image-scraper
image-scraper 是一个用于从指定 URL 页面抓取并下载全部图片的技能工具。它接收一个网页地址，提取页面中的图片链接，并在本地保存这些图片。该工具优先使用零依赖的 python3 方案，备选 curl 加 grep 的精简方式，并在页面由 JavaScript 渲染或前两种方式失败时使用浏览器自动化作为回退。默认将图片保存到 ./images/ 目录，文件按 img_000.jpg、img_001.png 等顺序命名，并输出下载结果路径与数量报告。
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
quant-weekly-review
quant-weekly-review 是一个用于量化交易周度绩效复盘的技能，主要面向周一早间交易准备场景。它通过获取 Polymarket 投资组合数据、读取过去 7 天的每日记忆文件并提取全部交易记录，生成聚合统计（总交易数、胜率、总盈亏、单笔平均盈亏、最大盈利、最大亏损），按策略层（S1 甜蜜区、S2 趋势、S-Elon、S3 套利、S7 短线）拆分交易数、胜率、总盈亏与平均回报，并进行风险审查（规则违规、止损执行率、集中度趋势、最大回撤），最后给出下周调整建议（策略加仓/减仓、类别变更、新增监控、参数调优），并推送周报、写入每日记忆。
seq-wrangler
Seq Wrangler 是一个面向序列数据质控、比对与 BAM 处理的专用智能体，封装 FastQC、BWA/Bowtie2、SAMtools 等工具，用于自动化完成从测序读段到 BAM 的流程。其核心能力包括读段质控、接头修剪、参考基因组比对、BAM 排序与索引、重复标记、覆盖度统计以及 MultiQC 汇总报告，并可将完整工作流导出为 shell 脚本或 Nextflow 流程。依赖 samtools、bwa/bowtie2/minimap2，可选 fastqc、fastp、multiqc、picard。当前状态为计划中，目标实现时间为第 4-5 周（3 月 20 日至 4 月 2 日）。
technical-analysis
技术分析大师技能，专注于价格行为、图表形态与技术指标。该技能融合经典的道氏理论、威科夫方法、蜡烛图形态识别、多时间框架分析、成交量分布、斐波那契应用与艾略特波浪等，并强调用统计回测验证形态的有效性。其核心理念包括价格即真相、形态需结合上下文、多周期共振、成交量验证、失败形态也是信号、先回测再信任、简单优于复杂等。该技能要求回答时以参考文件为准：创建时查阅 patterns.md，诊断时查阅 sharp_edges.md，审查时查阅 validations.md。适用于外汇、股票、加密货币和大宗商品等市场的技术分析场景。
abel-ask
Abel Ask 是 Abel 策略研究技能集中的一项技能，用于解释机制、候选清单与决策规则。它适用于用户想要 Abel 因果图、图探索、目标或候选发现、公司/市场机制解读，或生活/商业投资决策等场景。该技能将金融与加密节点视为代理词汇而非产品本身，不用于纯事实查询、新闻回顾、操作指南、买卖建议、alpha、回测、期权策略、夏普/最大回撤或可交易策略验证。若请求需要认证修复，应改用 abel-auth；若请求要求可交易验证，应改用 abel-invest。
abel-invest
Abel Invest 是 Abel 策略研究技能集中的一个技能，用于 alpha 搜索与候选策略筛选。它围绕工作区（workspace）组织研究流程，支持创建会话与分支、准备和记录策略轮次，并解读 evidence_ledger.json、frontier.md、agent_context.md、exploration_path.md 等证据与覆盖文件。该技能强调工作区优先、基线优先、先运行 doctor 检查运行时与环境状态，再开展会话或分支工作；在用户给出明确指标目标（如 Sharpe、MaxDD、PnL）时执行受保护的优化搜索，并如实记录搜索宽度。它通过 Abel Edge 运行时准备数据并验证策略，用 CAP 因果图作为先验辅助候选构造。最终以 Completed 状态输出最佳策略报告，包含策略思路、关键指标与整体判断。
abel-invest
