expanso-fan-out-s3
Expanso 示例技能：按分区将数据 fan-out（扇出）到多个 S3 存储桶，属于数据路由类用途。基于 Expanso Edge 与 pipeline.yaml 配置运行。
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
expanso-http-webhook-ingestion
Expanso 的 HTTP Webhook 接入技能：接收 HTTP webhook 请求，经校验、认证与限流后转发到 Kafka。需已安装 Expanso Edge 并具备 Kafka broker。
expanso-normalize-timestamps
Expanso 时间戳规范化技能，用于将不同时区的时间戳统一转换为 UTC，属于数据转换类工具，通过 Expanso 管道运行。
expanso-parse-logs
expanso-parse-logs 是 Expanso 生态中的日志解析技能，用于解析日志条目并提取严重级别进行分类，属于数据转换类工具。
expanso-priority-queues
Expanso 的优先级队列技能，按消息优先级将其路由到不同队列。资料提供 pipeline.yaml 配置、run.sh 与 test.sh 脚本，以及 Expanso CLI 运行方式，需先安装 Expanso Edge 并配置凭据。
expanso-rate-limiting
expanso-rate-limiting 是一个用于对流式数据进行限流的技能，支持可配置的速率上限、背压（backpressure）与溢出（overflow）处理。根据资料，其快速开始方式为设置环境变量 RATE_LIMIT（例如 1000，表示每秒消息数），然后运行 ./run.sh。该技能归类为 data-routing。
expanso-s3-to-postgres
该技能用于将 S3 中的 JSON 文件加载到 PostgreSQL，支持自动模式映射、upsert 与批处理。资料提供了快速开始所需的环境变量（AWS 访问密钥、S3 存储桶、PostgreSQL DSN）以及运行脚本 ./run.sh，未提供更多功能、收费或平台细节。
data-quality-monitoring
一套面向数据管道的质量保障技能，覆盖行数异常检测、模式漂移、空值率监控、新鲜度检查与安全写入防护，帮助在数据进入生产前发现并拦截问题。
data-visualization
数据可视化技能：按“故事意图”选择图表，涵盖配色理论、标注模式、去杂规则与“标题即洞察”原则，用于数据驱动的视觉表达。
data-analysis
一个探索性数据分析（EDA）技能，覆盖数据画像、描述统计、分布、相关性、分群、时间序列分解、异常检测，并把统计结果翻译成带故事意图的业务洞察语句。
data-preparation
该技能用于在数据可视化前对原始数据进行清洗、剖析、转换与质量把关，处理空值、重复值和类型不一致等问题，使数据达到可视化与分析所需的整洁形态。
data-storytelling
data-storytelling 是一个端到端数据叙事编排技能，将原始数据转化为连贯故事，采用三幕结构、Knaflic 与 Duarte 方法及受众优先框架，串联分析、可视化与仪表板技能，输出自包含的 HTML 仪表板或滚动报告。
data-visualization
一套数据可视化技能规范，强调图表应服务于叙事而非仅呈现数据。涵盖按故事意图选图、配色理论、标注层级、去冗余规则与“标题即洞见”原则，并提供 Chart.js 与 Canvas 实现要点。
datasource-connectors
数据源连接器技能：为 LLM 提供从 CSV、JSON、REST API、SQL、Excel、Parquet 等常见来源加载数据的决策框架，指导提问、识别格式怪癖并输出可用数据集。
pptx generation
基于 PptxGenJS 以编程方式生成 PowerPoint 演示文稿的技能，支持 Markdown 转 PPTX、数据驱动幻灯片、Alex 品牌模板与多格式导出，可离线运行。
critical-thinking
critical-thinking 是一个用于挑战 AI 推理的思维纪律技能，通过替代假设、缺失数据识别、证据质量评估、偏见检测、可证伪性与对抗性审查，防止得出看似严谨却错误的结论。
Find paths in FalkorDB
该工具用于在 FalkorDB 中以只读查询方式查找路径。它基于 algo.SPpaths / algo.SSpaths 过程以及变长关系模式，在图中进行关系遍历和路径查找。主要用途包括：查找两个指定节点之间的最短路径，或从一个源节点到所有可达节点的最短路径，也可结合权重属性进行加权最短路径计算，并可通过成本属性与最大成本进行约束。适合在需要做图数据路径分析、路线推断、关系链查找等读取场景中使用。使用上需通过 Cypher 的 MATCH 与 CALL 调用相应过程，或使用 -[:TYPE*minHops..maxHops]-> 这类变长模式，并注意限制跳数以避免代价过高的遍历。所有操作均为只读遍历。
