vitess
Vitess 是兼容 MySQL 的云原生数据库系统，最初在 YouTube 为扩展 MySQL 而构建，PlanetScale 将其作为托管服务运行。资料介绍其分片、连接池、高可用、查询路由与架构概念，并给出 SQL 兼容性限制。
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
planetscale-change-gates-and-approval-contract
这是一套 PlanetScale 变更审批门控规范，要求对任何可能影响数据库、仓库、凭据、网络或自动化的变更取得明确人工批准。它按 A 到 E 五级对操作分类，从只读操作到禁止自主执行的操作，并规定审批内容、执行前检查表、执行后报告与拒绝行为。
planetscale-codebase-sqlcommenter-instrumentation
用于检查连接 PlanetScale 的应用仓库，并推荐兼容 SQLCommenter 的查询标记包与约定，使 PlanetScale Insights 与 Postgres Traffic Control 能将查询归因到应用代码路径。该技能只做检查与建议，未经批准不修改文件或安装依赖。
planetscale-query-insights-and-tags
本技能用于借助 PlanetScale Insights 与 SQLCommenter 查询标签，分析数据库查询行为、归因负载、识别风险查询，并评估 Traffic Control 或 schema 变更的候选对象；所有改动需经批准。
planetscale-traffic-control-recommendations
为 PlanetScale Postgres 构建数据库流量控制的预算与规则推荐方案，仅做安全推荐，不实际创建或变更任何预算。
planetscale-vitess-safety-review
面向 PlanetScale Vitess 数据库的安全审查技能：评估安全迁移、部署请求、Schema 建议、Insights、Webhook 与运维安全，输出安全现状与改进建议，不实际应用任何变更。
Pandas Data Analysis
Pandas Data Analysis 是一个 Python 数据分析学习插件，围绕 Pandas、NumPy 与 Matplotlib 讲解数据加载、清洗、转换、分组聚合与可视化，并配有客户分析、时间序列、数据质量报告等练习项目。
posthog-instrumentation
PostHog Instrumentation 是一个为代码自动添加 PostHog 分析埋点的技能，可在用户要求添加分析、跟踪事件或实现功能开关时触发，支持 JavaScript/TypeScript、Python、React 等框架。
subtitle-packager
subtitle-packager 是 PostPlus 技能集中用于把已规范化的带时间轴转录 JSON 打包成字幕成品的技能，可生成 SRT、ASS 等字幕文件并完成字幕切分与编辑器交付。它只处理转录打包，不调用语音识别或视频分析模型。
powersync
PowerSync 官方技能包，指导智能体为项目接入并维护 PowerSync 同步服务。涵盖 Cloud 与自托管配置、同步配置、客户端 SDK 使用和后端集成，强调 CLI 优先、先后端后前端、凭证入 .env。
prisma-next-contract
Prisma Next 合同编写（Contract Authoring）技能：用于编辑数据合同（模型、字段、关系、索引、枚举、值对象、命名空间、扩展类型等），合同是数据层的唯一事实来源，框架据此派生类型、迁移与运行时配置。
logfire-query
logfire-query 是 Pydantic 提供的技能，用于查询和分析 Logfire 中的遥测数据，包括 traces、logs、spans、metrics、汇总信息以及 SQL 查询结果。当用户需要查询 Logfire、搜索 traces、查找日志、获取指标、计数、汇总、比较或定位根因时，可调用此技能。它支持两种方式：在 Codex 中通过 MCP 的 query_run 工具进行交互式分析，或通过 REST API /v1/query 将查询能力集成到项目中。查询基于 Apache DataFusion（类 Postgres 语法），可访问 records 表（spans 与 logs）和 metrics 表，支持时间过滤、JSON 属性访问、数组过滤、级别过滤、模糊匹配和时间分桶聚合等。MCP 默认时间窗口为最近 30 分钟，REST API 默认最近 24 小时，两者最大范围均为 14 天。
qdrant-clients-sdk
Qdrant 官方提供的多语言客户端 SDK 集合，涵盖 Python、JavaScript/TypeScript、Rust、Go、.NET、Java 等，用于将 Qdrant 向量数据库集成到各类应用中，并提供 REST 与 gRPC API 文档及代码片段检索服务。
qdrant-model-migration
Qdrant 嵌入模型迁移指南，讲解如何在不中断服务的情况下切换嵌入模型、迁移向量。涵盖是否需要重新嵌入、零停机双写、蓝绿迁移、别名切换、稠密与稀疏混合检索迁移等策略，并说明 v1.18 与 v1.17 及更早版本的差异与限制。
qdrant-scaling
Qdrant 扩展决策指南技能，根据用户症状路由到对应文档，覆盖数据量、QPS、延迟、查询量、多租户、时间窗口、垂直与水平扩展等场景。
ue-data-assets-tables
面向虚幻引擎C++开发的技能文档，讲解如何用数据资产、数据表、曲线表、软引用与异步加载来承载策划配置的游戏数据，覆盖AssetManager、AssetRegistry、DataRegistry与Cook规则等加载路径（目标引擎UE 5.8）。
use-railway
用于通过命令行或 MCP 操作 Railway 基础设施的技能，覆盖账户登录注册、创建项目、开通服务与数据库/存储桶、部署代码等。
altimate-data-engineering-skills
面向分析与数据工程师的 Claude Code 技能集合，覆盖 dbt 建模、调试、测试、文档、迁移、重构与增量模型，以及 Snowflake 成本分析与查询优化，并可将复杂任务委派给 altimate-code CLI。
amee-joshi-data-engineering-portfolio
Amee Joshi 数据工程作品集，展示 Azure 云原生数据平台的生产级模式，涵盖 Medallion 架构、Delta Lake 湖仓、维度建模、元数据驱动摄取、增量加载、数据质量框架及 Power BI/Tableau 分析方案。
analytics-tracking-automation
面向 AI 智能体的 GA4 + GTM 事件追踪自动化技能，可分析网站、设计事件架构、同步 GTM 容器、预览验证并发布追踪配置，支持普通网站与 Shopify 店铺。
apache-airflow-orchestration
Apache Airflow 编排技能，提供用 Python 编写、调度和监控数据管道与工作流的专家知识，涵盖 DAG、TaskFlow API、常用 Operator、Sensor、连接与 Hook、XCom、动态任务映射及配置等主题。
car-sales-data-engineering-analytics
面向约2.4万条汽车销售记录的数据工程与分析技能，提供ETL清洗、统计建模和Streamlit交互式仪表盘，内置15项分析，覆盖价格趋势、区域分布、人口统计与特征相关性。
data-engineering-medallion-pipeline
基于 MinIO、Airbyte、PostgreSQL、DBT、Airflow 与 Grafana 的端到端数据工程管道技能，采用 Medallion 架构（Bronze/Silver/Gold 三层），供 AI 智能体操作完整 ELT 流程。
data-engineering-patterns-fabric-databricks
面向 Microsoft Fabric、Azure Databricks 与 PySpark 的数据工程模式技能，汇集 600+ 经实践验证的模式，覆盖湖仓架构、Delta Lake、管道编排、Unity Catalog 治理与成本架构等主题，以 PDF 书籍形式提供。