Abel Invest 是一个用于量化投资策略搜索与验证的 AI 技能，属于 Abel AI Lab 的 predict-anything 项目。它面向“如何投资、交易、买卖、寻找 alpha、发现或改进交易策略、回测或压力测试信号、筛选候选标的”等需求，提供以工作区（workspace）为核心的策略发现流程。该技能强调先解析工作区状态、完成 bootstrap 就绪检查，再进行会话（session）与分支（branch）级别的策略实验。它通过证据账本（evidence_ledger.json）、前沿覆盖（frontier.md）、agent_context.md 和 exploration_path.md 等事实性文件记录搜索过程，并借助 CAP 因果图、Edge 运行时验证、DSR 搜索宽度核算等机制，帮助用户系统化地探索、记录和评估交易策略。技能内置实验循环、发现协议、分支编写、约束检查、数据驱动构造、受保护优化等参考文档，并支持通过可视化会话查看策略结果。
sqlite-explorer
sqlite-explorer 是一个用于安全、高效地探索和查询本地 SQLite 数据库的技能。它默认采用只读方式浏览数据库结构，可检查 schema、列出表、列和索引，并在需要时执行任意 SQL 查询。该技能通过一个需使用 Bun 运行的 sqlite-explorer.ts 脚本实现，支持命令行参数指定数据库路径、查询语句以及只读或写入模式。
oci database management
OCI 数据库管理技能，面向 Oracle Cloud Infrastructure（OCI）的数据库管理任务，提供全面的 OCI CLI 命令参考。覆盖核心数据库服务：Autonomous Database（ADB，含 ATP 事务处理与 ADW 数据仓库、无服务器与专用部署、自动备份/补丁/调优）、DB Systems（虚拟机或裸金属上的 Oracle 数据库、RAC 支持、完整配置控制）、Exadata Cloud Service（Cloud@Customer 与云服务、高性能负载、极高可扩展性与可用性）以及可插拔数据库 PDB（多租户架构、独立数据库环境、克隆与迁移管理）。技能内容包括：ADB 的列出/查看/创建/更新、生命周期操作（启动、停止、删除）、钱包管理与备份克隆，DB Systems 的列出/创建/更新/打补丁/终止以及系统内数据库操作，PDB 的创建、克隆、更新与删除，数据库版本与形状查询，并附有最佳实践、常见工作流、错误处理与故障排查步骤。该技能旨在弥补 Claude 对 OCI 训练数据的不足，在用户涉及数据库创建管理、备份克隆、连接问题、容量规划、安全与性能调优等场景时激活。
persona-dataset
persona-dataset 是一个持久化、可增量更新、可搜索的人物角色（persona）知识库，定位为原始数据源与角色训练之间的数据层。它从 Obsidian 笔记库、聊天记录导出（WhatsApp、Telegram、Signal、iMessage）、X/Twitter 与 Instagram 归档等来源摄取数据，经统一解析、PII 扫描、哈希去重后，原文存入 MemPalace（基于 ChromaDB 的存储与检索），并抽取知识图谱三元组记录实体关系与时间线。数据按 5 个人格维度归入不同 Hall：事实（身份）、事件（记忆）、偏好（性格）、发现（决策思维模型）、声音（用词与情绪）。在代理驱动下，它按 Karpathy LLM Wiki 模式构建和维护 wiki 页面，支持证据分级标注与矛盾记录，最终导出可供 persona-model-trainer 直接消费的训练数据。数据默认存放于 ~/.openpersona/datasets/{slug}/，每个数据集相互隔离。
adcp-measurement
AdCP Measurement 是 AdCP（Ad Context Protocol）体系中的测量代理技能，用于让测量代理通过买方控制的编排器网关（orchestrator gateway）运行或与之集成。测量代理作为独立的提供方身份存在，无需卖方凭证，也不需要 AdCP 成为通用的测量数据传输通道。它可通过 get_adcp_capabilities 发布自身计算的指标目录，声明是否产出可供优化器使用的性能反馈，并通过编排器的 get_media_buy_delivery 任务获取买方授权的数据，再通过 provide_performance_feedback 任务返回紧凑断言，由编排器决定向各卖方分发什么内容。该技能覆盖测量相关的语义，包括指标身份、授权边界、反馈提交规则、回执解读以及端到端流程；认证、幂等、错误恢复和账户解析等基础调用规则位于 call-adcp-agent 技能中。
agently-embeddings
