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
ADF + Azure ML 与分析的集成。适用于以下情况请主动启用:(1) 从 ADF 调用 Azure ML 批量终结点,(2) Azure OpenAI Batch API 管道模式,(3) ADF ML 评分编排,(4) SQL 到 Storage 的归档管道,(5) 通过 REST connector 集成 AI Services,(6) 从 ADF 执行 Databricks notebook,(7) Data Flow 特征工程,(8) 从 ADF 集成 Synapse / Fabric,(9) Cognitive Search 索引器触发器,(10) 通过 REST 刷新 Power BI 数据集。提供:REST connector 配方、Databricks 链接服务设置、Data Flow 模板和端到端 ML 评分管道。
为外部用户创建 Confluent 专属技能。当用户想要创建、构建或编写与 Confluent Cloud、Confluent Platform、Apache Kafka、WarpStream、Flink、Connectors、Schema Registry、Tableflow、CDC 管道或任何 Confluent 产品相关的新技能时使用此技能。技能可以面向用例(如数据增强、CDC 到 Tableflow、流处理工作流)或面向组件(如 Flink 技能、Schema Registry 技能或 Connector 技能)。当用户想要直接使用 Confluent 产品(例如构建管道、编写生产者、部署 Flink SQL)时,不要使用此技能——而应使用相应的产品专属技能。此技能专门用于创建新技能,而不是使用现有技能。
在 ERPNext 中构建 Script Report、Query Report、仪表盘图表或 Number Card 时使用。可预防因列定义错误导致的报表输出为空、筛选器失效以及大数据集下未优化的 SQL。涵盖 Report Builder、Script Report(Python + JS)、Query Report、报表筛选器、仪表盘 Chart DocType、Number Card、报表权限。关键词:report、Script Report、Query Report、dashboard、chart、Number Card、filters、columns、execute、get_data、create report、custom report、dashboard chart、report empty、no data showing。
在构建 Query Report、Script Report 或配置 Report Builder(包括图表数据集成)时使用。可避免因列定义错误、缺少权限和数据格式不正确导致的报表错误。涵盖 Query Report(基于 SQL)、Script Report(基于 Python)、Report Builder、报表列定义、过滤器、chart_data、报表权限、prepared_report。关键词:Query Report、Script Report、Report Builder、report columns、filters、chart_data、frappe.query_report、prepared_report、report columns、how to build report、report not showing data、chart in report。
搭建并运维 Rekor —— 面向 AI Agent 的无头记录系统。适用场景:安装 `rekor` 命令行、认证、创建 base、定义 record_types、在 preview 中工作并晋升到 production、以代码管理配置(rekor pull/push)、以 upsert 或查询方式处理记录(Filter DSL 或 SQL)、管理关系、存储带版本的文件或附件(含 S3 挂载)、配置入站 webhook、触发器、批量操作或用于 Agent 评测的种子夹具、用外部 API 支撑 record_type(外部源、执行器)、在密钥保险库中存储凭据、在不同提供方之间导入或导出工具定义(OpenAI/Anthropic/Google/MCP)、创建精选的 MCP Factory 工具集与 Actions、限定 API token 范围、对 record_types 与工具集建模以便 LLM Agent 可靠使用,或理解任何 Rekor 概念(base、record_type、record、relationship、preview/production、promotion、external_id)。
当用户想规划、设计或实施 A/B 测试或实验,或建立增长实验计划时使用。用户提到“A/B test”“split test”“experiment”“test this change”“variant copy”“multivariate test”“hypothesis”“should I test this”“which version is better”“test two versions”“statistical significance”“how long should I run this test”“growth experiments”“experiment velocity”“experiment backlog”“ICE score”“experimentation program”或“experiment playbook”时也使用。凡是有人比较两种方案并想衡量哪种效果更好,或想建立系统化的实验实践,都使用此技能。关于追踪实施,请参阅 analytics。关于页面级转化优化,请参阅 cro。
在任何模型设计之前负责数据理解。放置 `data_analysis/data_analysis.py` 且不要执行它。运行一次 `materialize.py`,编写 `data_analysis.md` 和 JOURNAL § Data understanding。绝不要设计模型、编辑 `src/<pkg>/` 或修改原始数据文件。触发条件:用户要求探索、剖析或理解数据;triage 把他们送到这里(缺少 `status.data_analysis`);数据源发生变化;他们想刷新已记录的 EDA;或已记录的 EDA 上出现泄漏或研究问题。停止条件:`status.setup.pending` 非空(加载 `setup-ml-project`);没有数据(送交 triage);请求不是原始数据探索;或 EDA 已记录且无刷新需求也无方法论问题。在 setup 待处理时,不要凭空创建包根目录或根级 `JOURNAL.md`。使用方法:通过 `add-python-package` 执行 G-TABULAR,推断或询问目标,若已安装则加载 `plot-ml-figure`,然后询问包含 Close 的五选项续接板。
GoldRush Streaming API——通过 WebSocket 上的 GraphQL 订阅提供实时区块链数据。当用户需要实时价格源(OHLCV K 线)、实时 DEX 交易对监控(新交易对、流动性更新)、钱包活动流、解码后的兑换/转账事件、代币搜索、交易者盈亏分析,或任何亚秒级延迟的区块链事件推送时,使用此技能。这是交易机器人、实时仪表盘、告警系统、跟单交易、DEX 狙击和实时分析的合适技能。也涵盖用于代币发现和盈利能力分析的一次性 GraphQL 查询。如果用户需要历史数据、批量查询或分页的 REST 结果,请改用 goldrush-foundational-api。如果用户需要无需 API 密钥的按请求付费访问,请改用 goldrush-x402。
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。
