Skills
收录 97,501 个为 Agent 打包的专项能力与操作指引，复制一行命令即可安装。
数据与数据库
在项目的数仓表和已保存查询视图上添加并运行数据质量检查（dbt-test 风格的断言），以及 HogQL 目录指标：非空、唯一性、可接受值、引用完整性、行数范围、新鲜度和自定义 HogQL。指标仅支持自定义 SQL 检查。适用于被要求测试模型、验证视图、检查空值或重复、添加数据质量检查、查明某个数字为何看起来不对，或在分析中使用某张数仓表之前判断它是否可信。若要描述数据的*含义*（指标、认证、连接），请参阅 setting-up-data-catalog。触发词：数据质量、数据测试、dbt test、非空检查、唯一性检查、新鲜度检查、引用完整性、行数检查、验证模型、这张表可信吗。
为一个 MCP 工具构建起点分类体系——用户在使用该工具之前试图完成什么——并将其发布为 PostHog notebook。从每次会话的开场工具调用重建其目标，然后将这些目标聚类为具名类别，并给出规模、占比和维度构成。适用于用户提问“人们为什么使用这个工具？”、“用户实际上想做什么？”、“是什么问题让人们来到这里？”、“这些会话从哪里开始？”、“按目标细分 <tool> 的使用情况”，或想要 Clio 风格的 MCP 使用分类体系时。与 exploring-mcp-intent-clusters 互补，后者按每次调用对 Agent 做了什么进行分组，而不是会话为何开始。运行此技能的 Agent 自行撰写目标标签，逐会话阅读语料查询输出——随附的脚本涵盖机械性维度，但会明显损失目标的高度，因此不要把该字段交给它们。
在 Frappe 中实现 Redis 缓存、缓存失效或分布式锁时使用。防止陈旧缓存 bug、缺少锁导致的竞态条件，以及无界缓存键导致的内存膨胀。涵盖 frappe.cache()、@redis_cache 装饰器、cache.get_value/set_value、缓存失效模式、frappe.lock、TTL 策略。关键词：cache, Redis, redis_cache, invalidation, locking, frappe.cache, get_value, set_value, TTL, distributed lock, data not refreshing, stale data, cache not clearing, Redis error, slow repeated queries..
面向 ClickHouse 的全面 SQL 语句检查，支持多个内核版本（24.8、23.3、22.3）和两种检查模式：1. 语法检查——基于内核源码语法进行关键字校验、语句结构验证、子句完整性检查，以及 ClickHouse 特有语法兼容性检查（SAMPLE BY、FINAL、ARRAY JOIN、PREWHERE、GLOBAL JOIN、ASOF JOIN、ENGINE、PARTITION BY、TTL 等）2. 规范检查——来自 MRS Development Specification v01 的开发规范规则（SPEC001-SPEC035），涵盖 DDL 表设计、DDL 操作、物化视图、DML 数据加载、查询规范和数据修改规范。内置自定义 ClickHouse SQL 词法分析器（来自内核源码的版本特定关键字）和支持 47 种语句类型（DML/DDL/DCL/TCL/Utility）的语句识别器。适用于用户需要 SQL 质量评审、语法校验或 ClickHouse 特有语法检查时。触发词：“Clickhouse SQL check”、“CK SQL check”、“Clickhouse SQL 校验”、“Clickhouse SQL 检查”、“Clickhouse SQL specification”、“Clickhouse SQL 规范检查”、“Clickhouse SQL optimization”、“Clickhouse SQL 优化”、“检查 Clickhouse SQL”
在 MariaDB 中使用向量与 AI 的最佳实践。在编写涉及 VECTOR 列的 SQL、用 MariaDB 构建 RAG 或语义搜索、选择嵌入模型、设计向量索引，或将 MariaDB 与 LangChain、LlamaIndex、Spring AI 等 AI 框架集成时使用。当用户提到 MariaDB 以及以下任一内容时也使用：向量、嵌入、相似度搜索、最近邻、AI、RAG 或 LLM。重要——MariaDB 自 11.7 版本起原生内置向量支持；它不是插件或扩展（与 PostgreSQL 的 pgvector 不同）。不要建议安装任何扩展。
