data-analysis-skill
该技能编排3至5个领域专家子代理并行分析同一数据集,汇总为内嵌图表的交互式HTML报告,并支持一键导出PowerPoint;需Python环境及pandas、openpyxl、tabulate、chardet。
找到适合任务的 Agent Skill,阅读介绍并复制安装命令。
更新于 11-15 00:13
253,203 个结果
该技能编排3至5个领域专家子代理并行分析同一数据集,汇总为内嵌图表的交互式HTML报告,并支持一键导出PowerPoint;需Python环境及pandas、openpyxl、tabulate、chardet。
design-for-ai 是一个双模式设计插件:CHECKER 模式按七个类别审计现有设计,APPLIER 模式按六个阶段引导新设计创建。适用于 Claude Code、Cursor 等支持插件的智能体环境。
Expo 官方推出的智能体技能包,用于开发 Expo 项目及使用 EAS 服务,针对 Opus 模型微调,覆盖 Expo SDK、Expo Router、EAS Build 与 EAS Submit 等。
一个面向"技术上正确但感觉平淡"的 UI 的情感共鸣视角技能,把用户的感受状态转化为具体的文案、动效与交互调整。
logo-designer-skill 是一个面向智能体的 logo 设计技能:先进行结构化品牌访谈,再生成 3-5 个不同方向的 SVG logo 概念,选定后多轮打磨比例与可缩放性,并导出从 16px 到 2048px 的 SVG 与 PNG。
GLSL 着色器开发技能,覆盖光线步进、流体模拟、粒子系统与程序化生成,可产出可运行的 WebGL 片元与顶点着色器,含正确的 uniform、基于时间的动画与噪声函数,用于创建实时视觉效果。
面向软件产品 UX 研究的技能包,提供问卷设计、研究仓库运营与可用性测试的深度参考指南,帮助以严谨调研降低产品决策风险。
wireframe-skill 可将自然语言界面描述转换为线框图,输出机器可读的 .wireframe.json 和带拖拽排序、撤销/重做历史的单文件交互式 HTML,只需 Python 3 和现代浏览器,适合视觉设计前的低保真快速构思。
根据提供的 URL、文本或研究来源,生成 APA、MLA、Chicago、IEEE、Harvard、Vancouver 等学术格式的引用与参考文献,可附加注释,并输出单条引用、完整文献表或文内引用示例。
该技能用于确定某次 PostHog 代码变更何时部署到指定环境。PostHog 的 CI 在每次提交发布到环境时会写入一个部署标记注释,这些注释在用户界面中隐藏(hidden_in_user_interface: true),但它们是部署时间的权威来源。技能通过 posthog:annotations-list 搜索 "deploy" 列出部署注释,每条标记包含被部署的 commit、环境(prod-us、prod-eu 或 dev)、创建类型 GIT、范围 organization、部署时间(UTC)。工作流为:先找到变更的合并提交(通过 gh search prs 与 gh pr view 获取 merge commit SHA 和 mergedAt),再按时间升序列出目标环境在合并时间附近的部署,然后用 gh api compare 验证被部署的 commit 是否真正包含该合并提交(behind_by 为 0),第一个通过验证的部署即为发布该变更的部署。最后报告该区域的部署时间及 PR/commit。适用于回答“某变更何时上线”的问题,避免用指标或事件量变化来推断部署时间。
PostHog MCP 工具使用探索入口技能:当用户想分析 MCP 工具调用但没有具体问题时的分流向导,覆盖工具质量排名、单工具统计、失败原因、调用者、通知关系等。
技术研究技能:在做出架构、库或方案决策前,用一手来源、源码、标准与可复现实验核实技术事实,产出可追溯的综合结论,区分事实、推断、风险与证据缺口。
通过 PanSou 聚合 API 与本地夸克桌面 APP 集成,搜索、校验并保存网盘资源,支持搜索、链接有效性验证、查看文件详情及触发 APP 保存,需先运行 preflight 检查环境。
用于检查 ChatGPT、Claude、Perplexity、Google、Bing/Copilot、Apple、Meta 等 AI 爬虫能否实际访问站点指定页面的技能,并给出针对 robots.txt、服务器或 CDN 拦截以及页面级指令的最小修复建议。它区分搜索类爬虫、训练类爬虫与用户触发的抓取器,分别报告访问与白名单情况,避免把训练退出误当成搜索屏蔽。检查脚本基于 Python 3.8+,无需额外依赖,会从运行机器对每个 URL 发起约 18 次请求并打印结果。
