增强生成)系统的可观测性与评估技能,用于把 RAG 流水线当作可度量的生产系统来监控和评测。它围绕检索质量、生成质量、可靠性与成本三个维度给出需要测量的指标:检索侧包括 Recall@k、MRR、NDCG@k、引用覆盖率、来源新鲜度、嵌入漂移与索引陈旧度;生成侧包括 groundedness 得分、幻觉率、指令遵循与格式有效性;运维侧包括分阶段 p50/p95 延迟、各阶段 token 用量、缓存命中率与单次成功回答成本。资料提供了 RAGAS 评估脚本、基于 OpenAI 的 groundedness 逐条声明打分脚本、检索指标计算脚本以及 Prometheus 指标导出示例,并给出夜间离线评估的 CronJob 示例、告警策略与排障思路。使用前提为已插桩的 RAG 流水线、Python 3.10+ 与评估库、Prometheus 端点、带标准答案的基准数据集以及 OpenTelemetry SDK。资料同时强调评估器调用第三方可能泄露数据并产生费用、评审分数只是噪声代理需人工校准、示例脚本不包含回归比较与发布门禁等能力,需自行实现并测试。

数据与分析3 次安装

viz

Viz 是一个面向科研场景的可视化助手技能,通过六个阶段的工作流帮助研究者产出研究级图表:/viz ingest(理解数据结构与质量)、/viz explore(用一次性图表建立直觉)、/viz brainstorm(厘清可视化意图)、/viz plan(确定图表类型、布局与数据来源)、/viz execute(生成并运行代码)、/viz analyze(对照假设反思图表)。其理念是先让数据说话,再决定要表达什么,最后验证图表实际传达的内容是否符合预期。并非每张图都需要全部六个阶段,熟悉数据且意图明确时可直接跳到 plan 或 execute。该技能以命令行与 Python(seaborn、pandas)为主要工具,强调探索代码与生产代码分离,避免将探索阶段的样式带入正式图表。

数据与分析3 次安装

check-model-availability

这是一个用于核查 Snowflake Cortex 模型可用性的技能,能分别验证一个或多个模型是否可用于基础模式(AI SQL:AI_COMPLETE / SNOWFLAKE.CORTEX.COMPLETE)和智能体模式(Cortex Code Agent 允许列表)。它通过 SHOW CORTEX BASE MODELS、真实的 AI_COMPLETE 调用探测,以及利用无效模型名让 CLI 报错并一次性列出全部智能体允许列表,来输出每个模型的基础与智能体可用性、生命周期状态及说明。

数据与分析3 次安装