knowledge-graph-builder
用于构建知识图谱的AI技能，覆盖本体设计、图数据库选型（Neo4j、Neptune、ArangoDB、TigerGraph）、实体抽取与消歧、关系置信度、图+向量混合架构等，帮助AI系统显式表达关系、验证事实并减少幻觉。
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 10-18 00:12
数据与分析
16,544 个结果
backtest
Backtest 是一个用于回测交易策略的技能，能够将入场规则和出场规则应用到真实历史数据上，并报告策略的实际表现。它强调用数据说话而非空谈理论，适合验证交易规则或比较不同策略。该技能提供向量化和事件驱动两种回测实现模式，支持计算总收益、最大回撤、夏普比率、胜率和盈亏比等绩效指标，并涵盖前视偏差、幸存者偏差、过拟合等常见回测偏差的识别与缓解方法。
page-collect
page-collect 是一个基于 playwright-cli 的网页资源提取工具，可从任意网页中抽取结构化资源，包括图标、元数据、正文文本、表单、视频和社交链接。它要求 Node 22+ 环境，通过子命令分别运行各类采集器，输出为 JSON 文件及资源文件（如 SVG 图标、截图）。图标采集器支持从内联 SVG、img 标签、CSS 背景图、SVG sprite 引用等多种来源提取，并按 icon、logo、image 分类，自动清理和优化 SVG。该工具适用于网页迁移、设计资源盘点等场景，处理外部内容时需注意安全。
single-cell-rna-qc
该技能用于对单细胞 RNA 测序数据进行质量控制，支持 .h5ad（AnnData）和 .h5（10X Genomics Cell Ranger 输出）格式。它遵循 scverse 最佳实践，计算计数深度、基因检出数、线粒体/核糖体/血红蛋白含量等 QC 指标，并采用基于 MAD（中位数绝对偏差）的过滤方式识别低质量细胞，同时提供过滤前后的可视化图表。技能提供两种使用方式：一是可直接运行的完整 QC 流程脚本，支持通过命令行参数调整阈值和基因模式；二是模块化的核心函数与绘图函数，便于构建自定义分析流程。默认阈值较为宽松，以尽量保留稀有细胞群体。
gaokao-assistant
gaokao-assistant 是一个通过命令行查询中国高考数据的工具，数据来源为教育部下属中国教育在线运营的掌上高考（gaokao.cn）。它基于公开 CDN JSON API，无需浏览器或 WebBridge。主要功能包括：查询 31 个省份列表、省控线/批次线、一分一段表（含同位分）、院校查询（支持 985/211/双一流筛选）以及批次改革历史。所有命令以 JSON 格式输出，适用于需要高考分数线、位次、院校信息或录取参考的场景。
canvas-data-fetching
用于在 Drupal Canvas 的 React 组件中通过 JSON:API 与 SWR 获取并渲染 Drupal 内容的技能，适用于构建内容列表、查询关联实体等场景。
Knowledge Graph Builder
Knowledge Graph Builder 是一个用于构建支持系统知识图谱的技能，旨在将分散的支持内容转化为概念、关系与解决方案相互连接的网络。它提供结构化的工作流，用于映射知识领域、定义实体与关系，并支撑智能化的支持体验。该技能基于语义网原则与知识工程实践，结合领域建模、关系映射与实际实现，帮助支持系统理解上下文而非仅匹配关键词。例如当客户询问“账单问题”时，知识图谱能识别其与发票、支付方式、订阅计划乃至流失风险的关联。内容涵盖五大核心工作流：领域建模（定义产品、功能、问题、解决方案、文章、概念、角色等实体及其属性）、关系映射（定义 SOLVES、PART_OF、REQUIRES、CAUSES、DOCUMENTED_IN、APPLIES_TO 等关系及属性）、图谱构建（节点与边结构、图数据库/RDF 三元组存储/属性图/嵌入式等实现选项、模式设计与数据填充）、查询与推理（遍历、路径查找、模式匹配、聚合、推荐及推理规则、语义搜索增强、对话式 AI 集成）、维护与演进（质量监控、更新触发、验证流程与增长策略）。此外还提供快速参考命令、最佳实践、知识图谱模式（核心实体与关系的属性定义）、分阶段实施指南（基础、核心图谱、集成、智能四个阶段）、风险提示与成功指标。
