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 SQLAlchemy 2.x 上构建由数据库支持的任务队列/任务调度器时使用:其就绪状态由依赖驱动,任务长时间运行且有状态,唯一持久化载体是关系型数据库——单机、可嵌入、无消息中间件、多方言(SQLite / PostgreSQL / MySQL)。涵盖通用 jobs/job_deps 模型、就绪集查询、按方言的原子租约(PostgreSQL + MySQL 8 上的 FOR UPDATE SKIP LOCKED,对比 SQLite 上的 BEGIN IMMEDIATE,并含方言检测)、通过心跳 + 租约到期 + 过期租约回收实现的崩溃恢复、针对卡住但仍存活任务的单次派发超时、基于 group_key 的加权公平分配、scan→rank→lease→dispatch→persist→reclaim 的 tick 循环、轮询与 LISTEN/NOTIFY 唤醒的对比,以及至少一次投递的幂等契约。关键词:job queue、task scheduler、ready-set、SKIP LOCKED、lease、crash-resume、multi-dialect、SQLAlchemy、background jobs。同步优先。不涉及 SQLAlchemy 数据层或锁原语(sqlalchemy),也不涉及迁移(alembic)。
构建、更新、启动或 fork 用户的个人 zframes 行情仪表盘。当用户说 "/zframes"、"build me a dashboard"、"set up my terminal"、"make me a market terminal"、"add X to my dashboard"、"start/open/serve my dashboard"、"fork this dashboard <url>"、"run this shared zframes link",或想要个性化的实时行情仪表盘(加密货币 + 股票)时使用。如果用户提供 zframes explorer 链接(.../dashboard/<id> 形式的 URL),则将其 fork 到他们本机。如果仪表盘已存在且用户只是想启动它,则直接启动 — 不要从零重建。会写入经过校验的 dashboard.json,并用 CLI 实时提供服务 — Agent 从不编写 React。
通过 Fabric REST API 和 `az rest` 编写 Fabric Activator 规则和 Reflex 项。在写入意图时调用:创建或删除项;添加或更新规则定义;配置阈值、过滤器、Teams/电子邮件通知、Fabric 项操作,以及 Eventhouse/Eventstream/Real-Time Hub/DTB/Ontology/Power BI 来源。纯 GET/解释类提示词属于 `activator-consumption-cli`。源、阈值、接收者和操作目标的澄清在本技能内进行。当另一个数据技能发现及时运营信号(如峰值、故障、异常、SLA 风险或容量约束)后,主动询问用户是否需要针对未来发生情况的告警。触发词:"create an alert"、"create an activator"、"create a reflex"、"create an activator item"、"create an alert item"、"notify me when"、"let me know when"、"take action when"、"send me an email when"、"send a teams message when"、"run a pipeline when"、"update an alert"、"delete an alert"、"activator rule"。
Google API 集成,用于博客性能分析:PageSpeed Insights、含 25 周历史数据的 CrUX Core Web Vitals、Search Console 性能、URL Inspection、Indexing API、GA4 自然流量、面向 E-E-A-T 的 NLP 实体分析、用于嵌入的 YouTube 视频搜索,以及 Google Ads Keyword Planner。功能按凭据层级(API key、OAuth/服务账号、GA4、Ads)逐步开放。通过 ~/.config/claude-seo/google-api.json 与 claude-seo 共享配置。当用户说出“google data”“page speed”“core web vitals”“search console”“indexation”“GA4”“keyword research”“nlp entities”“blog performance”“youtube search”“google api setup”时使用。
当用户希望将 Kafka 客户端集成到现有应用中,或为 Confluent Cloud、本地 Docker 或 WarpStream 搭建基于 Maven 或 Gradle 的 Java Kafka 客户端项目时使用。涵盖 Apache Kafka Java 客户端(KafkaProducer/KafkaConsumer/KafkaShareConsumer)以及 Avro、JSON Schema 或 Protobuf 序列化器。当用户希望为 WarpStream 优化 Java Kafka 客户端配置时也可使用。不适用于 Kafka Streams 应用(请使用 kafka-streams-programming)、Flink、连接器或 Kafka Python 客户端(请使用 developing-kafka-python-client)。
当用户想要预测销售收入、构建 commit/upside/best-case 预测、计算加权商机管道、预测是否能达成目标,或召开预测会议时使用。触发短语:“will we hit quota”“forecast this quarter”“weighted pipeline”“build a sales forecast”“commit number”“are we going to hit the number”“revenue projection”“what's our gap”“pipeline math”“deal review”“forecast call”。关于为预测提供输入的商机管道数据,见 pipeline-review。关于与配额挂钩的薪酬方案,见 sales-comp。
全面的市场环境分析与报告工具。分析全球市场,包括美国、欧洲和亚洲市场、外汇、大宗商品及经济指标。提供风险偏好/避险评估、行业分析和技术指标解读。以下关键词会触发:market analysis、market environment、global markets、trading environment、market conditions、investment climate、market sentiment、forex analysis、stock market analysis、相場環境、市場分析、マーケット状況、投資環境。
