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
看板协作（dashboard-collaboration）是 DB-GPT 中用于看板对话与图表批注的协作能力。它像熟悉当前看板的同事一样与用户交流：先理解用户想达到的结果，再决定回答、执行或询问，而不是把每句话都当成填表指令。它会结合最新消息、批注原文、已选择的组件、当前草稿、筛选结果和最近对话来判断意图，当前消息优先，历史建议不视为新指令。对“有什么改进”“帮我看看”“哪里不对”等开放问题，会先审视已知图表、口径、布局、数据覆盖和报错，给出少量具体、有依据的建议，并直接指出组件名称、为什么改、如何改。对“生成适合这个新图表的数据/查询”“帮我配置”等执行请求，会沿用当前业务主题和真实数据源，检查实际字段后选择合适口径，生成经过验证的方案。纯建议、解释、讨论不会被偷换成修改，只有用户明确说“改/配置/按建议做”才生成修改提案，且修改以最小、可验证的提案交由用户在界面应用。
该技能用于配置当前看板的全局筛选器，使真实字段、可选值、组件查询参数及分享页筛选保持一致，并验证空选、单选和多选语义。它依据当前 annotation、saved_schema 和授权 source_context 生成修改，支持从零新增筛选器或修改已有筛选器，同步更新 label、field、type、default、options 以及受影响组件的 query.filter_parameters、SQL、default_parameters 和已有 publication.filter_fields。筛选作用范围由组件 query.filter_parameters 是否包含该筛选 ID 决定，而非筛选对象自身的 targets 字段。
datapulse-viz-design 是 DB-GPT 产品技能，用于组织获客、激活与留存分析的可视化设计。它以清晰的指标、趋势和转化漏斗为核心，适合 SaaS、产品增长、转化漏斗与留存场景。当用户只有交易数据时，优先进行订单与收入分析，不虚构活跃用户或订阅指标。该技能规定了浅灰白画布、白色面板、蓝色主序列与紫色对照序列的视觉规范，要求一个页面设一个主趋势区，3–4 个紧凑 KPI 后接趋势、漏斗或留存表。绿色仅表示经验证的正向变化，付费取消率下降与收入下降不能用同一规则判定好坏。留存按首次发生事件定义 cohort，用稳定用户键去重，尚未到达的周期显示未观察而非 0。漏斗各阶段需同一实体、时间窗口与有序条件。创建可编辑看板时调用现有 dashboard 工具并加载 dashboard-builder 工作流。
该技能用于在 DB-GPT 中设计学习与培训相关的可视化看板，以温暖的卡片式布局和清晰的进度表达，呈现课程参与人数、完成情况以及需要关注的学习群体。适用于在线课程、企业培训与学员进度跟踪场景，强调不依据单一成绩对个人能力或动机作判断。视觉上采用奶油色画布、桃色与天空蓝辅助色、深棕轮廓，圆角卡片配轻量硬阴影；标题与数字使用本机可用中文字体，不要求下载字体。看板结构通常为上方展示参与人数、已完成和完成率，中部展示课程进度与时间趋势，下方展示班级或课程明细。技能要求明确完成率的分母口径，区分退课与未开始，标准化不同课程的满分与时长，将未交作业与 0 分分开处理，空班级不显示 100% 完成，尚未截止的任务不算逾期。
NexusAI Viz Design 是 DB-GPT 产品中的一项看板与可视化设计技能，用于把智能体任务、自动化作业、模型服务与支持队列的任务队列、服务状态和运行指标组织到统一界面中，帮助团队快速定位需要处理的事项。它强调状态与指标的可验证性：没有运行日志时不得声称测得在线率、延迟或真实成本；重试不重复计入成功任务；延迟分位数基于单次请求记录；成本需说明币种、定价日期与使用量依据，缺少价格或 token 记录则隐藏成本估计。视觉上采用浅石灰画布、白色内容区、靛紫色选中态（主色 #6058DE、背景 #F1F3F5、正文 #293046），少量绿色标记已确认健康，所有状态均配文字说明。创建可编辑看板时调用现有 dashboard 工具并加载 dashboard-builder 工作流，原生看板提供只读监控视图，不绘制不存在的操作按钮。