linkfox-eureka-claim-data
该技能用于从 Eureka 专利数据库查询专利权利要求（Claims）信息，帮助用户快速获取一件或多件专利的完整权利要求文本及权利要求数量。支持通过专利 ID 或公开号查询，可批量提交多个值；当目标专利暂无权利要求数据时，可启用关联专利回退（replaceByRelated）尝试使用关联专利（如申请案的授权版本）提供数据。返回字段包括专利内部 ID、公开号、关联公开号、权利要求数组、权利要求总数、返回记录总数及本次查询的 Token 消耗。适用于查询权利要求全文、权利要求数量、独立权利要求、从属权利要求、专利保护范围，以及多专利权利要求对比等场景。该技能不适用于专利著录项/元数据检索、法律状态查询、说明书全文检索、关键词或分类检索、附图检索及专利族分析。使用需配置 API Key，按动态规则计费，消耗积分 = 81 × max(返回条数, 1)，可能一次性消耗大量积分，需用户确认后再继续。
foundry-iq
Foundry IQ 是 Azure Skills 中用于构建可搜索知识库（KB）的技能，面向本地或 Blob 文档的检索场景，提供连接、查询、诊断与清理等操作流程，并强调按所属流程读取、先诊断失败与不支持情况。
databricks-expert
Databricks Expert 是一个面向 Databricks 平台的专业技能，覆盖 Apache Spark、Delta Lake、MLflow、notebook 与集群管理等核心领域。它帮助用户设计并实现可扩展的数据管道和机器学习工作流，重点围绕湖仓一体（lakehouse）架构。该技能提供集群配置、Delta Lake 优化、性能调优、成本优化以及安全与治理等方面的最佳实践，并列出常见反模式（如将大数据集 collect 到 driver、未使用 Delta 优化、低效 join、未分区等）及其改进写法。当用户提到 Apache Spark、Delta Lake 等相关主题时可使用。
database-architect
数据库架构技能，专注于从零设计可扩展数据层，覆盖技术选型、模式建模、索引与缓存设计、分区与迁移规划等。适用于新建或重构数据层、制定迁移与备份策略；不适用于仅做查询调优或无法改动数据模型与基础设施的场景。
datahub-connector-pr-review
用于审查 DataHub 连接器实现的技能，依据 22 项黄金标准检查合规性、代码质量、静默失败、测试覆盖、类型设计与合并就绪度，支持多种编码智能体。
datahub-lineage
DataHub Lineage 是一个用于探索数据血缘的技能，可追踪上下游依赖、做影响分析与根因定位、映射数据管道，支持跨平台与列级血缘，兼容多种编码智能体。
flowio
FlowIO 是一个轻量级的 Python 库，用于读写流式细胞术标准（FCS）文件，支持 FCS 2.0、3.0 和 3.1 版本。它的主要用途是解析 FCS 文件的元数据与通道信息，并将事件数据提取为 NumPy 数组，便于后续分析或转换。FlowIO 依赖极少，适合后端服务、数据管道以及基础的细胞术文件操作。用户可以用它读取文件版本、事件数、通道标签、采集日期、仪器名称等信息，也能将事件数据导出为 CSV 或 Pandas DataFrame。此外，FlowIO 支持创建新的 FCS 文件，可将 NumPy 数组写入 FCS 3.1 格式（单精度浮点），并自定义 TEXT 段元数据。它还能处理多数据集 FCS 文件、检测偏移差异并允许忽略错误，以及通过 only_text 参数进行内存高效的元数据读取。安装命令为 uv pip install flowio，要求 Python 3.9 或更高版本。对于需要补偿、门控或 FlowJo 支持的高级分析，建议搭配 FlowKit 库使用。
latchbio-integration