将 Materialize SQL 代码库的语义层设计并评审为规范本体——一个共享的原始数据库、一个共享的核心数据库,以及每个用例一个数据库。当用户询问如何构建或组织 Materialize 的 schema 与数据库、想定义规范语义对象(实体、事件、度量、关系对象)、需要公共对象的身份解析或时间语义、正在决定哪些内容属于共享层而非特定消费方、正在构建或验证关系注册表(core.public.relationships、引用边、基数、可选性),或提到本体、语义层、语义模型、语义对象、上下文图、原始/核心/用例边界、粒度或可强制执行的层依赖时,使用此技能。在评审既有 Materialize 代码库是否存在私有 schema 泄漏、概念重复或未记录的公共对象时也应触发。
Power BI 核心:数据建模、数据源连接与平台基础。请在以下场景主动启用:(1) Power BI 数据建模与星型架构设计,(2) 关系(活动/非活动、双向、USERELATIONSHIP),(3) 数据源选择(DirectQuery 与 Import 与 Direct Lake 与复合模式),(4) 增量刷新设置,(5) 网关配置(本地网关与 VNet 网关),(6) 流式数据集与推送数据场景,(7) Dataflow Gen2 基础,(8) Power BI 常见陷阱与坑(双向筛选、AutoExist、空行),(9) 工作区标识与 OAuth2 / 服务主体认证,(10) 语义模型架构评审。提供:星型架构模板、模式选择矩阵、增量刷新配方、网关设置步骤和常见陷阱参考。
Redis + Redisson 缓存与分布式锁技能。覆盖缓存 Key 命名规范、过期时间设置原则、RedisTemplate 序列化选择(JSON vs JDK vs String)、Redisson 分布式锁三大模式(watchDog/tryLock 有 leaseTime/无 leaseTime 决策)、缓存穿透(布隆/空值缓存)/击穿(互斥锁)/雪崩(随机 TTL)防护、Caffeine vs Redis 选择决策。纠正 LLM:不设过期时间、StringRedisTemplate 和 RedisTemplate 混用、Redisson 锁不 try-finally unlock、看门狗在指定 leaseTime 时不生效。
此技能帮助用户通过 Amazon Reviews API 自动抓取 Amazon 商品评论。当用户表达以下需求时,Agent 应主动应用此技能:获取 ASIN 为 B07TS6R1SF 的 Amazon 商品评论、分析某个 Amazon 商品的客户反馈、获取竞品的评分和评论、追踪近期 Amazon 评论的情感、提取已验证购买(verified purchase)评论以进行质量评估、从 Amazon 商品页面总结用户体验、通过客户评论监控商品表现、为市场调研收集评论者资料和链接、为内容分析收集评论标题和描述、无需登录即可抓取 Amazon 评论。
使用 SCAPI Admin API 构建在 B2C Commerce 与 ERP、OMS、WMS 或 CRM 等外部系统之间同步数据的后端集成。当用户需要以编程方式从后端服务拉取或推送订单、产品、库存或客户数据,使用 Account Manager 客户端凭证和管理员 OAuth 作用域配置服务间身份验证,使用 NDJSON 实现批量库存导入,或从脚本或流水线(而非店面)调用任何 Commerce API 时,请使用此技能。在构建夜间数据导出、仓库同步任务或客户数据集成时也可使用——即使用户只是说“把订单拉取到我们的 ERP”或“从仓库同步库存”。
为博客文章生成兼容深色模式的内联 SVG 数据可视化图表。支持水平条形图、分组条形图、环形图、折线图、棒棒糖图、面积图和雷达图,并自动检测平台(HTML 还是 JSX/MDX)。强制保证图表类型多样性、可访问标记(role=img、aria-label)、来源标注和透明背景。当用户提及数据可视化、图表、图形、需要可视化的对比表格,或希望在博客文章中嵌入内联 SVG 可视化时使用,即使没有调用 blog-write。当用户说 "blog chart"、"generate chart"、"data visualization"、"svg chart"、"blog graph"、"visualize data",或当 blog-write 工作流识别出值得制图的数据点(3 个及以上可比较指标、趋势、前后对比数据)时使用。
使用严格的验证器和索引构建 Convex 的 schema、query、mutation、action 及客户端用法。用于数据建模、函数编写、参数/返回值验证和性能指导。当工作涉及 convex/schema.ts、函数或 api.* 引用时主动使用。示例: - 用户:"为多租户应用设计表" → 定义 schema/defineTable 及索引 - 用户:"编写一个 mutation" → args/returns 验证器 + 鉴权检查 - 用户:"优化查询" → 添加索引和 withIndex 范围表达式 - 用户:"使用 useQuery" → 展示生成的 hook 用法
从数据现象出发,生成可执行的产品决策建议,并以可视化 HTML 报告输出。当用户说"分析一下这组数据"、"这个指标为什么跌了"、"帮我做个留存分析"、"用户流失原因是什么"、"看看漏斗哪一步掉了"、"给我出个数据分析报告"时触发。也适用于:用户上传了 CSV/Excel 数据文件并要求分析洞察;用户提供了 SQL 查询结果要求解读;用户要求做指标拆解、归因分析、分群对比、A/B 实验分析;用户提到"指标树"、"漏斗"、"留存"、"转化率"、"DAU 下降"、"分群"、"归因"等数据分析关键词。不适用于:纯 BI 看板搭建(用 xlsx)、纯 SQL 编写(直接写)、纯数据清洗(直接写脚本)。
全面的调查与量表设计助手,支持问卷构建、Likert 量表设计、题型(开放/封闭/矩阵)、作答偏差缓解、抽样策略(概率/非概率)、预测试、量表效度验证(Cronbach's alpha、因子分析)、在线调查工具(Qualtrics、REDCap、Google Forms)、访谈提纲开发、焦点小组主持、混合模式调查,以及量表的文化适配。适用于设计调查或问卷、构建 Likert 量表、制定抽样策略、预测试、验证量表(Cronbach's alpha、因子分析)、开发访谈提纲、提高应答率,或使用 Qualtrics 或 REDCap 时。分析访谈/焦点小组数据请用 alterlab-qualitative-methods;定性+定量整合请用 alterlab-mixed-methods;检验选择/功效分析请用 alterlab-statistical-analysis;IRB/知情同意请用 alterlab-research-ethics。AlterLab Academic Skills 套件的一部分。
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。
