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
面向 A 股公司的机构级股票研究首次覆盖报告。涵盖公司分析、财务建模、估值、图表制作与最终报告汇编。改编自原始 initiating-coverage 技能，以适配中国市场惯例、CAS 会计准则和 AkShare 数据源。触发词为 "A股首次覆盖"、"首次评级"、"initiate coverage China"、"initiate on [company]"、"A股研究报告" 或 "start research on [company]"。
分析传感器配置并在 MATLAB Navigation Toolbox 中创建惯性融合滤波器。管理滤波器选择（imufilter、ahrsfilter、complementaryFilter、insfilterMARG、insfilterAsync、insfilterNonholonomic、insfilterErrorState、insEKF、insCF）、构建、调参与融合循环。在融合 IMU/AHRS/INS/GPS+IMU 数据、估计姿态或位姿，或选择滤波器时使用。请勿用于纯视觉 SLAM、Simulink 融合或 IMU 仿真。
使用 AutoDock Vina 的分子对接流程，用于基于结构的药物发现。触发场景包括 docking、AutoDock Vina、receptor preparation、ligand preparation、PDBQT、grid box、virtual screening、binding affinity、pose prediction、structure-based virtual screening、"redocking RMSD"、"Vina score"、"docking pose"、"prepare receptor"、"ligand library screening"。
用于多组学数据处理与整合的流程技能。当用户要求在 HGNC、Ensembl 和 UniProt 之间映射基因 ID、在组学数据格式之间转换、使用 ComBat 或 ComBat-seq 进行批次校正、对多组学结果执行 GSEA 或过表达分析、对整合数据执行共识聚类、在 R 中运行 MOFA2 或在 Python 中运行 mofapy2、构建多组学 ETL 流程、协调各 omics 层的特征标识符，或运行 clusterProfiler 富集分析时使用。触发词包括 "map Ensembl to HGNC"、"ID mapping omics"、"ComBat code"、"run MOFA2"、"mofapy2"、"GSEA Python"、"fgsea R"、"consensus clustering"、"multi-omics pipeline"、"gseapy"、"biomaRt"、"clusterProfiler"、"mixOmics DIABLO"。
当用户想要构建优化模型、求解数学规划问题或寻找最优解时使用。当用户提到「linear programming」「integer programming」「mixed-integer programming」「constraint optimization」「mathematical optimization」「operations research」「optimal solution」或「decision optimization」时也使用。网络设计请参见 network-design。路径规划请参见 route-optimization。
用于根据索赔和临床数据计算 HEDIS 质量指标的流程技能。当用户要求计算 HEDIS 指标率、检查连续参保、构建分母/分子逻辑、检测护理缺口、计算利用率、识别高成本索赔人或评分风险分层指数时使用。触发词包括 "calculate HEDIS"、"measure rate"、"continuous enrollment check"、"care gap detection"、"denominator query"、"numerator logic"、"utilization rate"、"high-cost claimant"、"Charlson score"、"LACE score"、"claims analysis"、"quality measure SQL"。
在 OpenSearch 中调查分布式追踪和 span。当用户想要分析追踪、调查慢 span、查找错误 span、跟踪 Agent 调用、衡量 token 用量、重建追踪树、查询服务地图，或通过追踪数据调试分布式系统时使用此技能。即使用户只说 traceId、spanId、OpenTelemetry、OTel、distributed tracing、latency、span duration、service map 或 trace investigation 而未提到 OpenSearch，也应激活。
当营销数据很差且需要知道原因时使用——从跟踪、投递、创意、落地页到受众质量分 5 层诊断，然后给出 48 小时行动计划。当用户提到“so dang xau”“CPMess cao qua”“ROAS thap”“chan doan root cause”“tai sao khong ra don”“ads dot tien”时激活。不适用——审核广告账户配置并打 Health Score 请用技能 21-audit-ads-performance；写给别人看的报告请用技能 07-bao-cao-marketing；单独诊断某个页面请用技能 68-cro-audit-trang。
当有来自 Meta、TikTok、GA4、CRM 或 Google Sheet 的原始数据，需要转化为可据以决策的洞察时使用——附决策日志，记录决策、依据、预期影响和复查日期。当用户提到“phan tich du lieu”“doc so lieu nay”“export data ra insight”“so nay noi len dieu gi”“lam decision log”“cohort analysis”时激活。不适用——诊断广告为什么差请用技能 03-danh-gia-hieu-suat；写演示汇报请用技能 07-bao-cao-marketing。