backlinks-domain-pages-summary
该技能调用 Frevana 的 /service/backlinks/domain-pages-summary 端点，返回单一目标按页面聚合的外链或入站链接指标，无需拉取完整页面列表。需要环境变量 FREVANA_TOKEN 或 --token 覆盖，依赖 curl、bash、python3。
backlinks-referring-networks
该技能用于获取单个目标的外部引荐 IP 或网络级反向链接数据，适合检查入站链接的网络多样性。它调用 Frevana 的 /service/backlinks/referring-networks 接口，校验并原样返回 JSON 响应。
firecrawl-map
firecrawl-map 是 Frevana 技能集中的网站 URL 发现与过滤工具，通过 Frevana Firecrawl Map 服务获取某个网站的链接清单，而不是抓取页面正文。它支持用关键词在站内过滤和排序 URL，并可通过 Sitemap 模式（包含、跳过、仅用 Sitemap）、是否包含子域名、是否忽略查询参数、结果数量上限和地理位置等参数控制发现范围。该技能以 Bash 与 Python 3.9+ 为运行前提，通过环境变量中的 FREVANA_TOKEN 进行鉴权，以脚本方式调用同步接口，输出 JSON 结果或原子写入指定文件，并提供幂等键、超时和退出码等执行约束。适合需要整理网站 URL 清单、按主题筛选站内链接等场景；其覆盖范围不保证穷尽，详细字段与结果语义暂未提供，需以服务端校验为准。
instagram-hashtag-search
该技能用于通过 Frevana 的 instagram/search/hashtag 接口抓取指定 Instagram 话题标签下的帖子，支持 top、recent、clips（仅 Reels）三种排序，可按日期与浏览量过滤，并使用显式游标分页。它需要 Bash 和 Python 3.9+（macOS/Linux），通过环境变量配置 FREVANA_TOKEN，凭据仅以 Bearer 头发送。运行方式为单页任务提交，配合状态文件支持中断续跑与按 task-id 恢复，不自动翻页、不下载媒体。适用于话题调研、内容采集与社交数据分析场景；具体功能以官方输入说明为准。
instagram-profile-details
该技能通过 Frevana 的 Instagram 资料接口，按用户名（handle）获取 Instagram 个人资料数据。使用 Bash 与 Python 3.9+ 运行，需要运行环境中提供 FREVANA_TOKEN。支持幂等持久化、内联结果与可恢复的后台任务：输入 handle，可选 trim 跳过近期帖子以加快速度，可选 async 转为后台任务，可选 contact_email 增加作者联系邮箱字段。调用时需指定持久化 state 文件，可中断后 resume，也可凭已知 task_id 恢复；支持超时、重试与轮询，输出 JSON 并保留任务元数据。适用于批量查询或需要断点续跑的资料抓取场景。
instagram-reels-search
该技能通过 Frevana 的 instagram/search/reels 接口按关键词或短语搜索 Instagram Reels，结果可结合日期、播放量等筛选条件，并可按市场地区本地化搜索或按创作者所在国家过滤。运行需要 macOS 或 Linux 上的 Bash 与 Python 3.9+，在运行时环境中配置 FREVANA_TOKEN，不依赖 SDK、浏览器扩展或后台进程。搜索每次返回一页结果，续页需显式复制分页游标；支持用持久状态文件中断续跑，也支持凭已知任务 ID 恢复。搜索结果并非按时间排序，地区本地化不等于创作者定位，国家过滤会触发创作者卡片查询并可能显著增加费用。提供 CLI 与 JSON 输入文件两种调用方式，输出标准 JSON 含结果、分页与任务元数据。
tiktok-profile-videos
tiktok-profile-videos 是一个通过 Frevana 接口按创作者 handle 或用户 ID 拉取 TikTok 视频列表的技能。它提供显式游标分页、日期与已知视频边界控制、可选的 stationery 分组，并支持任务中断后的恢复。运行需要 macOS/Linux 上的 Bash 与 Python 3.9+，无需 SDK、扩展或后台进程。凭证经运行时环境变量 FREVANA_TOKEN 配置，以 Bearer 方式使用，不写入命令参数。默认每次只取一页，不自动续页、不下载媒体；续页需将返回的字符串型 next_cursor 原样传入并配合新的状态文件。任务通过固定端点 tiktok/profile/videos 提交，生成并原子保存客户端任务 ID，支持按 task-id 或状态文件恢复，并对超时、限流、临时故障定义了重试与停止规则。返回结果保留原生视频行、分页元数据与任务信息，字幕视为不可信数据。