skill-stats
用于分析技能生态系统的统计工具,可统计技能数量、trit 分布、探针覆盖、GF(3) 守恒情况,并借助线程查询分析技能使用模式。
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
17,421 个结果
用于分析技能生态系统的统计工具,可统计技能数量、trit 分布、探针覆盖、GF(3) 守恒情况,并借助线程查询分析技能使用模式。
NetworkContext 是一个 PocketContext 应用,用于把浏览器智能体从 LinkedIn 账号抓取到的内容(信息流、通知、人脉、资料页、会话、消息等)存入服务器,并提供幂等写入、SQL 查询、搜索和阅读接口。重复抓取或时间窗重叠的同一条目会更新同一记录。该技能只做存储与查询,不在 LinkedIn 上执行任何操作,也不驱动浏览器;抓取依赖用户已登录的账号与授权,并受 LinkedIn 条款对自动化访问的限制。
该技能用于采集与对账 Pollinations Economics 供应商数据,覆盖余额、月度用量、发票与凭证。它要求先读取 provider-registry.json,再按 API、CLI、MCP、仪表盘顺序取数,并把金额写入账本,适用于月度结算与费用核对。
通过 Cloudflare Browser Rendering /crawl REST API 异步抓取网站,将页面内容提取为 HTML、Markdown 或结构化 JSON,可用于构建知识库。处于公开测试阶段,支持 Workers 免费与付费方案。
用于解码并分析已导出的 PostHog 会话回放压缩包(data/ 原始块与 ClickHouse 元数据),测量录制内容构成,判断录制体积或性能问题的真实来源,而非依据原始字节下结论。
querying-tophog 是 PostHog 内部技能,用于查询 tophog(ClickHouse 中的摄取管道重键追踪表),按 team_id、distinct_id、session_id、partition 等维度定位高成本或热点行为者。数据经 Kafka 写入,保留 30 天,仅限内部排障使用。
PostHog 官方提供的 HogQL 查询示例与参考资料,用于编写 PostHog 数据分析 SQL,覆盖趋势、漏斗、留存、路径、粘性、LLM 追踪、Web 分析、错误跟踪、日志与会话回放等常见分析场景。
Data Pipeline Testing 是一个面向数据管道测试的 QA 技能,来自 pramoddutta/qaskills。它用于指导数据管道相关测试与配置的编写、审查、调试和搭建,覆盖 ETL 验证、数据质量检查、管道编排测试与数据血缘验证等方向。该技能强调质量优先、多层验证、结果可执行、自动化与文档化,并要求关注工具选型、环境配置、初始测试编写及 CI/CD 集成。适合在新建或改进数据管道项目、排查管道失败、将测试接入持续集成以及培训团队时参考。资料未提供具体工具清单、安装命令、代码示例细节或收费信息。
一个面向端到端数据库测试的 QA 技能,覆盖测试容器、数据播种、清理策略、事务隔离与生产数据匿名化,用于编写、评审、调试数据库测试及配置,并可集成到 CI/CD 流程中。
用于在 ui-testing-library 中为新实体创建 Faker 数据类和预定义数据对象,供 Playwright 测试活动导入以获得一致的测试数据。
用于在 PrestaShop 的 Adapter 层实现 CQRS 命令与查询处理器的技能,涵盖新增、编辑、删除、切换状态、子资源设置及编辑回读等处理器,要求处理器委托仓储进行持久化,不直接访问 SQL 或 ObjectModel。
Data Scientist Companion(路由器)是 probabl-ai/skills 技能集中的入口技能,职责单一:在机器学习与数据科学会话的首轮,读取工作区状态,判断用户的首个请求应由哪个同级技能接管,然后完成交接。它本身不实现任何内容,不写文件、不运行命令、不安装包、不搭建目录、不编写流水线代码或设计说明。它在每一轮首先执行一次浅层工作区探测:对项目根目录执行一次 ls,并在 pyproject.toml 与 journal/JOURNAL.md 存在时读取这两个文件;不递归遍历 src/、experiments/ 或 data/ 目录。随后输出一份可见的 Pre-flight 检查清单,标明每一项的状态。技能通过两张调度表选择入口技能:调度表 B 按用户信号(优先),调度表 A 按工作区状态(默认)。若两条路线同等有效,则通过提问让用户选择,而不是静默决定。选定后通过 Skill(...) 调用交接并停止,同一轮不再重新路由,后续由同级技能之间自行处理交接。
