miniqmt-quant-dev
MiniQMT/XtQuant Python 量化开发辅助技能，用于解答 MiniQMT、QMT、XtQuant、xtdata、xttrader 相关问题，并辅助编写与审查行情、交易、查询类 Python 代码。
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
matlab-data-analysis
该技能面向 MATLAB R2026a 的数据分析工作流，覆盖表格与时间表处理、统计、拟合、优化辅助分析、可视化以及报告产物生成。它强调从数据出发、以经过验证的数值、图形或报告收尾，适合构建可复现的 MATLAB 分析管线。
ondb
Ondb 是一款面向 AI 的逻辑分析与推理工具，用类型化词汇和约束系统把知识表示为可验证的图。它将非结构化内容分解为结构化知识，并沿关系链推理、校验逻辑一致性。每个实体包含类型、属性和关系，所有变更以 TSV 行追加到日志文件，因此日志本身就是协议，可用 AWK、Python、JavaScript 或 SQLite 查询。工具支持多实例分域建模，适用于项目记忆索引、知识库分析、代码库多视角建模、任务管理与会议记录等场景，并提供实体增删改、关系链接、条件查询、图完整性校验和日志压缩等命令。
automating-the-browser
crawlberg 的浏览器自动化技能，通过 crawlberg interact 命令驱动真实无头浏览器，按顺序执行点击、输入、按键、滚动、等待、截图、执行 JS 等动作后再抓取页面。适用于静态抓取无法获取内容的场景，例如内容藏在“加载更多”按钮、无限滚动、表单提交或仅在交互后才运行的 JS 之后。支持 JSON 与 markdown 两种输出格式，可配置超时、浏览器模式与外部 CDP 端点，并对动作数量、等待时长、选择器与脚本大小设有明确上限。
cli
crawlberg 是一个高性能网页爬虫与抓取工具，本条目为其命令行界面（CLI）参考文档技能。该技能用于在调用、编写文档或修改 crawlberg 命令行接口时提供参考。crawlberg CLI 提供多种子命令：batch-crawl 可并发爬取多个网站，batch-scrape 可并发抓取多个 URL，citations 可将 Markdown 链接转换为编号引用，crawl 可沿链接爬取网站，download 可从 URL 下载文档并报告其元数据，interact 可在单个页面上执行浏览器操作，map 可通过站点地图和链接提取发现网站上的所有 URL，mcp 可启动 MCP 服务器（默认使用 stdio 传输），scrape 可抓取单个 URL 并提取元数据，serve 可启动 REST API 服务器，version 以 JSON 格式打印 crawlberg 版本。
mcp
crawlberg 的 MCP 参考文档技能，用于通过 Model Context Protocol 工具、提示或资源集成 crawlberg，提供抓取、爬取、批量处理、下载、站点地图发现、浏览器交互与引用生成等能力说明。
scraping-html-to-markdown
crawlberg 的 scrape 子命令用于将单个网页渲染为干净的 Markdown 或结构化 JSON。它返回 Markdown 正文以及完整结构化数据，包括元数据、链接、图片、JSON-LD、feed 和 HTTP 响应信息。支持通过 --format 选择 json（默认）或 markdown 输出，并提供超时、代理、User-Agent、robots.txt 遵循、浏览器模式与外部 CDP 端点等参数。适用于需要单页内容作为下游 LLM 上下文、提取 Open Graph 元数据或保存可读 Markdown 的场景。
batch-extraction
xberg 的批量提取能力，用于一次性处理目录或 glob 下的多个文档：共享同一套提取配置、并发执行、返回结构化数组，单个文件失败不会中断整批任务。
chunking
Xberg 的文本分块（chunking）技能，用于把抽取的文本切分成适合 LLM 上下文窗口或 RAG 入库的片段。支持字符或基于 tokenizer 的 token 计长，提供 text、markdown、yaml、semantic 四种切分策略，可在抽取时内联分块或通过 chunk 命令单独处理已有文本。
embeddings-and-search
liter-llm 插件，统一封装嵌入、12 家网络搜索、4 家 OCR 与重排序接口，通过同一 provider/model 路由约定调用，适用于检索增强生成与文档处理流程；各搜索、OCR 服务需自备对应 API 密钥。
extracting-metadata
用于从 HTML 中提取结构化元数据，包括标题、描述、语言、Open Graph、JSON-LD/Microdata/RDFa、标题大纲、链接与图片。通过 --json 输出，元数据默认提取，无逐字段开关。
extracting-tables
extracting-tables 是 Xberg 的表格提取技能，用于从 PDF、电子表格或图片中抽取结构化表格数据，支持布局感知检测与多种表格重建模型，可输出 Markdown 表格或结构化 JSON。
extracting-with-ocr
面向图像型文档的 OCR 文本提取技能：当 PDF 为扫描件、照片或截图且无可用文本层时，可用 OCR 后端、语言包与强制 OCR 选项提取文字，并支持批处理与配置。
picking-a-format
用于为已抽取文档选择输出格式的 Xberg 技能：根据消费方（LLM、解析器、向量库、归档）决定 --format 与 --content-format 的取值组合，并可配合 --token-reduction 裁剪内容。
cheat-on-audience
