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

pipes-schema-design

Pipes Schema Designer 是 Subsquid Labs 面向区块链数据提供的数据库表结构设计技能,专为 ClickHouse 与 PostgreSQL 设计最优 schema。它会分析合约事件与指令结构,选择合适的字段类型、表引擎、索引和分区策略,生成带注释的 CREATE TABLE 语句,并给索引器代码编写环节提供数据转换提示。适合需要把链上事件落到分析型数据库、关心重组处理与查询性能的场景。

数据与分析3 次安装

pipes-template-dex-swaps

这是一个可直接用于生产的 DEX Swap 事件索引模板,适用于 EVM 链上任何兼容 Uniswap V2/V3 的去中心化交易所。模板内置 ClickHouse 表结构、基于 Drizzle ORM 的 PostgreSQL 表结构,以及带解码逻辑的事件转换器,可跟踪代币对交易、流动性池价格变动和交易量。支持通过 Pipes CLI 快速初始化,也支持手动复制文件集成,并提供按工厂事件参数、池地址、最小交易额过滤及价格计算等定制方式。

数据与分析3 次安装

pipes-template-lending-protocol

pipes-template-lending-protocol 是 Subsquid Labs 提供的借贷协议索引器模板,面向 EVM 链上借贷协议的 Supply、Withdraw、Borrow、Repay、Liquidate 等事件,提供生产可用的数据结构与解码逻辑。模板包含 ClickHouse 表结构(CollapsingMergeTree 引擎)、PostgreSQL 的 Drizzle ORM schema,以及统一处理五类借贷事件的 transformer。资料给出的支持范围包括 Aave V3、Compound V3、Morpho Blue、Spark Protocol、Radiant Capital 及具有类似借贷事件的协议。可通过 Pipes CLI 初始化项目,也可手工复制文件集成。模板附带针对日活、头部借款人、清算、利用率、利率历史、用户头寸、清算风险和推荐计划等场景的示例 SQL,并说明 Ray 利率换算、事件缺失和清算数据不全等常见问题。

数据与分析3 次安装

portal-query-hyperliquid-fills

该技能用于构造 SQD Portal Stream API 查询,获取 Hyperliquid 永续合约交易所的成交记录(fills)。支持按币种、方向、用户地址和区块范围过滤,可查询价格、数量、方向、已实现盈亏、手续费等字段。适用于跟踪交易活动、分析盈亏、监控特定交易者、按币种或方向筛选大额成交以及分析手续费结构等场景。查询使用 POST 请求发送到 /datasets/hyperliquid-fills/stream,返回 JSON Lines 格式数据。技能文档还列出了常见错误、性能建议和 MCP 工具快速查询方式。

数据与分析3 次安装

yahoo-data-fetcher

Yahoo Data Fetcher 是一个用于从 Yahoo Finance 获取实时股票报价的技能。它通过 /stock quote 命令接收一个或多个股票代码,返回规范化的 JSON 输出。每个股票代码的输出包含 symbol(股票代码)、price(最新市场价格)、change(绝对价格变动)、changePercent(百分比变动)、currency(交易货币)和 marketState(市场状态,如 REGULAR、CLOSED)。输入支持单个字符串、空格或逗号分隔的多个代码、字符串数组,以及包含 symbols 字段的对象。

数据与分析3 次安装

analyze-system-dynamics

这是一个用于系统动力学分析的开源技能,旨在解释随时间变化的行为模式,而不仅仅是绘制静态关系图。它要求先描绘观察到的行为随时间的变化,再识别持续存在的存量、增强回路与平衡回路、延迟以及自适应行动者,并用最小模型复现历史行为。适用于增长、衰退、震荡、瓶颈或政策等动态问题。该技能将定性回路视为假设,强调干预必须经过短周期改善、补偿反馈、负担转移和延迟超调等检验才能被识别。

数据与分析3 次安装

forecast-with-calibration

该技能用于为可判定的未来事件生成可更新的概率或分布预测。它强调在给出数字之前,先明确事件、截止时间、判定来源与歧义处理规则,并以相关基准率为起点,通过内部视角对基准率进行更新而非取代。技能涵盖概率预测的引导、聚合、评分与更新节奏等开放方法,并提醒单次命中或失误不能说明校准度,需用事先声明的适当评分规则对一组可比预测进行评分;极端置信需要极端证据,且相乘相互依赖的子事件会制造虚假精度。

数据与分析3 次安装

apache-arrow

Apache Arrow 是一个跨语言的列式内存格式,面向分析型工作负载。它帮助开发者在不同系统之间进行高性能数据交换、零拷贝读取,并在 Python(PyArrow)和 JavaScript(Arrow JS)中高效处理列式数据。本技能提供使用 Arrow 的专家指导,涵盖创建 Arrow 表、向量化计算、读写 Parquet、零拷贝互操作、分区数据集、Arrow IPC 进程间通信以及 JavaScript 端读取等能力。

数据与分析3 次安装

timesfm

TimesFM 是 Google Research 推出的时间序列基础模型,拥有 2 亿参数,基于 1000 亿真实世界时间点预训练。它支持零样本预测,无需微调即可跨领域使用——输入历史数据即可得到预测结果。适用于销售或需求预测、服务器指标异常检测、CPU 利用率预测等场景。可通过 pip install timesfm 安装,使用 Python 调用,支持单序列与多序列批量预测,并提供频率参数(0 表示秒/分钟级高频、1 表示每日、2 表示每周/每月)以匹配数据粒度。模型可在 CPU 上运行,GPU 可加速多序列批量处理。

数据与分析3 次安装