tidb-pr-metadata-guard
用于创建或编辑 TiDB GitHub Pull Request 元数据的技能，帮助维护 PR 标题范围、PR 模板字段、隐藏 HTML 注释与机器人解析的勾选清单结构不被破坏，只修改可变字段。
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
17,421 个结果
create-skill-glyph
用于为技能图标创建基于 R 的象形符号（glyph），属于可视化层工具。每个 glyph 是一个纯 ggplot2 函数，在 100x100 画布上绘制可识别图形，并渲染为带霓虹发光效果的透明背景 WebP。
create-spatial-visualization
从 GPX 轨迹、航点或路线数据创建交互式地图、海拔剖面与空间可视化，可用 R（sf、leaflet、tmap）或 Observable/D3 实现。
develop-gc-method
从零开发气相色谱（GC）方法的技能：定义分析目标、选择色谱柱化学、优化程序升温、选择载气与检测器，并对挥发性与半挥发性分析物做初始性能验证。
develop-hplc-method
开发高效液相色谱（HPLC）方法的技能，用于非挥发性、热不稳定或强极性化合物。涵盖分离目标定义、色谱模式与色谱柱化学选择、流动相与梯度设计、流速与柱温优化、检测器选择及迭代优化。
fit-drift-diffusion-model
依据公开资料，用于将 Ratcliff 漂移扩散模型拟合到反应时与正确率数据，估计漂移率、边界分离、非决策时间等认知参数，并评估拟合、比较模型变体与验证参数可恢复性。
generate-statistical-tables
本技能用于在 R 中生成可发表的统计表格，覆盖描述性统计、回归与 ANOVA 结果、相关矩阵等，支持 HTML、PDF、Word 与 Quarto 文档，并提供包选择、格式化、保存与常见问题说明。
glyph-enhance
用于改进可视化层中已有 R 语言象形图标的技能：审计当前渲染、诊断具体问题（比例、可读性、发光、调色板兼容性），做针对性修改后重新渲染并对比前后效果。
headless-web-scraping
使用 scrapling Python 库从网页提取数据，按 HTTP、隐身 Chromium、完整浏览器自动化三层抓取器选择合适层级，应对 JS 渲染、Cloudflare 防护和动态 SPA，并通过 CSS 选择器结构化提取内容。
implement-audit-trail
为受监管环境中的 R 项目实现审计追踪功能，涵盖结构化日志、数据溯源、数据完整性校验、会话环境记录与基于 Git 的变更控制，面向 21 CFR Part 11 等电子记录合规需求。
label-training-data
面向监督式机器学习的系统化数据标注流程技能，使用 Label Studio 等工具搭建标注工作流，包含质量控制和标注者间一致性（IAA）测量，支持文本、图像、音频、视频数据，并可用于主动学习与标注进度成本追踪。
mineral-identification
该技能用于在野外借助硬度、条痕、光泽、解理、晶体形态与简易化学测试等物理方法，系统排除并识别矿物与矿石，适合找矿、区分含矿与贫矿岩石及培养地质观察能力。
orchestrate-ml-pipeline
该技能用于编排端到端机器学习流水线，支持 Prefect、Airflow、Kubeflow 等框架，涵盖 DAG 构建、任务依赖、重试逻辑、调度、监控与告警，适合自动化多步骤 ML 工作流、定期重训练和分布式任务协调。
review-data-analysis
用于审阅数据分析质量、正确性与可复现性的技能，覆盖数据质量评估、假设检查、数据泄漏检测、模型验证与复现性核查，适用于发布前审阅、上线前校验、合规审计与二次分析复核。
serialize-data-formats
该技能介绍如何为不同场景选择并实现数据序列化格式，涵盖 JSON、XML、YAML、Protocol Buffers、MessagePack 与 Apache Arrow/Parquet，并提供编码解码、性能对比与常见陷阱的指导。
