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
该技能让 Claude 充当数据库性能专家，通过分析 EXPLAIN 执行计划和查询指标，定位数据库查询中的低效环节，并给出针对性的优化建议。当用户讨论查询性能问题、提供慢查询或 EXPLAIN 计划时激活。它由 query-performance-analyzer 插件驱动，可识别全表扫描、缺失索引、低效连接等瓶颈，并建议新建索引、重写查询或调整数据库配置参数。适用于分析慢查询的 EXPLAIN 计划、定位查询性能瓶颈、获取优化建议等场景。
该技能让 Claude 对文本数据进行情感分析，识别文本表达的情绪基调，并将其归类为正面、负面或中性，同时给出情感分数。它适用于客户评价、社交媒体帖子、调查反馈和公众意见等场景，帮助了解情绪倾向与反馈中的正负面信息。使用时由用户提供文本，技能处理后输出情感分类与分数；资料说明其基于预训练情感分析模型，但未提供具体模型名称、安装命令或代码。分析效果受输入文本清晰度和语境影响，讽刺或反语等情况可能干扰结果，建议结合语境解读分数，并根据文本类型选择合适的模型。该技能可与其他 Claude Code 插件集成，用于自动化工作流，例如在汇总反馈时附带情感分数，或根据情感极性触发后续动作。具体收费、平台支持和配置方式暂未提供。
该技能用于自动化数据库归档流程，通过将历史记录迁移到归档表或冷存储（如 S3、Azure Blob、GCS）来缩减主数据库体积，并帮助满足数据保留合规要求。它会识别符合归档条件（按时间、大小等）的记录、执行迁移、按预设规则落实保留策略，并在归档后校验数据完整性、生成合规报告。适用于需要减小主库体积、实施数据保留策略或把历史数据转移到低成本存储的场景，例如将 PostgreSQL 中一年以上的订单数据归档到 S3，或将 MySQL 中 90 天以上的用户活动日志转入归档表。
该技能让 Claude 借助 automl-pipeline-builder 插件构建 AutoML 流水线，自动完成特征工程、模型选择与超参数调优，并生成可运行的机器学习代码。当用户请求创建自动化机器学习流水线时触发，适用于分类、回归等任务，例如客户流失分类或房价预测。生成代码时会融入数据校验、错误处理与性能优化等实践，执行后提供性能指标、洞察与文档。资料未说明具体支持的库、平台、收费方式或使用限制。
该技能让 Claude 能够根据用户提供的数据集或规格说明，构建并评估分类模型。它会自动完成模型选择、训练与评估流程，输出准确率、精确率、召回率、F1 分数等性能指标，并给出性能洞察与改进建议。适用于垃圾邮件检测、客户流失预测等需要预测类别结果的场景，依赖 classification-model-builder 插件生成训练代码。
该技能让 Claude 能够构建推荐系统，支持协同过滤、基于内容的过滤或混合方法。它会分析用户需求与数据情况，自动完成算法选择、数据预处理、模型训练与性能评估，最终产出可用的推荐引擎。适用于个性化电影推荐、电商商品推荐、新闻内容推荐等场景，生成基于 scikit-learn、TensorFlow、PyTorch 等库的 Python 代码，并涵盖冷启动处理、可扩展性与偏差缓解等实践。
该技能借助 database-diff-tool 插件，让 Claude 能够对数据库模式（schema）进行生产级比较，并生成安全的迁移脚本与回滚流程。它支持 PostgreSQL 和 MySQL，可识别表、列、索引、约束和触发器之间的差异，帮助在不同环境（如开发、测试、生产）之间同步数据库模式，降低部署风险。技能在需要比较模式、生成迁移脚本或创建回滚流程时触发。使用前需确保 Claude 能访问目标数据库的凭据，并建议先备份数据库、在测试环境验证脚本后再部署到生产。该技能可与其他 CI/CD 工具集成，实现数据库迁移自动化。
该技能让 Claude 能够根据提供的数据生成数据可视化、图表和图形。它会分析数据、选择最合适的可视化类型，并生成信息丰富的图表。适用于需要将原始数据转化为直观视觉呈现、探索数据模式与关系的场景。
该技能让 Claude 能够设计和可视化数据库模式，提供从 1NF 到 BCNF 的规范化指导、实体关系映射、ERD 图生成，并最终产出 SQL CREATE 语句。适用于从零设计新数据库模式、规范化现有模式、生成 ERD 图以及创建建表 SQL 等场景。