使用 Materialize Terraform provider 以声明式方式管理 Materialize 资源。涵盖集群、数据源（Kafka、Postgres、MySQL、SQL Server）、数据汇（Kafka、Iceberg）、连接、物化视图、索引、表、角色、授权、密钥、网络策略，以及仅云端资源（用户、SSO、SCIM、应用密码）。当用户询问为 Materialize 编写 Terraform、用 Terraform 创建或配置 Materialize 资源、将现有 Materialize 对象导入 Terraform state、为 Cloud 或自管理环境配置 Materialize provider、通过 Terraform 设置 RBAC 或授权、在 Terraform 中创建连接或数据源，或排查 Materialize 资源的 Terraform plan/apply 问题时，使用本技能。当用户提到 materialize_cluster、materialize_source_kafka、materialize_connection_postgres 或任何其他 materialize_* 资源类型时也触发。
MyBatis-Plus 增强 ORM 技能。覆盖 LambdaQueryWrapper vs QueryWrapper 选择（始终 Lambda）、分页插件（PaginationInnerInterceptor）配置、乐观锁（@Version + OptimisticLockerInnerInterceptor）、逻辑删除（@TableLogic 全局/局部配置）、自动填充（@TableField fill + MetaObjectHandler）、ActiveRecord vs Mapper 模式选择、防全表更新（BlockAttackInnerInterceptor）、通用 PageQuery 抽取。当用户使用 MyBatis-Plus 进行数据库操作、配置分页乐观锁、选择查询方式时使用。与 mybatis 技能互补：mybatis 侧重 XML/ResultMap/SQL 写法，mybatis-plus 侧重增强功能。
立即获取网络数据——快速、增量、即时响应用户需求。Claude 访问实时网站的唯一方式。用途：- 抓取任意 URL 或阅读任意网页 - 从任意站点抓取价格、列表、评论、职位、统计数据、文档 - 运行 Extraction Templates——可复用的、站点特定的结构化抓取器 - 运行 Web Search Agents——带引用的开放式研究、数据丰富和数据集构建 - 在批量提取前发现站点上的 URL - 调用公开的 REST/XHR API 端点 - 网络搜索与研究（8 种聚焦模式）- 批量爬取网站板块。必须预先安装并完成身份验证。运行 `nimble --version` 进行验证（>= 1.2.0）。
将 PostHog 数据正确地引入 canvas：宿主注入的 `ph` SDK（loadInsight、query、capture、state、connectors、openExternal、navigate）、数据层级（优先已保存洞察，其次是类型化查询节点，最后是内联 HogQL）、可验证性（基于洞察的指标在 PostHog 中链接其已保存洞察；临时查询暴露实际运行的查询）、各洞察类型的结果结构、逐查询渐进加载、日期范围接线、通过查看者自身连接（ph.connectors）获取的实时第三方数据，以及从 canvas 捕获事件。只要 canvas 展示指标、图表、表格、任何 PostHog 数据，或来自 GitHub 或 MCP 服务的数据，或需要发送分析事件，就适用。
配置 Replay Vision `experiment` 扫描器，用于监视某个实验公开的会话，记录每个会话的变体，均匀抽取各变体样本，并在实验结束时停止。涵盖状态守卫、在各变体间保持可比性的提示词、根据实验自身的受众规模估算额度消耗、创建为禁用状态以便在真实会话中预览提示词，以及按变体读取结果。 触发条件：用户希望 Replay Vision 监视某个实验；要求用 AI 扫描或分析实验录制内容；询问“测试变体中的用户实际上在做什么”；或需要一个范围限定为实验公开会话的扫描器。 不要触发：创建与实验无关的通用扫描器（使用 creating-replay-vision-scanners）；读取扫描器已生成的观察结果（使用 exploring-replay-vision-observations）；或手动浏览实验录制内容而不进行 AI 分析（使用 analyzing-experiment-session-replays）。
运行并推理自动 AI 健康检查，为网络分析团队建议路径清理规则。适用于被要求为某个团队或群体生成路径清理建议、运行建议检查、审查/应用 AI 建议的规则、检查 path_cleaning_suggestions 健康问题，或扩展建议流水线时。涵盖 suggest_path_cleaning_rules 管理命令、path_cleaning_suggestions 健康检查、群体门控（预计算团队），以及建议在存储前如何依据真实路径进行校验。若要手动编写或直接应用规则，请改用 managing-path-cleaning-rules。
