jq
jq 是命令行 JSON 处理器，可读取标准输入或文件中的 JSON，应用过滤器后输出转换结果，适合在 Shell 管道中完成 JSON 解析、筛选、字段提取、查询和格式化。该技能针对已安装的 jq v1.8.1 提供使用参考，涵盖过滤器与管道、数组操作、对象构造、常用命令行参数，以及提取、过滤、聚合、转换、格式转换、多文件与变量、字符串处理等常见模式，并给出内置函数、运算符、错误处理要点和面向智能体的使用建议。
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
railway-operations
面向 Railway 基础设施的操作技能：创建项目、配置服务与数据库、部署代码、管理环境变量与域名，并做日志排查。
enriching-tables
enriching-tables 是 Bright Data 的表格富化技能，通过 @brightdata/enrich CLI（命令 enrich）把 CSV 中的公司或人员信息在实时网络上调研后追加新列，如员工数、融资、技术栈、工作邮箱与 LinkedIn。
pty-bridge
pty-bridge 是一个支持完整 PTY 的交互式终端会话管理 CLI，用于处理标准 Bash 工具无法应对的交互式程序，如 SSH、REPL、数据库 CLI 和 TUI 应用。需 Node.js 18+ 与 C++ 构建工具链。
gasgo
gasgo 是一个查询哥伦比亚加油站实时燃油价格的开源引擎，回答“现在去哪里加油最划算”。支持按城市或经纬度、油品和半径筛选，并输出最优加油站排名或 JSON 结果。
aer-preregistration
面向实验与前瞻性数据研究的预注册技能，用于在干预开始前撰写预分析计划（PAP）、基于功效计算确定样本量并完成研究注册，使结果难以被 p-hacking，适用于随机对照试验（田野、实验室或调查实验）及需预先承诺分析方案的一手数据收集项目。
causal-ml
因果机器学习技能，面向应用经济学与定量社会科学，提供DML、因果森林、元学习器等半参数ML估计方法的参考与实现指引，涵盖Neyman正交矩、交叉拟合、去偏正则化与异质性处理效应。
data-cleaning
面向经济学研究的技能，帮助在 Python、R 或 Stata 中清洗、转换并准备分析用数据集，强调可复现、文档记录与常见数据质量问题处理。
data-fetcher
该技能用于从 FRED、世界银行、BLS、OECD、Yahoo Finance 等主要经济数据 API 获取经济数据，并生成带错误处理与文档说明的 Python 代码，面向经济学研究者的数据下载与自动化更新需求。
Econfin-Proposal
金融经济学实证论文计划书生成器，依据研究方向输出含标题、假说、数据来源、实证策略、预期结果表、稳健性检验、异质性与机制检验等12个模块的完整计划书，并内置中国微观/宏观数据库与WRDS国际数据库索引以匹配数据源。
figure
面向经济学计量研究的出版级绘图技能，可生成符合 AER、QJE、ReStud、Econometrica、JPE 等顶刊排版规范的图表代码，支持 Python、R、Stata 三种实现。
kaggle-research
kaggle-research 是一个通过策略约束包装器调用官方 Kaggle CLI 的研究技能，用于可复现的 Kaggle 数据集、竞赛、Kernel 与模型发现，以及受限的公开数据下载，并记录脱敏审计数据。
panel-data
面板数据计量经济学技能，覆盖混合OLS、固定效应、随机效应与双向固定效应模型，指导模型选择、假设检验与结果解释，涉及Hausman检验、Mundlak相关随机效应、Arellano-Bond GMM及Driscoll-Kraay标准误等。
physics-skills
physics-skills 是一组面向物理与天体物理研究的技能集合，共 5 项，覆盖天文数据处理、计算物理、粒子物理、量子计算与 NASA ADS 文献检索。触发场景为物理模拟、天文数据与计算物理。
pyfixest-reference
PyFixest 的机器可读 API 参考技能，面向 LLM 提供高维固定效应 OLS/WLS/IV、Poisson 与 GLM 估计、聚类稳健标准误、事件研究与双重差分等计量功能的紧凑语法说明。
rdd-analysis
计量经济学技能，用于断点回归设计（RDD）分析。支持精确断点与模糊断点RDD，涵盖识别假设、带宽选择、局部多项式估计、有效性检验与学术论文报告规范，提供Python、R和Stata调用示例。
stats
用于计量经济学研究中的描述性统计与汇总表生成技能，可产出论文级“表1”、平衡表和相关系数矩阵，支持Python、R与Stata。
amj-data-analysis
面向《Academy of Management Journal》(AMJ) 投稿的统计分析技能，用于测量效度检验、共同方法偏差处理、估计量选择，以及中介、调节与稳健性检验的规范报告。
asq-data-analysis
用于 Administrative Science Quarterly（ASQ）稿件的数据分析与证据整理技能，覆盖定性编码到理论构建，以及定量模型、稳健性与机制检验，帮助作者把原始数据与理论贡献之间的推理链写清楚。
asq-tables-figures
面向《Administrative Science Quarterly》(ASQ) 投稿的表格与图件制作技能，帮助构建质性数据到理论表、过程模型图及定量回归表等，使图表独立承载论证。
jfqa-tables-figures
用于为《金融与定量分析杂志》（JFQA）论文制作表格与图表的技能，涵盖描述性统计、主回归、稳健性检验等展示项，强调自包含注释、经济量级报告与期刊格式合规。
jms-data-analysis
面向《Journal of Management Studies》(JMS) 投稿的数据分析技能，帮助作者在审稿人质疑内生性、稳健性或中介效应时，按 JMS 标准组织定量或定性分析，使分析可信地支撑理论主张。
joap-data-analysis
用于《应用心理学杂志》（JAP）稿件的数据分析与结果报告技能，覆盖SEM/CFA、多层（HLM）模型、中介与调节、元分析等分析，强调效应量与置信区间、测量模型先行、嵌套数据正确建模、披露与可复现。
mksc-data-analysis
面向 Marketing Science 投稿的模型估计与验证技能：运行 GMM/MLE/SMM/贝叶斯结构估计，检验识别、拟合、反事实与复现包，并给出提交前的证据审查与结论。