pinecone
Pinecone 是一个面向生产级 AI 应用的托管向量数据库，提供全托管 SaaS、自动扩展、混合搜索（稠密+稀疏）、元数据过滤和命名空间等能力。适用于需要低延迟（p95<100ms）、高可用（99.9% SLA）且不愿管理基础设施的 RAG 等场景。支持通过 Python 客户端、LangChain 和 LlamaIndex 集成使用，并提供免费层用于原型验证。
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
ray-data
Ray Data 是面向机器学习与 AI 工作负载的分布式数据处理库，支持流式执行，可在 CPU/GPU 上处理超过内存规模的数据，并能从笔记本扩展到集群。它支持读取和写入 Parquet、CSV、JSON，读取图像与 NumPy/Pandas 数据，提供 map_batches、map、filter、groupby 等转换能力，可与 Ray Train、PyTorch、TensorFlow、HuggingFace 集成，适用于大规模训练数据预处理、分布式批量推理和多模态数据加载等场景。
sentencepiece
SentencePiece 是 Google 开发的语言无关分词器，直接把文本当作原始 Unicode 处理，无需语言特定预处理。支持 BPE 与 Unigram 两种算法，速度约 5 万句/秒，加载模型约占用 6MB 内存。适用于多语言模型、中日韩文本、可复现分词、原始文本训练与轻量部署，已被 T5、ALBERT、XLNet、mBART 等模型采用。暂未明确提供收费信息。
tensorboard
TensorBoard 是 Google 提供的机器学习可视化工具包，用于在训练过程中可视化损失、准确率等指标，用直方图与分布调试模型，对比多次实验结果，查看模型计算图与架构，投影高维嵌入（PCA、t-SNE、UMAP），跟踪超参数实验，并分析性能瓶颈。它支持 PyTorch 与 TensorFlow/Keras 等框架，通过日志目录记录数据，再以本地网页界面查看。
weights-and-biases
Weights & Biases（W&B）是面向机器学习实验追踪与 MLOps 的工具，可通过 Python 库自动记录训练指标与超参数配置，在实时仪表盘中可视化训练过程并比较不同运行；支持自动超参数扫描（网格、随机、贝叶斯优化），以及数据集、模型等产物的版本与血缘管理，并可链接模型注册表。它提供与 PyTorch、PyTorch Lightning、HuggingFace Transformers、Keras/TensorFlow 等框架的集成，支持团队项目协作与可分享的报告。资料还列出免费、学术、团队和企业等收费层级信息。
topic
网文/小说选题策划技能，根据用户想写小说但缺选题的需求，分析网文市场热点与受众偏好，生成3-5个含金手指、核心设定、爽点模式和开篇建议的选题方案，并做多维度评分与风险提示。
xlsx-financial-report
该技能用于通过编写并执行 Python 程序，借助 openpyxl 生成一个原生 Excel（.xlsx）文件，并将其设计为简洁的财务 / KPI / 仪表盘式报表。适用于用户提出「Excel 报表」「财务报告」「KPI 报表」或「仪表盘报表」等需求的场景。生成的报表文件保存到工作区，完成后返回文件路径以及一行内容摘要。技能规定了所需运行时依赖（pandas、numpy、matplotlib、openpyxl>=3.1.0，沙箱内已预装，无需额外安装）、文件保存方式、在对话中生成可点击文件链接的格式要求，以及排版、配色、字体、数字格式、图表样式和条件格式等规范。
data-analysis
面向数据集探索、清洗与统计分析的技能模式集合，提供数据加载、描述统计、分布与相关性分析、假设检验、置信区间、效应量与假设检查等可复用代码模式。
lc-site-data
lc-site-data 是一个用于向 CS 基础学习站点添加内容的技能：把主题录入学习路线图 data/roadmap.json，或把题目录入复杂度测验 data/complexity_quiz.json，并确保能通过构建时的严格校验。
yb-metrics-analysis
面向 YugabyteDB 运维的只读指标分析技能：从自管理或 YBA 托管的 universe 拉取 Prometheus 指标，按问题场景定位指标、聚合与趋势，给出诊断与修复建议，需用户明确批准才执行任何变更。
yb-performance-assessment
YugabyteDB 性能评估编排技能，用于开放式性能排查：同时覆盖 SQL/会话层与基础设施/指标层，先跑两项只读分诊扫描，再按线索深入专项技能，最终输出一份按影响排序的诊断报告。默认只读、仅建议，不做任何变更。
ocr-and-documents
这是一个面向 PDF 与扫描文档的文字提取技能，核心目标是分类文档，并根据文档类型选择合适的本地或远程解析工具。它优先通过 web_extract 处理在线 PDF，直接转为 Markdown；本地则用 pdf-inspector 在毫秒级判断文本型、扫描型、图像型或混合型，文本型可直接输出带多栏阅读顺序和表格的 Markdown。扫描或图像型页面交给 marker-pdf 做 OCR，支持 90 多种语言、公式、表单和复杂版面。轻量场景可用 pymupdf 完成抽取、拆分、合并与搜索；Office 文档经由 anydoc 转为 Markdown。资料还包含解析器选型对比、安装命令、磁盘占用与 macOS 进程残留提醒，适合文档处理工作流。
model-code-and-result-generator