setup-automl-pipeline
配置基于 Optuna 或 Ray Tune 的自动化机器学习流水线，执行超参数搜索与模型选择，支持高效采样、剪枝、实验追踪与最优模型部署。
simulate-stochastic-process
用于模拟随机过程的技能，支持离散与连续时间马尔可夫链、随机游走、布朗运动、随机微分方程和 MCMC 采样，并提供收敛诊断、方差缩减与轨迹可视化。
track-ml-experiments
该技能用于搭建 MLflow 追踪服务器并实现机器学习实验管理，通过自动记录与手动记录指标、参数和产物，支持运行对比、可视化报告与远程产物存储。
version-ml-data
使用 DVC（Data Version Control）对机器学习数据集进行版本控制，支持远程存储后端、可复现数据管道与依赖追踪，帮助团队共享数据、回滚版本并审计数据血缘。
mysql
该技能用于规划和审查 MySQL/InnoDB 的表结构、索引、查询调优、事务与运维。它强调先明确工作负载与约束，再提出最小可行变更，并用 EXPLAIN、EXPLAIN ANALYZE、锁与连接指标等证据验证；面向建表、改索引、写查询和排查性能问题等场景。资料还包含主键、数据类型、字符集、JSON 列、复合索引、覆盖索引、全文索引、分区、死锁、隔离级别、在线 DDL、连接池与复制延迟等参考主题，并给出防护原则：以实测证据优先于经验规则、注明 MySQL 版本差异、破坏性操作需人工批准。
neki
Neki 是 PlanetScale 正在开发的分布式 Postgres 产品，提供面向 Postgres 的水平分片能力，帮助应用突破单节点扩展上限。它构建在 PlanetScale 的基础设施与大规模数据库运维经验之上，并强调高可用性。目前 Neki 尚未正式发布，官方页面将随进展持续更新。该条目为 Claude 插件中的 Neki 主题说明，主要用于在涉及 Neki 相关任务、需要扩展或分片时加载参考信息，其中包括分片就绪（sharding readiness）的 Schema 与查询设计实践。
planetscale-best-practices-matrix
这是一个面向 PlanetScale 数据库的“最佳实践矩阵”技能，用于把数据库评估中发现的问题映射到对应的 PlanetScale 安全、可观测性与自动化建议，并按数据库引擎（Vitess 与 Postgres）区分适用项，避免在评估中遗漏关键的安全与运维能力。它本身不执行任何数据库变更，输出以逐项标记“适用/不适用/未知、当前状态、差距、价值、建议编号、审批要求”的矩阵形式呈现，并声明“未应用任何变更”。
planetscale-codebase-sqlcommenter-instrumentation
该技能用于检查连接到 PlanetScale 的应用仓库，并根据所用语言、框架、ORM、数据库适配器等，推荐与 SQLCommenter 兼容的查询标记包和约定，使查询能归因到应用代码路径，便于 PlanetScale Insights 与 Postgres Traffic Control 使用。技能覆盖 Rails、Laravel、Prisma、Node、Python、Java、Go 等栈，给出推荐标签与校验步骤，未经批准不修改文件或安装依赖。
planetscale-mcp-agent-operating-model
该技能定义智能体在使用 PlanetScale MCP 时应遵循的安全操作模型：默认选用仅提供 Insights 的 MCP 服务器，仅在任务明确需要时使用完整 MCP 服务器并优先只读权限；将写查询工具视为禁用，除非操作者明确批准特定动作。它规范 AGENTS.md 的编写方式、可自主执行的任务（读取洞察、建议、元数据、代码检查、开 PR、建开发分支、在非生产分支应用 DDL、发起部署请求等）与需人工审查的动作（生产写 SQL、直接生产 DDL、部署、合并 PR、创建 webhook、变更角色与网络等），并给出日常建议、异常、Traffic Control 及定时循环的设计与反模式，强调人工审批门与不使用 MCP 写工具或数据库变更的收尾声明。