SuperAPI AI 工具集找到适合任务的 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
这是一个只读的 Shopify 管理技能，用于分析退货处理结果，计算退货中换货、店铺积分与退款各自所占的比例，从而衡量收入挽回率。它通过 Shopify CLI 认证会话和 read_orders、read_returns 权限，查询指定时间窗口内的退货记录，将每条退货归类为换货（保留收入）、店铺积分（递延收入）或退款（损失收入），并输出统计结果与 CSV 文件。支持设置回溯天数、对比前期以及 human/json 两种输出格式，全程不执行任何写操作，可随时安全运行。
这是一个只读的 Shopify 库存估值技能，用于按地点和供应商计算库存总价值（现有数量 × 单位成本），适用于会计对账、保险估值和成本核算。它通过 Shopify CLI 认证后调用 GraphQL 查询活跃地点、产品变体及库存水平，汇总每个（变体，地点）组合的价值，并输出 CSV 报告。支持按地点、供应商或两者拆分，可选择是否包含未设置成本的商品（以 $0 显示），输出格式可选人类可读或 JSON。该技能不执行任何写操作，可随时安全运行。
这是一个只读的 Shopify 退款率分析技能，用于按商品、供应商或时间段计算退款率，帮助识别商品质量与商品详情页（listing）方面的问题。它通过 Shopify CLI 认证会话和 read_orders 权限读取订单与退款数据，按指定维度聚合退款数量与销售数量，计算退款率并输出 CSV 报告。支持设置回溯天数、分组方式、最小订单数阈值以及 human/json 两种输出格式。运行过程不执行任何写操作，可随时安全运行。
repeat-purchase-rate 是一个只读型 Shopify 后台技能，用于计算重复购买率，即有多少比例的客户在首次购买后的指定天数内再次下单。该技能支持按首次购买的商品或商品系列进行细分，从而找出哪些商品最能带来回头客。使用前需要已认证的 Shopify CLI 会话，并具备 read_customers、read_orders 权限。技能提供 store、days_back（默认 90 天获取窗口）、repeat_window（默认 90 天复购观察窗口）、segment_by（product 或 none）、format（human 或 json）等参数。运行过程中不执行任何写操作，可随时安全执行。核心逻辑是先查询获取窗口内新增的客户，再查询订单以构建每位客户的购买历史与首购商品映射，若客户在复购窗口内订单数达到 2 笔及以上则计为复购客户。最终输出整体重复购买率，并在指定 segment_by 为 product 时按首购商品分组统计。结果可输出为人类可读文本或 JSON，并生成 CSV 文件，包含客户 ID、首次下单日期、首购商品、总订单数、是否为复购客户、距复购天数、总消费额等字段。错误处理涵盖 API 限流、游客结账客户排除、历史数据不足等情况。
这是一个只读的 Shopify 分析技能，用于在指定时间窗口内聚合退货原因。它会按退货原因代码、商品和 SKU 归类所有退货请求，识别退货率最高的商品以及最常见的退货原因（如尺码不对、损坏、与描述不符等），用于发现商品质量或商品页面（刊登）问题。该技能不会执行任何写操作，可随时安全运行。需要已认证的 Shopify CLI 会话及 read_orders、read_returns 权限。
这是一个只读的 Shopify 管理技能，用于按履约地点（仓库或履约中心）拆分订单收入。它通过 Shopify CLI 认证会话和 read_orders 权限，查询活跃地点、已发货订单的履约归属以及已关闭的履约订单，将收入归因到实际发货的仓库，并输出按地点统计的订单数、收入金额和占比。适用于多仓库损益分析、地点人员配置决策，以及了解需求由哪个地点履约。该技能不执行任何写操作，可随时安全运行。
该技能用于按销售渠道拆分 Shopify 店铺的订单数据，统计各渠道的收入、销量和客单价（AOV）。面向多渠道商家，帮助其了解收入来自哪些渠道，例如 Online Store、POS、Draft Orders（B2B）、移动应用或第三方渠道。技能标注为只读，不执行任何写操作，可随时安全运行。使用前需要已认证的 Shopify CLI 会话，并具备 read_orders 权限。支持 store、days_back、format 三个参数。输出为 CSV 文件，包含渠道句柄、渠道名称、订单数、总收入、客单价、总销量、收入占比和货币等字段。