回答关于 Azure SQL Database 容器（Private Preview）能做和不能做什么的问题，以及它为什么与 Microsoft Azure 云中的 Azure SQL Database 不同。当用户问 "can I take a backup"、"why does USE fail"、"is X supported"、"why can't I create a vector index"、"why does SSMS error"、"why isn't the image on Docker Hub"、"what's different from the cloud"，或遇到与他们的 Azure SQL Database 预期不符的行为时使用。不要根据通用 SQL Server / Azure 知识猜测：该容器是 Private Preview 产品，有特定的功能缺口和特定的连接模型。请阅读本技能，并把用户引导到实时更新的 Known limitations 页面以获取当前完整列表。
搭建一个全新的应用（.NET Aspire、FastAPI、Next.js、NestJS），并将其接入本地 Azure SQL Database 容器作为默认开发数据库。在启动/引导/初始化需要本地 SQL Server 或 Azure SQL 的项目时使用，或在添加 "set up the database"、"docker compose for the db"、"create the local DB"、".env connection string"、"first migration" 或数据访问层时使用。使用它而不是 mssql/server SQL Server 镜像，因为这是 Azure SQL 引擎（EngineEdition 5）。触发场景包括 "scaffold app with SQL"、"spin up Azure SQL locally"、"compose service for the database"、"wire up Prisma/EF/SQLAlchemy/TypeORM to SQL Server"。即使用户只是对全新项目说 "add a database"，也应使用它。
在 HCLS 中推理生物标志物的发现与验证 —— 对生物标志物意图分类、选择特征选择与交叉验证策略、避免数据泄漏，以及规划外部重复验证。适用于用户要求发现、开发或验证生物标志物；从高维组学或临床数据中选择特征；设计验证研究；选择评估指标；论证样本量；整合多组学信号；或评估临床效用。触发词包括 "discover a biomarker"、"validate biomarker"、"prognostic vs predictive"、"feature selection"、"LASSO vs elastic net"、"nested cross-validation"、"data leakage"、"C-index"、"time-dependent AUC"、"decision curve analysis"、"external validation cohort"、"events per variable"、"optimism-corrected"、"multi-omics integration"、"clinical utility of a biomarker"、"is this biomarker ready"。
将单条文本（一段 AI 编码人工输入，可选带配对的助手回复和上一轮助手结尾）分类到当前 v2 人工输入 category + topic 分类体系中，返回主 category、按优先级排序的完整 categories 数组、一个 topic、topic_reason 和 topic_confidence——是纯推理检查，对照 uid.core-product 的分类规则（gpt-4o 生产提示词，关闭后处理），不涉及 CawPlan 数据或 API 调用。适用场景：被要求按当前 category 与 topic 规则对某条具体句子或人工输入进行分类时——例如「这是什么 category/topic：...」「用这个助手回复对它分类」——或作为 cawplan-internal-qa-coding-humaninputs-test 使用的逐行分类步骤。不适用于：跨大量已上传人工输入进行批量/成批准确率测试，或从 CawPlan 获取任何数据（为此使用 cawplan-internal-qa-coding-humaninputs-test）、提交报告，或创建工单。
使用 RDKit 进行小分子性质计算、过滤和相似性分析的化学信息学管道。当用户要求计算分子描述符、按 Lipinski 或 Veber 规则过滤化合物、检测 PAINS、计算指纹相似性、运行匹配分子对分析、生成 ADMET 描述符或处理 SMILES 时使用。触发词包括 "RDKit"、"molecular descriptors"、"Lipinski"、"rule of five"、"Veber"、"PAINS"、"pan-assay interference"、"Morgan fingerprint"、"Tanimoto"、"fingerprint similarity"、"matched molecular pair"、"MMP"、"mmpdb"、"ADMET"、"druglikeness"、"SMILES"、"cheminformatics"、"compound filtering"、"chemical similarity"。
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。