该技能用于数学建模论文的结果证据沉淀与建模代码脚手架生成。它读取模型路线、数据计划与清洗后数据，为每个赛题问题生成结果契约骨架、指标、结论和表格索引，并产出可运行的 q1/q2/q3 建模代码起点。它按预测、优化、评价、分类、聚类、仿真等任务类型分发不同脚手架，统一输出到 paper_output/results/、paper_output/tables/ 与 paper_output/code/modeling/。结果带状态标记与运行溯源，正式结果需由真实代码运行并写入 run_manifest.json。它不自称万能自动建模，需用户按真实赛题二次修改生成代码。
agent-paste-neon-postgres
该技能为使用 Neon Serverless Postgres 提供指南与最佳实践，覆盖初始设置、连接方式选择、分支（Branching）、自动扩缩容（Autoscaling）、缩容至零（Scale to Zero）、即时恢复（Instant Restore）、只读副本、连接池、IP 允许列表与逻辑复制等主题。它强调以 Neon 官方文档为唯一事实来源，并指导通过 Neon CLI 或 MCP 服务器完成项目选择、获取连接串、配置驱动与 ORM、设置 Schema 等流程。
mcp-sheet-cache-bridge
该技能用于将 Zapier Tables 等 MCP 连接的记录库作为唯一事实来源，同时让依赖 Google Sheets 的工具通过一个事件驱动的缓存标签页读取数据。它设计缓存表结构，按稳定记录 ID 建立创建、更新、删除同步逻辑，并记录字段映射与切换计划，避免定时全表刷新带来的任务开销。
snowflake-development
该技能是一个面向 Snowflake 开发的综合助手，覆盖 SQL 最佳实践、数据管道设计（Dynamic Tables、Streams、Tasks、Snowpipe）、Cortex AI 函数与 Agent、Snowpark Python、dbt 集成、性能调优与安全加固。它给出具体规则与代码范例，例如存储过程变量必须使用冒号前缀、半结构化数据的类型转换与展平、MERGE 实现 upsert、Dynamic Tables 的 TARGET_LAG 配置、Task 需手动 RESUME、AI_CLASSIFY 用于分类、TO_FILE 的 stage 与文件名分参数传入，以及最小权限 RBAC、掩码策略等。适用于编写和调优 Snowflake SQL、构建近实时数仓管道、在 Snowflake 内使用大模型能力与 Python 数据处理的场景；输出不能替代实际环境验证与专家审查，资料未说明具体收费与价格信息。
backing-up-timestamps
用于将已完成的直播时间戳归档到 timestamp_workspace 目录的技能：把整理好的 markdown 与元数据导入版本控制目录，并把体积庞大的原始工作区移动到备份目录。
gm-data-chart
gm-data-chart 是一个数据可视化图表生成技能，可将自然语言描述转换为单文件 HTML（内联 SVG 与 CSS，无 JavaScript）、独立 SVG、Mermaid 或经导出脚本输出 PNG/PDF，支持柱状、饼、折线、面积、散点、雷达、漏斗、气泡和表格等图表类型。
stock-analysis
stock-analysis 是面向 A股的 Python 命令行分析工具，集成 AKShare 数据源，可生成市场整体报告与自选股分组报告，覆盖指数行情、市场情绪、热点板块、技术信号、基本面评分等内容，并支持导出 Markdown 与 CSV 报告。
fund-diagnosis
面向公募基金的单基金综合诊断技能，输入自然语言问句即可返回结构化 Markdown 诊断报告，适用于“这只基金怎么样”“是否适合继续持有”“风险与收益特征如何”等概括性问题。每次仅分析一只基金，不做多基金对比与量化建模。
mx-finance-data
mx-finance-data 是一个基于东方财富数据库的金融数据查询工具，支持使用自然语言查询金融数据。可查询对象涵盖股票（A 股、港股、美股）、板块、指数、股东、企业发行人、债券、非上市公司，以及股票市场、基金市场、债券市场等。支持的数据类型包括实时行情（现价、涨跌幅、盘口数据等）、量化数据（技术指标、资金流向等）和报表数据（营收、净利润、财务比率等）。支持多实体、多指标、多时间范围的组合查询，单次查询最多支持 5 个股票或金融实体，超出时优先处理前 5 个并在结果说明文件中提示。执行后输出一个 xlsx 结构化数据文件和一个结果说明 txt 文件，便于后续使用。适用于投资研究、交易复盘、市场监控、行业分析、信用研究、财报审计、资产配置等场景，机构与个人均可使用。该工具面向金融结构化数据与关系数据查询，不侧重主观分析、投资建议或资讯解读，查询语句中需包含明确的金融实体名称。
mx-macro-data
基于东方财富数据库的宏观经济数据自然语言查询工具，可查询国民经济核算、价格指数、货币金融、财政收支、对外贸易、就业民生、产业运行等数据，返回CSV文件与说明文件。查询须指定具体指标或品种，避免模糊大类表述。
mx-stocks-screener
基于东方财富数据库与妙想大模型的自然语言选股/选基工具，可用中文条件筛选A股、港股、美股、基金、ETF、可转债及板块，支持基本面、技术面、消息面与市场情绪等多维指标，结果输出CSV与数据说明文件，适用于跨市场监控、组合构建和策略回测。
stock-earnings-review
依托东方财富数据库，面向沪深京港美五大市场上市公司生成业绩点评类输出，支持财报分析、业绩解读、季报半年报年报点评等需求。