这是一个只读的 Shopify 库存分析技能，用于为补货计划计算每个 SKU 和地点的供应天数（Days of Supply）与售罄率（Sell-Through Rate）。它通过 Shopify CLI 认证会话和 read_products、read_orders、read_inventory 权限，查询商品变体、订单和库存项数据，按指定销售窗口计算每日销售速度、剩余库存可支撑天数以及已售占比，并标记低于阈值的紧缺 SKU。支持按供应商筛选，输出人类可读报告或 JSON，并生成 CSV 文件。该技能不执行任何写操作，可随时安全运行。
该技能用于按日期范围对 Shopify 店铺商品进行排名，依据营收、销量和退款率三个指标。它通过聚合订单行项目和退款行项目来计算每个商品的毛营收、净营收、销量和退款率，帮助识别表现最佳的商品以及退款率偏高的商品。该技能为只读操作，不执行任何数据变更。需要已认证的 Shopify CLI 会话和 read_orders 权限。支持 human 和 json 两种输出格式，可指定排名指标和显示数量。
Result Diagnosis 是一个面向机器学习研究的结果诊断技能，用于在实验结果已经产生之后判断结果对项目意味着什么，尤其适用于结果有效但反直觉、负面、不稳定或难以解释的情况。它帮助研究者系统性地将观察到的结果与主观解释分开，通过症状分类、证据收集、排查协议和竞争性解释分析，最终给出明确的下一步决策：调试、重跑、消融、修改方法、收窄论点、撰写、搁置或终止。该技能明确不用于处理工程类故障，也不用于撰写正式报告，而是聚焦于决策，诊断清晰后可配合 experiment-report-writer 使用。使用方式以 SKILL.md 及 references 目录下的诊断分类、证据审计、决策规则、报告模板和分诊协议等文件为指引，按步骤执行。具体收费与价格信息暂未提供。
Crystallizer Designer 是一个用于结晶工艺设计的技能，面向成核控制、晶体粒度分布（CSD）与设备选型。它支持溶解度数据分析、过饱和度控制策略、成核与生长动力学、CSD 建模、设备选择（冷却、蒸发、反应、反溶剂、熔融）、晶种策略、多晶型控制以及放大考量。使用前提包括具备溶解度数据、明确的产品规格、可用的动力学数据以及对多晶型的理解。该技能可与结晶工艺设计、分离序列合成、工艺流程图开发等流程集成，输出结晶器规格、操作方案、CSD 预测、晶种策略和放大建议。
Data Lineage Mapper 是一个用于从多种数据源中提取和映射数据血缘关系的技能。它能够解析 SQL 查询、dbt 项目、Airflow DAG 和 Spark 作业，生成完整的数据血缘图，展示数据从源到目标的流动路径，支持影响分析和数据治理。该技能支持列级血缘追踪、跨系统血缘连接，并可将结果导出为 DataHub、Amundsen、Alation、OpenLineage 或 JSON 格式。
绿色化学指标计算技能，用于评估化学工艺的可持续性。该技能可计算原子经济性、E-因子、过程质量强度（PMI）、反应质量效率、碳效率、溶剂强度、能量强度、水强度以及可再生原料占比等多项绿色化学指标，帮助用户评估工艺绿色程度、比较合成路线、设定可持续性目标并跟踪改进进展。使用前需要具备工艺化学计量、质量平衡、溶剂使用和能耗等数据。该技能可与绿色化学指标评估、工艺可持续性评估和废物最小化分析等流程集成，输出指标计算结果、基准对比、趋势分析、改进建议和可持续性记分卡。
LabVIEW 仪器控制技能，面向 DAQ 系统、硬件集成与实时数据采集，提供 LabVIEW 使用方面的专家指导。该技能覆盖 VISA 仪器通信、NI-DAQmx 集成、实时数据流传输、硬件定时控制、自定义 VI 开发以及 LabVIEW 与 Python 的桥接。使用上建议按仪器通信、DAQ 配置、实时采集、定时同步、Python 集成等方向组织工作。涉及的工具与库包括 LabVIEW、NI-VISA 和 PyVISA。
LAMMPS MD Simulator 是一个面向 LAMMPS 分子动力学模拟的技能，提供原子尺度模拟、力场设置和大规模并行计算方面的专家指导。其能力涵盖输入脚本生成与校验、力场选择（EAM、Tersoff、ReaxFF）、边界条件与系综配置、热力学性质提取、轨迹文件分析，以及 MPI/GPU 并行运行优化。使用上强调按正确语法与结构创建 LAMMPS 输入文件、为体系选择合适的原子间势、正确设置 NVT、NPT 或 NVE 系综、处理 dump 文件与热力学输出，并针对 HPC 环境配置并行执行。涉及的工具与库包括 LAMMPS、OVITO 和 MDAnalysis。
Network Visualizer 是一个用于可视化网络与图数据的技能，帮助用户探索复杂系统中的关系、社区与结构模式。它支持对网络图进行布局、检测社区、突出节点属性、计算中心性、动画展示动态变化以及导出可视化结果。该技能可应用于引文网络分析、社交网络可视化、生物通路展示和关系探索等场景，并可作为科学发现工作流的一部分使用。
