auditing-warehouse-source-health
用于审计 PostHog 项目数据仓库来源与同步健康状态的技能,快速找出损坏或降级的来源连接、同步 schema 与 webhook 通道,并按优先级给出报告与下一步技能建议,本身只读、不自动修复。
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
17,418 个结果
用于审计 PostHog 项目数据仓库来源与同步健康状态的技能,快速找出损坏或降级的来源连接、同步 schema 与 webhook 通道,并按优先级给出报告与下一步技能建议,本身只读、不自动修复。
PostHog 技能,用于在创建趋势图前澄清用户想看的是时间范围内的变化过程还是首尾对比,并提供折线图与斜率图两种渲染方式及相应限制说明。
PostHog 的 Replay Vision 扫描器创建指南:引导智能体选择 monitor/classifier/scorer/summarizer 类型、配置查询与采样率,并在创建前估算观察量、核对组织月度配额,避免自动调度耗尽预算。
用于诊断 PostHog 单个端点为何变慢或成本过高的技能,通过检查缓存 TTL、物化状态、版本历史与执行日志,给出提升 TTL、启用物化、重写查询或回滚版本等具体建议。
用于诊断 PostHog 实验结果的技能:当实验结果看起来异常、有偏或为空时,按症状匹配诊断组并输出结论。覆盖偏差与偏斜、空实验/零曝光、显著性解读陷阱、数值与 SQL 不一致、运行中途变更后的异常等五类问题。
按需导出 PostHog 的 events、persons 或 sessions 原始数据并下载结果文件。导出通过 MCP 工具启动与轮询,最终文件经 REST 重定向端点下载。
介绍如何用 PostHog 的 HogQL 与工具查询 MCP 会话:按 $session_id 汇总单次智能体运行的时长、调用数与错误数,按时间顺序读取工具调用序列,并用 generate-intent 工具生成会话目标摘要,用于排查智能体运行过程。
PostHog MCP 服务器工具使用情况的探索入口技能:当用户想查看 MCP 工具使用情况但未确定具体问题时,提供问题菜单并路由到对应工具或专项技能。
该技能指导智能体读取 Replay Vision 扫描器在会话录像上生成的 observations,解读各类型结果并按需采取行动,如汇总模式、建立洞察或走 Inbox 路径。
PostHog 的机器人流量过滤技能,用于在 Web 与产品分析中识别、量化并排除机器人、爬虫和 AI 智能体流量。通过 isLikelyBot 等分类能力,可在 HogQL、洞察、趋势和 Web 分析中区分人类与自动化访问。
Signals Scout 的异常检测侦察技能,用于持续监测团队最常查看的仪表盘与洞察,发现近期突增、骤降、持平或趋势突变等异常,并基于自身历史基线评分后生成报告。
PostHog 的 Signals scout 客户分析(账户健康)技能:以账户(group)粒度监控每个客户组织的参与度走势,识别流失风险形态(参与度断崖、休眠、关键用户流失)与扩张机会,并结合商业归属(CSM/AE、CRM 关联)判断信号价值。
面向 PostHog 数据管道的 Signals scout:监控 CDP 目标与转换、批量导出及 hog flow 的交付失败。
PostHog 数据仓库导入巡检技能(signals-scout-data-warehouse):面向把外部数据源导入数据仓库的 PostHog 项目,监控导入侧状态,识别配置与投递之间的不一致,发现已启用但失败、卡住或已静默变旧的同步,以及失效的 webhook 推送通道,并以报告形式提交。
面向 PostHog 产品分析的行为回归侦察技能,持续监控团队已保存的漏斗、留存、生命周期、粘性与路径流程,在转化率或留存率偏离自身基线且进入量(分母)稳定时输出报告。
PostHog 收入分析(Revenue Analytics)的信号侦察技能,用于监控 Stripe 同步停滞、收入事件采集回归、配置漂移与目标未达成等上游问题,并以工作流报告形式输出可执行发现,减少财务指标静默出错的风险。
PostHog 的网页分析巡检技能(Signals Scout),按渠道与落地页对照自身季节性基线,捕捉总览数据掩盖的流量异常、归因失效、跳出率阶跃与 404 激增,并仅对有据可查的分段异常撰写或编辑报告。
这是一个面向研究设计的智能体技能,用于在数据收集之前规划实验与研究:选择设计类型、进行随机化、实施区组化,并安排处理组合,使数据能够回答因果与效应问题。技能强调 Fisher 三原则(随机化、重复、区组化/局部控制),帮助避免伪重复、混杂、批次效应等结构性错误。它提供设计选择决策树、使用 PyDOE(pydoe==1.5.0)的 DOE 设计脚本、随机化/分配表生成脚本及多份参考文档,覆盖完全随机、随机区组、交叉、裂区、拉丁方、整群随机、析因/部分析因、筛选、响应面、拉丁超立方等设计。
用于为测试场景生成可执行数据集,按有效、无效、边界和合成批量四类输出,强调不使用真实客户数据,并设有人工复核环节。
从 Facebook、LinkedIn 等广告库中提取并分析竞争对手广告的技能,帮助识别其有效信息、痛点与创意模式,用于启发和优化自身广告活动。
分析会议记录与录音,识别沟通行为模式并给出可执行反馈,如回避冲突、填充词、主导对话或错过倾听等,适合希望提升沟通与领导能力的专业人士。
面向中文自然语言的 Tushare 数据研究 skill,能把“看股票走势”“查财报趋势”“哪个板块最强”“北向资金在买什么”“导出行情数据”等口语化请求,转成可执行的数据获取、清洗、对比、筛选、导出与简要分析流程。
在 Docker 中对 QuestDB 运行完整 TSBS 时序基准测试的技能,涵盖前置检查、TSBS 构建、数据生成、数据加载与查询基准,并包含清理步骤。
bailian-echo 是基于阿里云百炼 CLI(bl speech recognize,fun-asr)的批量视频/音频转写技能,可将文件夹内视频批量转写为结构化 Excel 或 CSV,也支持单文件纯文本或带时间码输出。