precision-practice-knowledge-guided
该技能让 Claude 依据 ExpSum 知识引导框架生成符合工业文档标准的代码摘要：提取函数元数据、检索项目领域术语、将函数分类（字段、过程、构造、回调、工具），并套用类别专属语言模板，避免术语错误、缺少类别标识和冗余实现细节。
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
17,419 个结果
research-multi-stage-machine-learning
面向异构元数据目录的多阶段搜索管线技能，将检索拆分为意图理解、高召回混合检索与LLM重排三个阶段，用于发现数据集、文档或资源，支持关键词查询与抽象研究目标查询。
ruleflow-generating-reusable-program
RuleFlow 是一个 Claude 技能，用三阶段混合方法优化 Pandas 代码：先用 LLM 发现单程序优化，再泛化为带模式变量与运行时前置条件的可复用重写规则，最后以确定性编译器方式应用。资料称单个模式最高加速 1770 倍。
subreddit-analyst
该技能用于在指定时间段内分析单个 subreddit 社区，可选评估某个创业公司、产品、服务、品牌或想法与其的匹配度。它强调将证据、解读和建议分开，适用场景包括社区深度分析、产品与社区匹配评估等。
uw-analyze-database
uw-analyze-database 是 nearform/unwind 项目中的数据库层分析技能。它用于系统梳理代码库的数据库层，包括数据模型、物理 Schema（DDL）、数据访问层（Repository/DAO）以及 JSONB/JSON 复杂字段结构，并将分析结果以 Markdown 文档形式输出到 docs/unwind/layers/database/ 目录。该技能采用“代码侧模型为规范、SQL DDL 为物理契约”的思路：优先以 ORM 实体（如 Drizzle、Prisma、TypeORM、SQLAlchemy、Mongoose、Sequelize、JPA、EF Core）作为规范表候选，将迁移中的 CREATE TABLE 归并为其物理契约；无 ORM 的 SQL-first 项目则直接从 DDL 提取表结构。输出包含 index.md、data-model.md、schema.md、repositories.md、jsonb-schemas.md，支持增量写入、实体数量较多时按领域拆分、以 Mermaid 绘制实体关系图，并为每项标注 [MUST]/[SHOULD]/[DON'T] 标签。该技能面向需要在异构技术栈重建数据库的团队。
uw-analyze-messaging
该技能用于分析事件驱动系统、消息队列、异步处理与发布/订阅模式，产出一套消息层文档。它会按主题识别事件与消息定义及其 Schema（含 JSON、Avro、Protobuf），梳理生产者（发布方）与消费者（订阅方，含重试、错误处理与死信队列配置），并将结果增量写入 docs/unwind/layers/messaging/ 目录，包括 index.md、events.md、producers.md、consumers.md；大型代码库可按主题拆分文件。输出要求保留源码链接、避免主观评论，并对每个事件、生产者、消费者与处理器标注 [MUST]、[SHOULD] 或 [DON'T]。适合审查消息架构、补充文档与梳理事件流的场景；仅适用于消息层分析，其它系统层面的细节暂未提供。
uw-dashboard
uw-dashboard 是 Unwind 工具链中的可视化阶段技能，用于在重建知识图谱之上启动交互式仪表盘。仪表盘基于 React、React Flow 与 ELK 构建，读取 docs/unwind/rebuild-graph.json；若该文件不存在，会从扫描清单自动生成。它可视化按依赖排序的层级、每个节点的覆盖率、MUST/SHOULD/DON'T 优先级以及契约清单（表、端点等），主要用于重建任务视图而非学习导览。它通常在 unwind:uw-scan 之后使用，也可在分析之后查看各层覆盖率与缺口、浏览契约清单并跳转到源码，或跟踪重建进度。运行时需 Node/pnpm 与 @unwind/core，缺失时会报告并干净退出；尚无扫描时需先运行 unwind:uw-scan。
awsclaw-glue
awsclaw-glue 是 awsclaw 工具集中的一项技能，用于通过命令管理 AWS Glue 的相关资源。它可以创建、更新、删除和查询 Glue ETL 作业、触发器、爬网程序、数据库、表和连接等，并支持查看爬取历史、启动作业运行、管理作业书签等操作。该技能通过 GlueTool 执行 Glue 命令，调用时需提供 params 对象。
awsclaw-rdsdata
awsclaw-rdsdata 是 awsclaw 中用于通过 Amazon RDS Data API 操作 Aurora Serverless 及启用 Data API 的 RDS 集群的技能，可执行单条 SQL、批量语句并管理事务（开始、提交、回滚）。
awsflow-dynamodb
awsflow 的 DynamoDB 技能，通过 DynamoDBTool 管理 Amazon DynamoDB 表与数据项：列出、描述、创建、更新、删除表，查询与扫描数据，以及数据项增删改查、TTL、备份、全局表和标签管理。
awsflow-emr
awsflow-emr 是 necatiarslan/awsflow 提供的 AWS EMR 管理技能，用于管理和查看 Amazon EMR 集群、步骤、实例、Studio、Notebook 执行、发行版本标签、安全配置以及托管扩缩容等资源。它通过 EMRTool 工具以命令加参数（params 对象）的方式调用，覆盖集群列表与详情查询、步骤与实例检查、创建与终止集群、添加步骤、打标签、配置自动扩缩容策略、获取会话凭据等操作，适合在数据分析与大数据处理场景下对 EMR 集群进行日常运维和排查。