该技能让 Claude 能够借助 anomaly-detection-system 插件在数据集中识别异常值与离群点。它会分析用户请求与所提供的数据，理解检测上下文与需求，根据数据特征选择合适的异常检测算法（如 Isolation Forest、One-Class SVM），并将算法应用于数据，找出偏离正常模式的潜在异常点。适用于识别金融数据中的欺诈交易、检测可能预示安全入侵的异常网络流量，以及根据生产线传感器数据发现制造缺陷等场景。资料还建议在使用前做好数据预处理（清洗、格式化、缩放）、选择与数据类型匹配的算法，并谨慎调整阈值以平衡真实异常检出与误报。该技能可与其他数据分析与可视化工具配合使用，也可与告警系统集成，在检测到异常时自动通知用户。
该技能通过 database-deadlock-detector 插件，帮助 Claude 自动检测、分析和预防数据库死锁。它会监控数据库锁争用情况，分析事务模式，并给出减少死锁发生的优化建议。使用时，Claude 识别与数据库死锁相关的请求后激活该插件，执行 /deadlock 命令对数据库进行当前及潜在死锁分析，并生成包含检测到的死锁、成因和可能解决策略的报告。适用于排查生产环境反复出现的死锁、建立主动式死锁检测与告警、分析导致死锁的事务模式等场景。使用前需确保插件具备必要的数据库访问权限并正确配置数据库连接信息，建议定期运行检测以主动发现问题。该技能可与其他监控告警工具及数据库优化工具配合使用。
该技能让 Claude 借助 feature-engineering-toolkit 插件完成机器学习特征工程任务，包括创建新特征、筛选最相关特征以及转换现有特征，以提升模型的准确率、效率与可解释性。技能会分析用户需求、生成带数据校验与错误处理的 Python 代码、执行任务，并给出特征重要性或转换对模型性能影响等指标与洞察。适用于需要从现有数据构造特征、降维选特征或对特征做缩放、归一化、编码等变换的场景。
该技能让 Claude 能够使用一套综合指标对机器学习模型进行评估，适用于用户需要了解模型性能的场景。它通过 model-evaluation-suite 插件生成多种评估指标，帮助用户进行模型选择与优化决策。技能会分析用户请求、识别待评估模型及关注的指标，调用 /eval-model 命令执行评估，并呈现指标结果与洞察。典型用途包括评估模型性能、比较多个模型、发现改进空间以及部署前验证模型表现。
Excel DCF Modeler 是一个用于在 Excel 中构建贴现现金流（DCF）估值模型的技能，遵循投资银行标准与最佳实践。它会生成包含四张工作表的完整模型：假设（Assumptions）、自由现金流预测（FCF Projections）、估值（Valuation）和敏感性分析（Sensitivity）。模型涵盖收入增长预测、EBITDA 利润率、折旧摊销、资本支出、净营运资本、税率、终值增长率和 WACC 等假设，并计算无杠杆自由现金流、现值、终值、企业价值、股权价值及每股价值。该技能通过 Excel MCP 服务器创建工作簿并应用专业格式，还提供双向敏感性表分析企业价值对 WACC 和终值增长率的敏感度。适用于初步估值分析、演示材料和学术练习等场景。
Excel Pivot Wizard 是一个通过自然语言生成 Excel 数据透视表和可视化的技能。它可以根据用户的口头指令，对原始数据进行分组、交叉制表、聚合（求和、平均、计数、最小值、最大值）和筛选，并生成柱状图、折线图、饼图、组合图等图表。该技能支持常见分析模式，如单维度汇总、交叉制表、时间趋势、Top N 分析，以及计算字段、切片器、条件格式等增强功能。它通过 Excel MCP 服务器在 Excel 中创建透视表，适用于销售分析、客户细分、产品表现等场景。
该技能让 Claude 能够为机器学习模型提供可解释性分析，帮助用户理解模型为何做出特定预测、识别影响最大的特征，并洞察模型的整体行为。它会在用户请求解释模型或预测时触发，可选用 SHAP、LIME 等解释技术，并将结果以清晰简洁的形式呈现关键特征重要性。适用于贷款审批解释、客户流失因素分析、模型调试、向非技术相关方沟通模型洞察以及公平性与透明度检查等场景。