该技能用于宠物门店运营场景的数据可视化设计，以奶油底色和橙色重点呈现预约、服务组合与复购情况，兼顾门店效率与亲和感。适用于宠物美容、洗护和门店服务；临床诊断、药物建议或动物医疗不属于本技能范围。视觉规范包括主色 #E87B36、背景 #FFF6E9、正文 #4B352A、辅助 #77AD9F，采用深棕边框与圆角卡片，薄荷和淡粉用于少量服务分类。看板顶部以门店、日期、服务人员筛选组织，下接预约/实到/取消数量与趋势，再看服务组合和班次明细。客户与宠物实体分开，家庭多宠不重复计为多个客户；复购以稳定客户键及观察窗口定义。跨日班次与重叠预约按实际起止时刻计算，缺少排班总时长不输出利用率。满意度同时展示有效评价数，未评价不当差评。该技能为 DB-GPT 产品技能，通过现有 dashboard 工具与 dashboard-builder 工作流创建可编辑看板，不修改宿主全局配置，不安装外部脚本，不把数据发到参考网站。
该技能用于美容、SPA 行业的经营排班与预约分析看板设计，以舒缓留白、细致列表与金色重点整理预约安排、房间负载和会员经营。视觉上采用梅色导航、玫瑰米白工作区、白色日程面板，鼠尾草色表达已确认与房间状态，金色仅作小面积强调。周历与预约列表为视觉重心，房间负载置于右侧窄栏，经营指标收在底部。适用于美容、SPA 的经营排班与预约分析，不输出医疗效果、诊断或治疗建议。
Epic Stack 数据库技能，指导使用 Prisma、SQLite 与 LiteFS 进行数据建模、迁移、查询优化、种子脚本及多区域部署。
data-visualization-master 是一个用于创建、批评和改进数据可视化（图表、绘图以及用于分析、出版、博客、幻灯片等场景的图）的入口技能。它把有文献依据的可视化原则组织成固定工作流：分析数据、陈述要点、选择图形、构建、检查、审查和交付。技能涵盖信息传达、编码准确性、配色、版式、文字、诚信约束、面向期刊的出版图规则和无障碍要求，并为每条规则标注引用来源。若同时安装同仓库的 evident-charts 技能，则由本技能负责方向性判断、evident-charts 负责执行细节（图表类型选择、调色板、预设和检查脚本）。技能还附带参考文献与 Points of View 专栏的提炼文档，并提供定时研究代理通过拉取请求扩展文献库的机制，研究 PR 需人工审核合并。阅读原则无需任何依赖；运行检查脚本需要 Python 3（调色板检查）与 matplotlib（图表检查）；研究自动化需要 pi（Node ≥ 22.19）、Anthropic API 密钥，可选 Exa API 密钥。
evident-charts 是一个用于制作“结论一目了然”的解释性图表的技能，基于带证据标签的数据可视化规则编写。它适用于创建、修改、重新设计或评审图表、绘图、图形等场景，帮助图表清晰传达一个核心观点。该技能包含分析数据、确定一句话要点（Takeaway）、选择图表形式、按项目技术栈或 Python+matplotlib 构建图表、运行检查脚本、审阅渲染出的图片并交付结果等流程。规则按证据强度标记为实验性证据、从业者共识和偏好三类，并提供目标尺寸预设、配色、图表选择、评论审阅等参考文件和脚本。
该技能面向网页抓取失败时的诊断与回退：当 webfetch 返回空内容、超大响应或仅有导航壳，提示改用 agent-browser 执行 JavaScript 获取渲染内容；当返回乱码二进制字节时，说明文件已成功下载，应改用 curl 下载并用 pdftotext、pypdf 或 pdfplumber 提取文本；对阻止脚本下载的门户，则通过真实浏览器会话获取文件后再提取。