awsflow-rdsdata
awsflow-rdsdata 是 awsflow 中用于通过 Amazon RDS Data API 操作 Aurora Serverless 及已启用 Data API 的 RDS 集群的技能，可执行 SQL、批量操作并管理事务。
kanban233
kanban233 是一个基于 Go 1.26 与标准库 net/http 的看板（Kanban）Web 服务器，含静态前端、SQLite/Postgres 存储、项目组与卡片管理、统计、审计日志及面向外部 Agent 的协作接口。
neo4j-vector-search-skill
Neo4j 向量搜索技能（草稿/占位内容），用于在 Neo4j 中创建向量索引、执行向量相似度搜索、将嵌入存储到图节点，并选择相似度函数与嵌入维度。
okp-search
okp-search 是 Open Knowledge Protocol 中的只读知识搜索 Skill，供消费型 agent 按“读 domain README → 按 schema 过滤/搜索 → light list → 精读少数 → 沿 links 导航”的顺序检索与导航结构化知识。
tanstack-start-loaders
TanStack Start 路由数据加载技能，讲解 beforeLoad 与 loader 的用法：用于页面取数、路由守卫与上下文设置。强调 loader 同构运行，访问数据库或密钥须调用 server function，并涵盖 loaderDeps、延迟加载、错误与加载状态、缓存配置及与 TanStack Query 配合。
ai-data-engineering
面向 AI/ML 系统的数据工程技能，覆盖 RAG 管道、特征存储（feature store）与嵌入（embedding）生成，提供架构模式、编排流程与评估指标，用于构建生产级 AI 应用的数据基础设施。
codebase-librarian
Codebase Librarian 是一个用于为代码库建立完整清单的技能：以中立、只记录不评判的方式，梳理项目结构、入口点、服务、基础设施、领域模型与数据流，最终输出一份 Markdown 文档。
content-refresher
Content Refresher 是一项用于识别并更新过时内容、以恢复和提升搜索排名的技能。它分析内容新鲜度、找出更新机会，并指导刷新流程，以最大化 SEO 与 GEO 效果。
google-analytics
查询 Google Analytics 4（GA4）报告的工具技能，通过 Analytics Data API v1 运行报表、通过 Admin API 列出属性。适用于用户提及 Google Analytics、GA4 等场景。使用 curl + jq 调用，OAuth 令牌存于环境变量 $GOOGLE_ANALYTICS_TOKEN（作用域 analytics.readonly），每次调用需带 Authorization: Bearer 头。涉及两个接口：Admin API（analyticsadmin.googleapis.com/v1beta）用于发现属性，Data API（analyticsdata.googleapis.com/v1beta）用于运行报告。
postgres-pro
PostgreSQL 专业数据库技能，面向需要 PostgreSQL 数据库管理、性能优化、高可用搭建、备份恢复或高级特性实现的场景。覆盖 PostgreSQL 架构（进程、内存、WAL、MVCC、存储与锁）、高级特性（JSONB 与 GIN 索引、全文检索、PostGIS、时序数据与分区、外部数据包装器、并行查询与 JIT）、性能调优（配置、执行计划、索引策略、vacuum 与 autovacuum、连接池）、复制策略（流复制、逻辑复制、同步与级联副本、延迟副本与故障转移）、备份恢复（pg_dump、物理备份、WAL 归档与 PITR）等。技能内含 JSONB 索引策略与复制策略的选择框架，以及性能、配置、复制、扩展、JSONB、监控等维度的质量检查清单。适用于 PostgreSQL 专属特性、复制与扩展、故障排查、配置优化、分区与高可用等任务；不适用于通用 SQL 编写、跨平台数据库调优、MySQL/SQL Server 专属特性、基础数据库管理及简单查询优化。
project-management
用于项目管理和产品需求分析的技能，支持编写 PRD、制定项目计划、分解任务与排优先级、定义用户故事与验收标准、识别风险及规划敏捷流程，适用于规划 MVP 和需求梳理。
quant-analyst
这是一个面向量化金融、算法交易与金融数据分析的专家型技能，基于 Python 科学计算栈（Pandas/NumPy）进行统计建模与机器学习。它适用于构建和回测交易策略、对金融时间序列做统计分析、实现风险模型（VaR、CVaR、Greeks）、进行组合优化、为衍生品开发定价模型、分析市场微结构与订单簿动态、构建资产收益因子模型，以及为金融工具实现蒙特卡洛模拟。技能文档给出了决策框架（交易策略、风险管理、组合优化、衍生品定价、时间序列分析）与核心工作流程，并列出了最佳实践与反模式，如使用向量化运算、计入交易成本与滑点、采用滚动前向验证避免前视偏差等。
real-time-streaming
Real-Time Streaming 是一份面向工程实践的实时数据管道构建与运维技能指南，覆盖从数据摄取（Kafka 生产者、基于 Debezium 的 CDC）、流处理（Kafka Streams、Apache Flink）到数据落地（sink、物化视图、事件溯源存储）的完整流处理技术栈。该技能聚焦生产级模式，包括精确一次语义、背压处理、状态管理与故障恢复，适合已了解分布式系统基础、需要构建可大规模可靠运行的流式管道的工程师使用。它提供 Kafka 主题配置、幂等生产者、Flink 窗口聚合、CDC 连接器配置、Kafka 事务、流表连接以及消费者延迟与再均衡处理等具体示例，并列出常见反模式。