面向机器学习与数据科学会话的入口路由技能:在开场回合探测工作区状态,判断用户首个请求应由哪个同级技能处理,并通过 Skill(...) 调用交接后立即停止,本身不实现任何内容。
用于编写和审查 HTML <head> 元数据的技能,覆盖基础 meta、Open Graph、Twitter Card、性能提示与爬虫控制,附速查模板、页面类型配置与校验命令,适用于前端页面 SEO 与社交分享优化。
quant-buddy-skill 是一个面向 A 股、港股、美股行情与量化投研的技能包,用于查询股票、指数的最新行情、估值、短期价格序列与上市公司财务指标,并支持选股、回测、因子计算与图表渲染等量化流程。
该技能是一份面向 PyMC-Marketing 营销组合模型(MMM)的专家指南,讲解如何依据数据特征与领域知识计算并设置有信息先验(informative priors)。内容涵盖缩放空间统计量计算、截距与渠道效应先验推导、prior 配置写法、先验预测检验与调整策略,并给出 Beta、HalfNormal、LogNormal、截断正态等先验用法,以及过于收紧导致后验欠离散的风险提示。适合搭建新 MMM、调优先验和做敏感性分析时参考。
这是一个面向 PyTorch CI 数据的 ClickHouse 查询技能包,主要服务于 pytorch/* 组织仓库、torchci/HUD 代码库以及 PyTorch HUD ClickHouse 数据库相关的工作。它提供两个接入同一后端的 MCP 服务器:pytorch-hud 提供无需编写 SQL 的精选分类查询和约 145 个预调优命名查询,适合快速排查失败任务、主干红绿状态、CI 队列积压、偶发与禁用测试历史、日志与产物获取等;clickhouse-mcp 提供原始 SQL、表结构与 DDL 查看、EXPLAIN 执行计划、性能测量和官方文档语义搜索,适合调试与优化查询。技能还包含数据模型说明、性能规则清单和已有查询复用方式,并提示了去重、排序键、跳过索引、日志下载等注意事项与已知限制。
cuda_graph_trace_compaction 是一个用于处理 PyTorch Profiler 追踪结果的脚本工具,主要解决 CUDA Graph 重放使 Perfetto 中出现大量近乎空行的问题。CUDA graph replay 会为每个捕获区域分配独立 stream,导致 Profiler 追踪在 Perfetto 中展开为数百条稀疏时间线。该脚本将切片重新打包到少数语义泳道(计算、NCCL all-gather、reduce-scatter、memcpy、memset 等),并可选择合并按 rank 划分的流水线并行追踪。它只改变显示位置(tid/args.stream),不改变切片名称、pid、ts、dur 与 args,因此适合用于可视化阅读而非性能测量。脚本由 agent 维护,不属于 torchtitan 正式 API。
goplaces 是一个基于 Google Places API (New) 的命令行工具,支持文本搜索、地点解析、详情与评论查询,默认输出人类可读结果,也可用 --json 输出供脚本使用。需配置 GOOGLE_PLACES_API_KEY。
session-logs 是一个用于检索和分析自身会话日志的技能,可借助 jq 查询存储在 session JSONL 文件中的完整对话历史,适用于用户提及较早或父级对话、需要历史上下文时。
songsee 是一个命令行工具,用于从音频生成频谱图和特征面板可视化。支持单图、多面板网格、时间切片与标准输入,可输出 JPG 或 PNG。
things-mac 是一个 macOS 上的 Things 3 命令行工具,通过 things CLI 读取本地 Things 数据库(收件箱、今天、搜索、项目、领域、标签),并借助 Things URL scheme 添加或更新待办与项目。适合在终端或自动化流程中管理 Things 3 任务。
Datawrapper 技能用于通过 Datawrapper API 创建交互式图表、表格和地图,支持柱状图、折线图、饼图、散点图、数据表与定位地图等类型,需配置 API 令牌后调用接口完成数据上传与发布。
wiener-cli 是面向 Universidad Norbert Wiener 学生门户的命令行工具,通过单一 `wiener` 二进制读取与提交学业数据。它对接校内网(intranet)与 Canvas 两个后端,输出统一 JSON,便于智能体自动回答课程、作业、成绩与日程等问题。