Latch 是一个用于构建和部署生物信息学工作流的 Python 框架，基于 Flyte，可将分析流程打包为无服务器（serverless）流水线。它通过 @workflow/@task 装饰器定义任务与工作流，支持原生 Python、Nextflow 和 Snakemake 流程，自动完成 Docker 容器化并生成无代码用户界面。数据管理方面提供 LatchFile/LatchDir 云存储抽象，以及 Registry（项目→表→记录）结构化数据组织。资源可通过预配置装饰器（@small_task、@large_task、@small_gpu_task、@large_gpu_task）或自定义规格配置 CPU、内存、GPU（K80、V100、A100）与存储。平台还提供已验证的生产级工作流，如 Bulk RNA-seq、DESeq2、AlphaFold、ColabFold、单细胞工具（ArchR、scVelo）等。使用需安装 Latch SDK、登录账号并注册工作流，前置条件包括 Docker、Latch 账号凭据和 Python 3.8+。
molfeat
molfeat 是一个 Python 分子特征化库，统一集成 100 多种预训练嵌入与手工特征器，可将 SMILES 或 RDKit 分子转换为数值表示，支持 QSAR 建模、虚拟筛选、相似性搜索和深度学习等化学信息学任务。
backtrader
Backtrader 是纯 Python 开源量化回测框架，采用事件驱动架构，支持多数据源、多策略、多周期回测与实盘交易，内置 100+ 技术指标与绩效分析器，可用于策略开发、回测分析与参数优化。
analysis-documentation
这是一个用于生成结构化、可复现分析文档的技能。它适用于在向利益相关者分享分析前定稿、将分析交接给其他团队成员或未来的自己、归档需要一致复跑的分析、准备同行评审或正式审计，以及将探索性笔记本转化为参考文档等场景。该技能引导用户确认受众与范围、撰写业务背景、记录数据来源、编写方法论、记录结果，并撰写洞察、建议与可复现性说明，最终产出基于模板的完整分析文档，包含上下文、数据、方法论、结果和复现步骤，并链接或嵌入可视化与代码引用。
file-indexer
File Indexer 是一个本地文件索引工具，可扫描指定目录、构建文件元数据索引，并通过 HTTP 将索引上传到配置好的远程搜索服务。
exploring-llm-clusters
用于调查 PostHog AI 可观测性中的 LLM 聚类，理解 AI/LLM 流量的使用模式、对比各类聚类行为并下钻到单个聚类；可通过 SQL 计算成本、延迟与错误率等指标。
database-optimization
该技能聚焦 PostgreSQL 与 MySQL 的数据库性能优化，涵盖查询优化、索引策略与性能调优。内容包括使用 EXPLAIN ANALYZE 分析执行计划、识别顺序扫描与统计信息偏差，以及 B-tree、部分索引、GIN、GiST、覆盖索引等索引选型；同时提供 N+1 查询检测、连接池配置、读写分离、分区策略与查询优化检查清单，并列出应避免的危险模式。
syncfusion-maui-datagrid
用于在 .NET MAUI 应用中集成与定制 Syncfusion SfDataGrid，展示和处理表格数据，支持列配置、编辑校验、排序筛选、分组汇总、分页、导出等。
debug-slow-sql
该技能用于定位 ABAP SQL 或 Fiori-Elements OData 请求变慢的根本原因，并提出成本最低的修复方案。它通过 ARC-1 做无 GUI 诊断，逐级排查：先判断耗时来源（数据库、应用还是框架），再用 cds_sql、SAPQuery 查看并测量底层 SQL，必要时升级到 ABAP 性能跟踪或 ST05 SQL 跟踪。适用于慢报表、慢 OData/Fiori 列表、长时间运行的 CDS 视图、高负载下超时以及“查询在某时间后变慢”等场景。需要用户提供慢的对象（如 OData URL、CDS 视图名、ABAP 程序、事务码等）及复现条件。深度诊断步骤需要相应授权，NW 7.50 上部分功能不可用。
chatbot-analytics
该技能用于为 AI 聊天功能实现对话分析与监控，在符合 HIPAA 合规的前提下追踪会话量、消息数、时长、互动率、完成率、放弃率、响应延迟、Token 用量、错误率、回退率等指标，并提供仪表盘聚合、成本估算、告警配置与数据库表结构。