该技能让 Claude 基于历史时间序列数据预测未来数值：分析数据中的趋势、季节性等特征，选择合适的预测模型（如 ARIMA、Prophet），训练模型并生成未来预测值及置信区间。适用于销售预测、网站流量预测、股票趋势分析等场景。使用时应保证数据质量，按数据特征选择模型，并用 MAE、RMSE 等指标评估效果。
该技能让 Claude 能够为现有数据库架构自动生成完整文档，底层依赖 database-documentation-gen 插件。它会连接指定数据库并分析其架构，提取表、列、关系、索引、触发器与存储过程等信息，进而生成 ERD 图、数据字典以及交互式 HTML 文档等多种形式的产物。适用于为新旧数据库补文档、为架构评审绘制 ERD、为数据治理产出数据字典，以及帮助新成员快速了解数据库项目。使用时需确保 Claude 具备访问目标数据库架构所需的凭据，并明确指定要生成文档的数据库，也可按需指定输出格式（如 HTML、Markdown）。该技能还可与其他插件集成，例如配合绘图插件定制 ERD，或配合文档生成插件产出更复杂的文档格式。
该技能用于让 Claude 生成贴近真实场景的测试数据与数据库种子脚本，服务于开发与测试环境。它通过分析数据库表结构，使用 Faker 库为各表生成符合数据类型和约束的模拟数据，并维护外键关联关系，最终产出 SQL、JavaScript 等形式的种子脚本。适用于填充开发数据库、自动化数据库初始化、为应用测试准备数据，以及演示带有预置数据的应用。使用时建议从小数据量开始逐步增加，注意所选 Faker 数据与字段格式匹配，并将脚本设计为可重复执行而不产生重复数据。
该技能借助 stored-procedure-generator 插件，为多种数据库系统生成可投产的存储过程、函数、触发器和自定义数据库逻辑，用于在数据库内实现复杂业务规则、加强数据完整性并减少网络往返。使用时需说明目标数据库（如 PostgreSQL、MySQL、SQL Server）和详细需求；生成的代码应先经过安全审查（例如 SQL 注入风险），再部署。
该技能用于让 Claude 实现多层级数据库缓存方案。当用户提出数据库缓存、性能优化等需求时会触发该技能。它结合 Redis 分布式缓存、内存缓存（L1）和 CDN 静态资源缓存，目标是降低数据库负载、改善查询延迟并提升可扩展性。技能会分析用户的缓存需求与所用数据库技术，生成 Redis 缓存、内存缓存和 CDN 集成代码，并配置 cache-aside、write-through 或 read-through 等缓存策略。适用于为数据库添加缓存层、提升查询性能、减少数据库负载等场景。资料同时强调缓存失效、缓存键设计、监控等最佳实践，并说明可与数据库管理和部署工具集成。
该技能让 Claude 能够通过受版本控制的迁移文件管理数据库架构变更，在用户请求创建、应用或回滚迁移时激活。它可生成带时间戳的迁移文件，同时包含用于应用变更的 up 迁移和用于撤销变更的 down 迁移，兼容 PostgreSQL、MySQL、SQLite 或 MongoDB。适用于新增数据库表列、创建迁移文件、回滚上一次迁移等场景。资料还建议迁移应具备幂等性、用事务包裹以保证原子性，并采用清晰描述性的文件命名约定。
该技能让 Claude 能够为大型数据库设计、实施和管理表分区策略，适用于优化查询性能、管理时间序列数据以及缩短海量数据集的维护窗口。它会分析数据规模、查询模式与维护需求，选择合适的分区方式（范围、列表、哈希）和分区键，生成实施分区所需的 SQL 脚本或配置文件，并就分区裁剪与索引创建给出查询优化建议。适合处理超过 100GB 且查询缓慢的大表、IoT/日志/指标等时间序列数据的归档、按日期范围或特定值过滤的查询优化，以及需要缩减维护窗口的场景。
该技能让 Claude 通过 database-replication-manager 插件管理数据库复制、故障转移与高可用配置。它会在识别到相关关键词时激活插件，向用户询问数据库连接信息、复制类型（物理或逻辑）及故障转移设置、复制延迟阈值等参数，再生成并执行相应命令完成配置。适用于搭建主从复制、配置自动故障转移、监控复制延迟并告警、以及通过多副本分担读请求等场景。资料还建议加密数据库凭据、使用安全通道传输复制流量，持续监控复制状态、延迟与资源占用，并定期演练故障转移。可与监控告警工具及基础设施即代码工具配合使用。具体支持哪些数据库版本、默认参数与限制暂未提供。