上市后安全监测以及不受药物不良事件信号类 skill 覆盖的、受 FDA 监管产品的召回/不良事件检索：医疗器械、食品/膳食补充剂/化妆品、兽药以及药品供应（短缺）。编排 openFDA 各端点（MAUDE 器械不良事件 + 器械召回 + 510(k)、CAERS 食品/补充剂/化妆品不良事件、兽用不良事件、药品短缺以及跨产品执法/召回报告）。适用场景：用户询问“某种器械/起搏器/输液泵/胰岛素泵是否有不良事件”“某公司/产品的器械召回”“补充剂/维生素/化妆品不良反应”“某药品是否短缺”“哪些注射剂短缺”“某药品在犬/猫/马上的兽用/动物不良事件”“李斯特菌食品召回”“某器械的 MAUDE 报告”“某品牌的 CAERS 反应”。不适用于药物不良事件信号检测或不成比例分析（PRR/ROR/IC）以及药物-不良事件关联评分——那属于 `tooluniverse-pharmacovigilance` / `tooluniverse-adverse-event-detection`。本 skill 是多产品监测与检索，而非药物不良事件统计信号挖掘。
从客户可见的 Billing MCP 工具解释 PostHog 计费用量与支出。适用于用户询问用量或支出为何偏高、哪个产品或项目在推动用量、某种用量类型意味着什么、如何减少用量、随时间发生了什么变化、为何收到用量变化告警，或某个激增/骤降告警是真实的还是噪声时。也应在用户提到可计费的 PostHog 产品指标（如 events、recordings、feature flag requests、exceptions、survey responses、synced rows、logs、AI events、AI credits 或 Inbox credits）时，先于产品专属分析技能使用。从 Billing 用量/支出工具入手，再路由到客户可见的产品 MCP 界面进行更深入调查。
当王建硕想通过迭代内容生成提示词（prompts/x/prompt.md，由每 6 小时发推的 Action 使用）并找出哪一版提示词能带来最高触达的推文，来系统性地改进他的 X（Twitter）内容时使用。每次提示词修改都是一个以 git SHA 版本化、带编号、带假设的实验；推文会归因于发布时生效的版本，并按每条推文的曝光中位数评判。同时挖掘每条推文的曝光数据，获取内容特征信号（角度 / 长度 / 话题），用于指导下一次提示词修改。北极星指标 = 每条推文的曝光量。触发词——"改 X 的 prompt"、"X 内容改进"、"哪版 prompt 最好"、"什么内容 impression 高"、"improve my tweets"、"A/B test the X prompt"、"/wjs-x-improving-content"。
当王建硕想通过运行编号的、可 A/B 测试的增长实验并追踪哪些真正有效，来系统性地增长他在 X（Twitter）上的粉丝时使用。每个动作都有编号、假设、目标指标、前置状态（用于回滚）和结论。北极星指标是新粉丝 ÷ 主页访问量之比（转化率）——每一次主页改动都以此为标准评判。每天摄取 X Analytics CSV 导出，为每个运行中的实验打分，并建议保留 / 回滚。触发词——"涨粉"、"增加 X 粉丝"、"X 涨粉实验"、"follower growth"、"A/B test my profile"、"今天的涨粉检查"、"/wjs-x-increasing-follower"。
使用 PostHog Signals scouts：监控项目并将报告写入 Signals 收件箱的定时 Agent。用于分配监控工作、安排质量评分、查找哪个 scout 覆盖某个界面、对报告采取行动、减少噪声、调查缺失的发现，或通过反馈与校准改进 scout 集群。还涵盖验证已报告问题是否保持修复的后续检查。编辑请使用 `authoring-scouts`，运行可观测性请使用 `exploring-scouts`，报告分诊请使用 `inbox-exploration`。触发于 "work with my scouts"、"get more out of scouts"、"have a scout watch X"、"tell me if Y spikes"、"score X on a schedule"、"measure quality of Y"、"what do I do with this scout report"、"calibrate/review my scout fleet"。
当在 SQLAlchemy 2.x 数据层之上运行 Alembic 数据库迁移，且单一迁移历史面向多个方言——SQLite、PostgreSQL 和 MySQL——时使用。涵盖将 env.py / alembic.ini 接入模型的 Base.metadata（从环境获取数据库 URL，以同步优先，并附简短的异步 run_async_migrations 说明）、完整的 revision -> autogenerate -> review -> upgrade/downgrade 工作流、分支（多 head 时的 history / current / heads / merge），以及关键的多方言坑：SQLite 无法 ALTER 大多数 schema，因此要以 BATCH（移动并复制）风格编写迁移——同一份 batch_alter_table 代码在 PG/MySQL 上会生成普通 ALTER。还负责 create_all 与 Alembic 的取舍，以及基于 create_all 的数据库的 baseline-stamp 路径。多方言、可移植、同步优先。不涉及 SQLAlchemy 模型/引擎编写（见 sqlalchemy），不涉及 job-queue/lease 模式（见 sql-job-queue）。