cheat-on-audience 是一个把短视频评论区转化为可交互知识图谱的 AI 技能。它的核心主张是：单条评论价值有限，评论之间的关系才值得关注——谁在关心什么、什么内容引出了什么讨论、哪些关注点总是一起出现、哪些提问从未被回应，只有连成网络才能看清。该工具适用于用户想了解观众真实关切、寻找选题缺口、或基于评论数据制作元内容等场景。整个流程分为六个阶段：获取评论数据（支持已有导出文件、已授权插件采集数据或手动复制粘贴，明确要求不得编写爬虫抓取平台数据）、先采样阅读再定制抽取词表、逐条结构化抽取（中文评论区需特别识别阴阳怪气、提问、成果汇报三类信号）、合成带证据链的图谱、渲染为零依赖单文件 atlas.html，以及可选的多形态发布（网页、mermaid、纯文本摘要、结构化 JSON、llms.txt）。最终产出关注点排行榜、内容缺口、共现簇、金句库和成果案例等解读结论。
neon-postgres
Neon Serverless Postgres 的使用指南与最佳实践，涵盖入门、本地开发、连接方式选择、分支、自动扩缩容、缩容到零、即时恢复、只读副本、连接池、IP 允许列表与逻辑复制等主题，并说明如何以 Markdown 获取官方文档。
chroma
Chroma 是面向 AI 应用的开源嵌入数据库，采用 Apache 2.0 许可，用于存储嵌入向量与元数据，并支持向量检索、全文检索和元数据过滤。它适合为大语言模型应用提供记忆与检索能力，常用于构建 RAG、文档语义搜索和 Notebook 原型开发。资料显示其提供 Python 与 JavaScript/TypeScript 安装方式、持久化存储、多种嵌入函数、元数据条件过滤、服务端模式，以及与 LangChain、LlamaIndex 的集成示例。
experiment-tracking-swanlab
SwanLab 是一个开源实验跟踪工具，用于记录和可视化机器学习训练过程。该技能提供 SwanLab 的使用指导，涵盖指标、配置、标签与描述的记录，标量图表与媒体（图像、音频、文本、GIF、点云、分子）的可视化，跨随机种子、检查点与超参数的运行对比，以及本地或自托管部署方式。支持与 PyTorch、Transformers、PyTorch Lightning、Fastai 集成。安装方式为 pip 安装 swanlab 及媒体依赖，本地仪表盘需额外安装 swanlab[dashboard]，云端或自托管使用需执行 swanlab login。
faiss
FAISS 是 Meta（Facebook）AI 研究团队开源的稠密向量相似度搜索与聚类库，支持十亿级向量规模、GPU 加速以及多种索引类型。它提供 C++ 核心与 Python 绑定，适合需要高吞吐、低延迟的纯向量相似度检索场景，例如大规模嵌入向量的离线批处理。资料显示其 GitHub 星标超过 31,700。若需要元数据过滤可考虑 Chroma/Pinecone，需要完整数据库功能可考虑 Weaviate，追求更简单实现可考虑 Annoy。
huggingface-tokenizers
HuggingFace Tokenizers 是一个面向研究与生产环境的高性能分词库，核心用 Rust 实现，并提供 Python 与 Node.js 绑定。官方资料称其在 CPU 上分词 1GB 文本耗时不到 20 秒，比纯 Python 实现快 10–100 倍。它支持 BPE、WordPiece、Unigram 三种分词算法，可用于加载预训练分词器、从零训练自定义分词器、批量编码与填充、对齐追踪（token 到原文位置）等任务，并能与 transformers 库集成。
instructor
Instructor 是一个用于从大语言模型（LLM）响应中提取结构化数据的 Python 库。它基于 Pydantic 定义输出结构，自动校验 LLM 返回内容，并在校验失败时把错误信息反馈给模型进行自动重试。支持解析复杂 JSON、类型安全、流式输出部分结果，并提供跨多个 LLM 提供商的一致 API。安装方式为 pip install instructor，可按提供商安装扩展（如 instructor[anthropic]、instructor[openai]、instructor[all]）。适用于数据抽取、文本分类、多实体抽取、结构化分析、批量处理等场景。
llamaindex
LlamaIndex 是一个用于构建 LLM 应用的数据框架，专注于 RAG（检索增强生成）。它擅长文档摄取（提供 300+ 数据连接器）、索引与查询，支持向量索引、列表索引、树索引等多种结构，可将私有数据与 LLM 连接，用于文档问答、知识库构建、企业数据聊天机器人以及从文档中提取结构化数据。项目在 GitHub 上拥有 45,100+ 星标，被 23,000+ 仓库使用，有 1,715+ 贡献者，当前稳定版本为 v0.14.7，采用 MIT 许可证。
ml-training-recipes
一套面向 PyTorch 训练的实战配方参考集，覆盖大语言模型、视觉、扩散模型、医学影像、蛋白/药物发现、空间组学与基因组学等方向，内容整理自生产级代码库与现代训练实践。资料提供架构选型表、Chinchilla 缩放规律、训练循环代码、优化器与学习率调度、混合精度与 torch.compile、显存与性能优化、超参数调优顺序、调试清单与实验记录方法，并附六个参考文件路径。适合作为训练实施与排错时的查阅手册，本身不是可安装的库。
nemo-curator
NeMo Curator 是 NVIDIA 推出的 GPU 加速数据整理工具包，用于为大型语言模型准备高质量训练数据。它支持文本、图像、视频和音频等多模态数据集，提供模糊去重（官方称比 CPU 快 16 倍）、30 多种启发式质量过滤、精确去重、语义去重、PII 脱敏、分类器过滤等能力，并可通过 Dask 在 GPU 集群上近线性扩展。文档给出从 Web 爬取数据（如 Common Crawl）到去重、过滤、脱敏、保存为 Parquet 的完整流水线示例。适合需要快速清洗大规模语料的训练数据工程场景，但使用 GPU 依赖 CUDA 环境，CPU 模式速度较慢。