PDE Solver Library 是一个面向偏微分方程（PDE）数值求解的技能库，用于数学建模与仿真场景。它汇集了多种数值方法与求解器，涵盖有限差分格式（显式、隐式、Crank-Nicolson）、有限元方法（FEM）、有限体积法以及谱方法，并提供网格生成与自适应、稳定性与收敛性分析等能力。该库还列出了 FEniCS、deal.II、PETSc、Firedrake 等常用工具与库，供使用者根据 PDE 类型和几何形状选择合适方法。使用中强调网格质量、CFL 条件与稳定性验证，以及通过网格细化监控解的收敛性。
Quantity Takeoff Calculator 是一个建筑工程量计算技能，用于从图纸或 BIM 模型计算混凝土体积、钢材重量、土方量及材料工程量。它支持管道与线管长度、面积（模板、饰面）计算、单位换算、损耗系数应用以及基于 BIM 的工程量提取。该技能可服务于项目工程量估算、成本估算支持、承包商工程量核对和材料采购规划，并可与施工成本估算、规范编制等流程集成。
Survey Data Processor 是一个测量数据处理技能，用于处理测量数据，涵盖点云处理、DTM/TIN 生成、坐标转换、导线平差、水准环平差、GNSS 数据处理、等高线生成与地物提取。它适用于处理测量数据、创建地形模型、转换坐标和调整测量成果等场景，前提是已采集测量数据、建立控制点、定义坐标系统并明确质量要求。该技能可与岩土工程场地勘察、公路几何设计等流程集成，输出 DTM 曲面、平差后坐标、转换报告和测量图等成果。
time-series-analysis 是 a5c-ai/babysitter 下的一个时间序列分析技能，用于对时序数据建模，覆盖预测、异常检测、趋势分解与时间特征工程等方向。现有资料仅给出技能定位与一句实现状态说明，具体内容待补充。
VASP DFT Calculator 是一个面向 VASP 的密度泛函理论（DFT）计算技能，用于电子结构分析、能带结构计算与材料性质预测。它提供 INCAR/POSCAR/POTCAR 输入文件生成、k 点网格优化、自洽场收敛管理、能带结构与态密度（DOS）计算、几何优化工作流，以及结合 Phonopy 的声子计算设置。该技能依赖 VASP、VASPKIT、Phonopy 和 pymatgen，适用于密度泛函理论计算、材料合成与表征、相变研究等场景。使用中建议选择合适的交换关联泛函、系统收敛 k 点网格与能量截断、针对金属与绝缘体采用不同的展宽方法，并记录赝势版本以保证可复现性。
Alpha101 是 WorldQuant 101 Formulaic Alphas 的完整 Python 实现工具包，基于 Zura Kakushadze 论文《101 Formulaic Alphas》(arXiv:1601.00991)。它提供 101 个真实量化交易 alpha 因子的 Python/Pandas 实现，覆盖因子计算、IC/IR 测试与单因子回测的一体化流程。因子以公式即代码的方式组织，包含纯价量因子、行业中性化因子和复杂参数因子三类，输入为 date x ticker 的 OHLCV、VWAP、returns 等 DataFrame。工具包附带基础函数库（rank、delay、delta、correlation、scale、decay_linear、ts_min/ts_max、ts_rank、ts_sum/ts_std、adv、IndNeutralize 等），并提供 compute_ic.py 与 backtest_alpha.py 脚本用于因子筛选与回测。论文关键数据包括平均持仓期 0.6-6.4 天、平均两两相关性 15.9%、收益与波动率强相关 R ~ σ^0.76。适用于量化因子研究、IC 筛选、样本外验证与组合构建等场景。
该技能用于为共享数据集、事件流、指标、主数据或数据产品设计可审查的数据治理方案，覆盖数据契约、质量维度与 SLO、字段到消费端血缘、语义与主数据、隐私与用途限制、保留删除、质量事故、模式演进和退役。适用于新数据产品上线、生产者与消费者契约、指标口径冲突、数据质量评审、血缘与影响分析、隐私生命周期审查等场景。它只产出契约、控制设计、评审结论和验证计划，不采集私密数据、不连接生产系统、不执行管线或模式变更。
Firecrawl CLI 是一个用于网页抓取、爬取与搜索的命令行工具，可从 Skills 平台获取。它返回针对 LLM 上下文窗口优化的干净 Markdown，能够处理 JavaScript 渲染、绕过常见屏蔽并提供结构化数据。支持搜索网页、抓取单页、爬取整站、映射站点 URL，并可通过并行执行提高效率。需通过 npm 全局安装，使用 FIRECRAWL_API_KEY 或浏览器登录认证，抓取与爬取会消耗 API 额度。