xarray-linked-data 是一个面向多维、高度关联数据的 xarray 数据结构设计与操作技能，适用于测量值、派生估计、特征和模型输出共享坐标并需在选取、计算和存储中保持同步的场景。它提供实验设计到 xarray 结构的映射模型，涵盖维度坐标、数据变量、不确定性 draw 维、特征维和分割掩码等组织方式，并指导 Dataset 与 DataTree 的选用、按标签选取与对齐、自定义索引（PeriodicIndex、CoordinateTransform、Meta-index）以及跨实验数据链接。技能附带多份 marimo 参考笔记本，覆盖递进式数据累积、周期与变换索引、N 维派生坐标时间锁定、区间交叉切片和深层 DataTree 继承。需注意自定义索引为实验性功能，API 可能变动。
Supabase 开发模式参考，涵盖服务端与浏览器客户端初始化、行级安全（RLS）策略、边缘函数与实时订阅。适用于开发 Supabase 数据库、认证或边缘函数时查询最佳实践，并列出常见反模式与排查方法。
该技能用于为文档语料库建立语义搜索索引，适合需要搭建知识库、从 Markdown 文档创建可搜索索引的场景。它基于 qmd 工具，通过创建集合、添加上下文描述、生成向量嵌入并验证状态来完成索引流程。使用前需先安装 qmd（bun install -g @tobilu/qmd），文档须为 Markdown 格式，PDF/DOCX 需先用 /parse 转换。索引存储在本地 SQLite（含 sqlite-vec 扩展），嵌入使用本地模型，无需 API 密钥，适合中小型语料库和离线使用。完成后可用 /search 检索文档。
Expanso 的时间窗口聚合技能，用于对指标与分析数据做按时间窗口的聚合处理，属于数据转换类。提供 pipeline.yaml 配置与 run.sh、test.sh 脚本，可通过 Expanso CLI 运行。
Expanso 的熔断器模式技能，用于提升下游服务调用的弹性。通过 pipeline.yaml 配置 Expanso 流水线，可运行示例数据或使用 Expanso CLI 执行，需先安装 Expanso Edge 并配置凭据。
Expanso 内容路由技能，用于根据消息的内容字段进行路由分发。提供 pipeline.yaml 配置与 run.sh、test.sh 脚本，可通过 Expanso CLI 运行。
Expanso 的内容分流技能，可根据消息内容将消息拆分并路由到多个目标。通过 pipeline.yaml 配置完整流程，使用 Expanso CLI 运行，需先安装 Expanso Edge 并配置所需凭据。
Expanso 提供的 DB2 到 BigQuery 数据迁移技能，用于将金融交易数据从 DB2 迁移至 BigQuery，基于 Expanso 管道配置运行。
基于内容哈希的事件去重技能，属于 Expanso 数据转换类示例。通过 pipeline.yaml 配置 Expanso 流水线，对事件按内容哈希识别并去除重复项。需安装 Expanso Edge 并配置所需凭据。
Expanso 的 Schema 校验技能，用于对数据记录进行模式校验，并将不符合模式的无效记录送入死信队列（dead-letter queue），便于后续排查与处理。
Expanso Enrich and Export 是一个日志处理流水线示例，用元数据丰富日志并导出到存储。属于 Expanso 技能集，通过 Expanso CLI 运行 pipeline.yaml 配置。
Expanso 提供的 Kafka 扇出技能，可将数据同时分发到多个 Kafka topic，用于数据路由场景。需安装 Expanso Edge 并配置凭据后通过 Expanso CLI 或 run.sh 运行 pipeline.yaml。
Expanso 的扇出（Fan-Out）模式示例技能，用于将单一数据流分发到多个目标（Fan-out single stream to multiple destinations）。属于数据路由类场景，资料仅提供快速开始与运行方式。