Agently 的嵌入（embeddings）技能，用于通过 OpenAICompatible 配置并发送嵌入请求，支持单条或批量输入、异步调用与解析后的向量结果，并可作为向量库集成的嵌入函数。需 Agently >= 4.0.8.5。
01-graders-and-pipeline
OpenJudge 是一个构建 LLM 应用评估流水线的框架，本技能文档介绍如何用 openjudge 库选择与配置评分器（LLM 评分器、函数评分器、智能体评分器），对数据集批量运行评估，并通过分析器统计胜率、指标并比较结果。文档包含安装命令、架构说明、5 分钟快速上手示例、核心数据类型和模型配置方式，适合需要评估模型输出质量、模型排名、奖励模型或质量过滤的场景。
03-ref-hallucination-arena
Reference Hallucination Arena 是 OpenJudge 中的一项评估技能，用于衡量大语言模型推荐真实学术参考文献的能力。它通过 Crossref、PubMed、arXiv 和 DBLP 对每条被引论文进行核验，计算幻觉率、逐字段准确率及学科细分准确率，并生成 Markdown 报告与可视化图表。用户需准备配置文件与数据集，支持 CLI 与 Python API 两种运行方式。
searchapi
searchapi 是一个面向智能体使用的 Rust 命令行工具，用于调用 SearchAPI.io 的搜索接口。它支持 Google Jobs、Events、News Light、Maps、Maps Reviews 以及 Zillow 等搜索引擎，并提供免费的 Locations 地理定位解析功能，可将地名转换为 Google 引擎可用的标准地名（canonical_name）。工具通过 ~/.searchapi.json 保存多环境配置（base URL 与 API Key），以 Bearer 头进行认证，并使用 --json 输出便于脚本解析，用表格输出便于人工阅读。用户可查询职位、活动、新闻、地图地点与评论、房产信息，并用 fetch-images 下载图片。为保护密钥，不要输出完整 API Key，也不要读取该配置文件到对话中。
Create database migration
用于为 Ghost 的 MySQL 数据库创建迁移的技能，可新增表、为已有表添加列、添加设置或修改 schema。要求用 slimer 生成迁移文件，并同步更新 schema 定义、导出表清单与完整性哈希，最后运行单元测试。
data-storytelling
将数据转化为有说服力的叙事，结合可视化、背景与结构，用于向决策者汇报分析、制作季度业务回顾、投资者演示和数据驱动报告。
generate-report
该技能用于生成加拿大每周天气报告PDF，数据来自免费的Open-Meteo API（无需API密钥）。可指定起始日期和城市列表，默认覆盖温哥华、多伦多、蒙特利尔等主要城市，输出带模板样式的PDF报告。
xlsx
xlsx 是一套面向智能体工作流的 Excel 表格创建、编辑与分析技能，基于 Python 3、openpyxl、pandas 与 LibreOffice 实现。它支持公式、格式、数据分析与可视化，要求输出零公式错误的 .xlsx 文件，并强调用公式而非硬编码数值、保持模板原有约定。
vibe-coding-db-postgres
面向 PostgreSQL 的 Vibe Coding 技能，覆盖本地安装、Supabase、模式设计、索引、RLS、连接池、迁移与 Prisma/Drizzle/SQLAlchemy/Django ORM 集成，帮助多用户应用与 SaaS 后端搭建关系型数据库。
vibe-coding-db-sqlite
SQLite 数据库模式技能，涵盖模式设计、迁移、查询以及 Prisma/Drizzle ORM 集成，适合本地应用、桌面应用与原型开发等单写入者场景。
xgboost-analysis
一个基于 R 的命令行技能，用于在表格数据上训练 XGBoost 模型，支持二分类与回归，自动完成独热编码、训练测试划分、模型评估，并输出特征重要性排名表与图。
adme-property-predictor
ADME Property Predictor 是一款基于 Python 与 rdkit 的小分子 ADME 与类药性预测技能，可预测吸收、分布、代谢、排泄相关性质并进行批量筛选与排序，输出结构化、可复现的结果。
batch-effect-correction
用于对合并后的 bulk 表达矩阵进行批次效应校正的技能，基于 R 的 sva::ComBat 与 limma，在保留生物学分组结构的前提下消除批次差异，并输出校正矩阵与前后 QC 图。