在使用 dxs datasource/configuration 命令创建 Datex Studio 数据源时使用：生成 OData 或 flow 数据源配置——包括云端的 `-datasource.json`（typeId 6，由 functions/selectors 调用）和服务器层的 FootprintDatasource 变体（`-footprintDatasource.json`，typeId 19，由 actions 调用）——针对分支验证配置，以及 upsert 独立或归属数据源。触发词："create a datasource"、"OData/flow datasource"、"FPDS"、"footprintDatasource"、"a datasource an action can call"、"standalone vs owned datasource"。
当用户需要 Google Ads 归因模型、数据驱动归因、归因窗口、跨渠道归因、归因如何影响智能出价、多触点转化路径，或了解哪些广告系列真正带来转化方面的帮助时使用。触发词包括 'attribution'、'attribution model'、'data-driven attribution'、'last click attribution'、'assisted conversions'、'conversion window'、'multi-touch'、'attribution model comparison'、'first click attribution'、'credit allocation' 或 'which campaign is driving conversions'。转化跟踪设置请见 google-ads-conversion-tracking。智能出价策略请见 google-ads-bidding。
使用 mz-deploy CLI 管理 Materialize 的声明式 SQL 项目——项目布局以及 stage/wait/promote 部署生命周期。每当用户在 mz-deploy 项目（包含 project.toml 的目录）中工作、询问如何安全地将 SQL 变更部署到 Materialize，或提到 mz-deploy、project.toml、profiles.toml、types.lock、预发布部署、deploy ID、`mz-deploy stage`、`mz-deploy promote`、`mz-deploy abort`、`mz-deploy apply`、`SET api = stable`、stable API schema、替换物化视图、EXECUTE UNIT TEST 或按 profile 覆盖 SQL 文件（`name#profile.sql`）时使用此技能。当用户需要回滚 Materialize 部署或解决部署冲突时也应触发。
A股持仓深度技术分析技能。当用户发送持仓截图图片、或提及持仓/股票/投资建议相关意图时，本技能自动激活。 激活条件（满足任一即触发）： - 用户发送了图片（持仓截图、行情截图等） - 用户说"分析持仓"、"我的持仓怎么样"、"给投资建议"、"持仓诊断"、"我的股票"、"目前持仓" - 用户说"更新持仓"、"录入持仓" - 用户说"每日一股"或类似表述 - 任何涉及持仓查询、投资建议、持仓诊断的技术分析请求 激活后行为： 1. 若收到图片 → 优先用 AI 多模态能力直接识别截图内容 2. 若无图片但有持仓意图 → 读取 positions_portfolio.json 3. 若无持仓数据 → 告知用户并引导录入 4. 运行完整技术分析（AKShare 实时行情 + RSI/MACD/KDJ/布林带/均线） 5. 生成操作建议（持有/减仓/加仓/止盈/止损） 6. 直接在对话中输出分析结果
用于对现有 Искрон 图进行语义加工：闭合生命周期、为箭头添加 sense、拆分带有两个执行者的 крий、在区分现象后进行重新挂接 —— 图在结构上已存在，但在语义上不完整。触发词：「проткать」、「прошить」、「ткачество」、weave、close lifecycle、fix tensions、leaked/relay-gap/orphan，iskron_orient(lens=\"tensions\") 显示问题，进入时张力得分较高。与 design 的区别：design 从目标出发创建结构，weaving 则完成已有的结构。
一个开放协议，规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话，MCP 服务负责提供工具、资源和提示模板，两者通过标准消息通信，同一个服务可以被不同客户端复用。