sqlserver-monitoring
用于 SQL Server 监控的技能：检查 SQL Agent 作业、错误日志、数据库健康、磁盘空间，并分析阻塞链、死锁与长事务。
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
17,418 个结果
large-list-data-grid-contracts
面向虚拟化长列表与数据网格的前端契约技能：排查窗口化接缝处滚动跳变、白屏、焦点丢失、粘性表头错位，以及 find-in-page、屏幕阅读器计数等依赖全量 DOM 的功能失效问题。
deepnote-notebook
Deepnote Notebook 是一个用于正确编辑 Deepnote 版 .ipynb 笔记本的技能。Deepnote 导出的笔记本虽然外观与标准 .ipynb 相同，但会在 metadata.deepnote_source 字段中存储每个单元格内容的副本，Deepnote 在重新导入时读取的是 deepnote_source 而非标准 source 字段。若仅通过常规工具修改 source，Deepnote 中仍会显示旧内容。该技能通过同步 deepnote_source 元数据，确保对单元格的编辑、创建或修改在导入 Deepnote 后可见。它特别处理 SQL 单元格——其 deepnote_source 仅保存原始 SQL，而 source 保存的是自动生成的 Python 包装代码（_dntk.execute_sql(...)），同时维护 deepnote_cell_type、deepnote_variable_name、sql_integration_id 等元数据。适用于编辑 Deepnote 导出的笔记本、添加 SQL 或代码单元格、修改查询或 Markdown。不适用于无 deepnote_source 元数据的标准 Jupyter 笔记本，或由 JupyterLab、VS Code、Colab 创建的笔记本。
espn-api
用于查询 ESPN 公开 JSON API 的技能，可获取 17 个运动、139 个联赛的实时比分、排名、阵容、球员数据、赔率、伤病、交易与新闻等，无需鉴权。
biodiversity-data-guide
生物多样性数据指南：介绍如何通过 GBIF、iNaturalist、GenBank 等数据库获取物种分布、基因序列与生态数据，并给出 Python（pygbif）与 R（rgbif、dismo、vegan 等）的查询、分布建模、系统发育与群落分析示例。
csv-data-analyzer
CSV Data Analyzer 是一个面向研究流程的 CSV 数据技能，用于加载、探查、清洗和分析 CSV 数据集，并生成统计摘要。支持多种编码读取、列类型推断、缺失值与重复值检查、描述性统计和分布检验。
data-cog-guide
Data Cog Guide 是一个智能数据分析助手技能，可接收格式混乱、缺乏文档的 CSV 文件，以极少提示自动推断结构、清洗异常并生成深度分析报告，适合研究人员快速洞察陌生数据集。
econml-causal-guide
EconML 因果推断指南，介绍微软研究院开发的 Python 包 EconML，结合机器学习与计量经济学方法，从观测数据估计异质性处理效应，涵盖安装、核心估计器、研究工作流与学术实践建议。
financial-data-analysis
面向学术金融实证研究的技能，介绍公开金融数据的获取、清洗与分析方法，涵盖 Yahoo Finance、FRED、SEC EDGAR、WRDS、Alpha Vantage 等数据源及收益率计算、事件研究等标准做法。
ml-pipeline-guide
面向机器学习研究场景的指南型资料，介绍如何构建和部署可复现的生产级 ML 流水线。内容以学术研究流程为核心，覆盖数据摄取、特征工程、训练、评估与产物存储五个阶段，并给出可复现研究的目录结构。该指南使用 MLflow 进行实验追踪、DVC 做数据版本控制、Hydra 管理配置，并提供相应的代码示例、dvc.yaml 定义与 Makefile 命令。与强调大规模部署的工业 MLOps 指南不同，它侧重多实验运行、记录运行间变更以及产出可供审阅者验证的结果，并列出若干最佳实践与参考资源。
pandas-data-wrangling
面向研究数据处理的 pandas 数据整理指南，涵盖数据加载与检查、缺失值处理、类型与格式转换、数据重塑、合并连接、探索性分析与分组聚合，并给出性能优化技巧与最佳实践。
panel-data-analyst
面向面板数据回归分析的中文技能资料，覆盖固定效应、随机效应、动态面板GMM及诊断检验，提供面板结构设置、标准误选择与出版级表格输出思路。
panel-data-guide
面向面板数据（纵向数据）分析的技能指南，覆盖固定效应、随机效应与动态面板模型的估计与解释，提供 Stata、R、Python 三种工具的实现方法与诊断检验流程。
power-analysis-guide
本指南讲解统计功效分析与样本量计算方法，帮助研究者在收集数据前估算所需样本、理解效应量、避免统计功效不足或过高的设计。内容涵盖功效分析四参数（效应量、显著性水平、统计功效、样本量）、第一类与第二类错误的定义、Cohen's d／r／f／OR 等效应量惯例取值，并提供 Python（statsmodels）与 R（pwr 包）代码示例，涉及两样本 t 检验、配对 t 检验、单因素方差分析、卡方检验与多元回归，同时介绍 G*Power 桌面应用的使用流程、效应量选取建议、常见错误对照表及论文报告模板。适用于需要做功效分析的科研与数据分析场景。
python-dataviz-guide
面向科研人员的 Python 数据可视化指南，覆盖 matplotlib、seaborn 与 plotly 三大库，讲解出版级图表的默认参数设置、常用图表配方与导出规范，强调正确 DPI、矢量格式、色盲友好配色与误差区间表达。