该技能用于核查ChatGPT、Perplexity、Google AI Overviews、Copilot、Claude等AI引擎关于某企业的回答,逐条拆分其中的事实性表述并标记为正确、错误、过时、缺失或无法判断,再追溯错误或过时表述的可能来源(自身网站、可控制的资料页、第三方文章、同名混淆等),按来源提出修正文案,并在本仓库内可直接修改对应页面。常用于价格调整、品牌改名或产品发布后,或收到错误回答反馈时,帮助从源头修正AI检索与学习到的内容。
revnu-geo-check 是一个用于检测 AI 回答中品牌提及与引用情况的工具,面向希望了解自己在生成式引擎(如 ChatGPT、Perplexity、Gemini 等)回答中可见度的企业。它通过模拟买家提问,多次询问 AI 关于某品类的问题,统计品牌被提及的频率、自家页面被引用的频率、竞争对手被提及的情况,并分析 AI 回答中对品牌的各类说法(正确、错误、过时、无依据、缺失),指出应修正的页面。工具强调测量结果受限于可访问的搜索工具或 API,与消费者实际使用的 AI 应用存在差异,且回答会因运行次数不同而变化,因此会多次运行并包含对照提示。使用前需要提供业务信息(名称、域名、品类、买家、竞争对手等),并明确告知测量表面和限制。它支持主机网页搜索、带搜索功能的提供商 API(OpenAI、Perplexity、Gemini)以及用户粘贴的消费者应用回答。运行后生成报告,包含提及率、引用率、竞争对手数据、被引用页面、关于品牌的声明及修复建议。工具还提供日志保存和后续对比功能,并可与 Revnu 付费服务集成以持续跟踪。
这是一个用于规划第三方收录渠道的技能:它围绕“某品类最佳工具”等买家问题,找出 AI 回答和搜索结果经常引用的第三方页面(榜单、目录、评测站、GitHub 精选列表、社区帖子、对比页),逐个核对收录规则与成本,按匹配度和投入排序,并为排名靠前的目标起草符合该页面格式的提交文案、PR 或社区回复。所有提交动作都需用户明确同意后执行,最终输出目标清单、草稿、暂缓项与执行记录,并可保存到追踪文件。
该技能用于在代码仓库中创建并维护一个增长上下文文件(.agents/revnu-growth.md),记录业务卖给谁、客户卡在哪里、价格、可用证据以及已尝试过的增长动作和结果。其他 revnu-* 技能会先读取该文件,只询问缺失信息。它从仓库和线上网站收集事实,为每条事实标注来源标签,并维护一个共享的“尝试与经验”日志表。适用于启动首个增长任务前、定价或受众变更后,或需要记录结果与决策时。
用于诊断单个落地页为何未能将访客转化为注册、预约演示或购买。该技能从特定广告、帖子或搜索来源的访客视角审视页面,按优先级返回不超过7项修复建议,并可在用户要求下改写文案或直接在代码仓库中修改页面。无需Revnu账户即可使用。适用场景:页面已有流量但转化不佳;不适用:页面尚无流量,或问题明显在offer或受众而非页面。
TraceGrader 是一个用于评估 AI 智能体执行轨迹的工具:检查其工具选择、调用顺序、重试、可重复性与依据,而不只看最终答案,以发现“正确结果、错误路径”的 corrupt success 与不稳定(flaky)问题,可在 CI 中作为门禁。
Docker 最佳实践技能,涵盖多阶段构建、Compose 编排模式、镜像优化与安全加固。提供 Node.js 与 Python 的多阶段 Dockerfile 示例,演示如何将依赖安装与构建步骤分离,使最终镜像仅包含运行时产物;同时给出 Docker Compose 服务定义,包含健康检查、依赖条件、资源限制与数据卷配置。还包含 .dockerignore 示例、镜像体积与分层分析命令、多架构构建命令,以及常见反模式清单(如以 root 运行、滥用 ADD、在 Dockerfile 中存放密钥、不固定基础镜像版本等)和一份可勾选的最佳实践检查表。
基于公开资料整理的 Next.js 14+ App Router 实践指南,涵盖服务端组件、ISR 与缓存、中间件、并行路由和 Server Actions 等模式,并给出目录结构、代码示例、反模式与检查清单。
smart-commit 是一个提交工作流技能:在提交前运行质量门禁(lint、类型检查、受影响文件的测试),扫描暂存改动中的问题,并生成规范的 conventional commit 提交信息。适用于说“commit”“git commit”“保存改动”等场景。
Foundation 框架技能,聚焦 Apple 平台上 AttributedString 的富文本格式化、对齐、选择与 SwiftUI 集成,适用于处理带样式文本的场景。