survey-data-processing
Survey Data Processing 是一个用于问卷调查数据清洗、重编码与整理、以便进行统计分析的工具技能。它覆盖问卷数据常见问题的处理，包括不完整作答、注意力检查（陷阱题）未通过、反向计分题、量表分数构建、开放式回答编码，以及导出为 SPSS、Stata、R 可用的分析就绪格式。技能首先对来自 Qualtrics、SurveyMonkey、REDCap、Google Forms 等平台的导出数据进行标准化，并通过 generate_survey_quality_report（示例函数 assess_survey_quality）生成数据质量报告，检查每题完成率、作答时长（过快与过慢）、直线作答模式及注意力检查失败情况。它还提供重复测量数据宽表转长表、内部一致性信度（Cronbach's alpha）计算、评分者间信度（Cohen's Kappa、Fleiss' Kappa）流程说明等功能。所有步骤强调记录重编码过程并保留原始与处理后版本，以保证统计推断的有效性。
cloudkit sync expert
CloudKit Sync Expert 是一个面向 CloudKit 架构的专家技能，用于处理 Leavn 的 CloudKit 集成，涵盖社区数据同步、代祷请求、群组、冲突解决与离线支持，适用于排查 CloudKit 错误、同步问题和离线冲突。
knack cache optimizer
Knack Cache Optimizer 用于缓存 Knack API 结果并强制执行每秒 10 次请求的速率限制，以提升仪表板性能并降低成本；提供缓存读写、TTL、失效和指数退避等函数与多种存储方案。
knack data cleaner
Knack Data Cleaner 是面向 HTI 合规与绩效仪表盘的数据清洗技能，通过去重、规范化、完整性校验和常见问题自动修复，提升 NCDIT 报告的数据准确性，并支持测试数据剔除、字段补全与数据质量监控。
plaid
Plaid 是一个用于连接已关联金融账户并读取银行数据的只读技能，通过 plaid 命令获取 JSON 结果，涵盖账户元数据、余额、交易记录、周期交易、负债与投资持仓。首次使用需通过 status 返回的链接完成一次性连接，支持添加其他机构和整体断开连接。适用于查询余额、汇总消费、识别订阅与账单、查看贷款信息及投资明细等场景。该工具仅限读取，不能转账、支付或修改银行账户，也不提供财务建议；数据依赖用户已关联的机构及银行通过 Plaid 共享的范围，可能滞后于银行，缺失账户类型时应如实说明不可用。
nutmeg-credentials
Nutmeg 的凭证管理技能，用于帮助用户安全管理足球数据提供商的 API 密钥并了解可用的数据访问权限。该技能会先读取 .nutmeg.user.md 配置文件，若不存在则提示先运行 /nutmeg:init。它指导用户将密钥存放在 .env（需加入 .gitignore）、系统环境变量或 .nutmeg.credentials.local 中，避免提交到 git，并在添加密钥时协助创建/更新 .env、检查 .gitignore 是否包含 .env 和 *.local、用最小 API 调用验证密钥。技能还提供数据源访问参考：免费源包括 StatsBomb 开放数据、FBref、Understat、ClubElo、football-data.co.uk、Transfermarkt；付费/需密钥源包括 SportMonks、Opta/Perform、StatsBomb API、Wyscout，并给出对应环境变量命名约定。此外涵盖 Kaggle、GitHub、data.world 等数据市场，以及针对初学者、Python、R、JS/TS 用户的具体访问建议和抓取条款、商业密钥再分发、免费额度限流等警告。
bright-data
通过 curl 调用 Bright Data Web Scraper API 的技能，用于抓取社交媒体数据（Twitter/X、Reddit、YouTube、Instagram、TikTok、LinkedIn）及网页数据提取、用量监控与账户管理。需先注册并获取 API Key 与 dataset_id。
zzprobe3-meta-7c22
该条目为 skills.sh 上的一个诊断用技能，名称 zzprobe3-meta-7c22，来源仓库 wwewtech/zzprobe3-meta-7c22。其描述说明它带有完整的目录元数据 frontmatter，用于 skills.sh 的索引诊断测试，触发短语为“probe zzprobe3-meta-7c22…”。正文内容为一段关于磷酸铁锂电池热失控阈值的诊断性文字，并列出三个步骤：加载电芯、保持电压、记录漂移。资料未提供该技能的实际功能、安装方式、收费情况、适用平台或使用效果等信息。
mcp
该页面是 html-to-markdown-rs 的 MCP（Model Context Protocol）参考文档，介绍如何通过 MCP 工具、提示词或资源集成 html-to-markdown-rs。它主要说明两个能力：convert_html 用于把 HTML 转换为 Markdown（也可通过 config.output_format 输出 Djot 或纯文本），支持传入 json:true 获取完整 ConversionResult（内容、表格、文档结构、元数据、警告），并可通过 config 控制标题样式、列表格式、转义、预处理、图片提取等选项；extract_metadata 用于以 JSON 形式提取 HTML 中的结构化元数据，包括标题、描述、关键词、作者、Open Graph 与 Twitter Card 标签、JSON-LD 与微数据，以及页头、链接和图片清单。适合在 MCP 环境中需要将网页或 HTML 文档转为 Markdown、或只提取元数据的场景。具体安装与调用配置文档未提供。