Skills
收录 97,222 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
通过 MCP Developer 端点分析 Materialize 环境,和/或配置 MCP 客户端(Claude Code、Cursor、VS Code、Zed、Continue、Windsurf、Claude Desktop),使其连接到 materialize-developer 服务。分析方面:检查环境健康状况、调查性能、排查物化视图过期问题、诊断内存压力、查找阻碍压实的已暂停集群、审计资源利用率、对用户对象运行 EXPLAIN ANALYZE,并获取优化建议。客户端连接方面:配置/连接/设置 MCP 客户端以连接 materialize-developer(Emulator、Cloud 或自管理环境),控制所用用户/角色,并在不同身份间切换。即使用户只说“检查我的环境”“为什么我的 MV 过期了”“为什么我的集群很慢”“我能优化什么”“对我的物化视图运行 explain analyze”“如何将 Claude Code 连接到 materialize-developer”或“为 Materialize MCP 配置 Cursor”,也应触发。
埋点与指标设计方案生成器。从产品需求/核心链路出发,输出完整的埋点方案文档(事件、字段、触发时机、口径说明、QA 校验清单)。 触发条件:用户提到"埋点"、"tracking"、"事件设计"、"数据采集"、"上报方案"、"埋点方案"、"事件规范"、"字段设计"、"指标口径"、"数据验收"、"QA校验"等关键词。 也适用于:用户提供产品PRD/需求文档要求产出埋点方案;用户提供核心用户链路要求拆解事件;用户要求规范化事件命名或字段定义;用户要求设计数据验收方案。 典型输入:事件命名规范 + 字段字典 + 核心链路描述/流程图。 不适用于:纯数据分析(用 pm-analytics)、纯BI看板搭建、纯SQL查询编写。
通过 DataForSEO MCP 服务获取实时 SEO 数据。SERP 分析(Google、Bing、Yahoo、YouTube、Google Images)、关键词研究(搜索量、难度、意图、趋势)、反向链接画像、页面内分析(Lighthouse、内容解析)、竞品分析、内容分析、商家信息、AI 可见度(ChatGPT 抓取器、LLM 提及跟踪)以及域名分析。需要安装 DataForSEO 扩展。当用户说「dataforseo」「live SERP」「keyword volume」「backlink data」「competitor data」「AI visibility check」「LLM mentions」「image SERP」「google images」「image rankings」或「real search data」时使用。
通过 Firecrawl MCP 进行临时网页抓取、站点地图生成和全站爬取。返回原始 HTML、解析后的元数据(og:*、twitter:*、JSON-LD、canonical、robots)、JS 渲染后的 DOM,以及 WebFetch 无法提供的截图。区别于 SE Ranking 系列技能(提供关键词/流量/SERP 数据)和 WebFetch(仅提供 markdown 文本)。当用户说“抓取这个页面”“爬取这个站点”“为这个站点生成地图”“找出……上的所有页面”“获取 OG 标签”“获取 JSON-LD”“渲染这个 JS 密集型页面”,或任何以原始 HTML head 元数据、结构化数据脚本或 JS 执行后的 DOM 为实际交付物的任务时使用。也可作为其他需要原始 HTML 的技能的子步骤被调用。
只要电子表格文件是主要输入或输出,就使用此技能。这包括用户想要打开、读取、编辑或修复现有的 .xlsx、.xlsm、.csv 或 .tsv 文件(例如添加列、计算公式、设置格式、制作图表、清理杂乱数据);从头开始或基于其他数据源创建电子表格;或在表格文件格式之间进行转换。尤其是用户提到电子表格的文件名或路径(即使只是随口说“下载文件夹里的 xlsx”),并希望对其进行处理或生成文件时,也应触发此技能。将格式错误的行、错位的表头、无用数据等杂乱表格数据清理或重组为规范电子表格时也应触发。交付内容必须是电子表格文件。若主要交付物是 Word 文档、HTML 报告、独立 Python 脚本、数据库管道或 Google Sheets API 集成,即使涉及表格数据,也不要触发。
以经过考量的出版样式编排 matplotlib、seaborn 和 plotly,产出可直接投稿期刊的图形。当准备投稿期刊的图形、需要多面板布局配加粗面板标签、统计显著性标注、误差棒、色盲友好配色(Okabe-Ito)或特定期刊格式(Nature、Science、Cell)时使用。不涵盖底层原始绘图或单个绘图元素的细粒度控制;从零构建自定义图表或逐一调整每个 artist 与 rcParam 请优先使用 alterlab-matplotlib。属于 AlterLab Academic Skills 套件。
使用 statsmodels 在 Python 中进行统计建模——OLS/WLS/GLS、GLM、离散选择与计数模型、混合模型、ARIMA/SARIMAX/VAR,包含诊断、稳健标准误和系数级推断。适用于为计量经济学、时间序列或需要系数表与置信区间的严格推断拟合特定模型类别,或为 statsmodels 0.15 更新代码(result_object 命名为 results,rng 关键字)时。如需带 APA 报告的引导式统计检验选择,请优先使用 alterlab-statistical-analysis。属于 AlterLab Academic Skills 套件。
此技能旨在帮助用户自动从 Amazon 搜索结果中提取商品数据。当用户请求搜索与关键词相关的商品、查找特定品牌的畅销商品、监控 Amazon 上的商品价格和库存、提取商品列表用于市场研究、收集商品评分和评论数用于竞品分析、查找指定最大数量的特定商品、用不同语言搜索 Amazon 以获取本地化结果、跟踪品牌商品的月度销量预估、收集商品 URL 和标题以构建商品目录、在特定类别中扫描 Amazon 的 Best Seller 标签、监控品牌商品的配送和物流信息,或构建 Amazon 搜索结果的结构化数据集时,Agent 应主动应用此技能。
为数据库渲染一份生产就绪 GO/NO-GO 网格——运行只读审计,然后将发现映射到固定的上线清单(PITR/备份、租户表上的 RLS、FK 索引、金额用 numeric、timestamptz/UTC、连接池规模、迁移可逆性、secrets-not-in-schema、字符集/utf8mb4)。每一行带有发现 id,并标为 PASS/WARN/FAIL/NEEDS-LIVE,顶部给出通俗易懂的结论。只读。当用户询问数据库是否已可投入生产、是否可上线/发布、是一次 go/no-go,需要上线前或就绪清单,或上线前要修什么时使用。
通过 PowerShell 使用 TOM 和 ADOMD.NET 连接 Power BI Desktop 的本地 Analysis Services 实例的指南。涵盖模型枚举、DAX 查询、元数据修改、注释、日历定义、字段参数、查询跟踪、DAX 库包管理(daxlib.org),以及用于重新加载和截取报表画布的 Desktop Bridge。当用户提及 "Power BI Desktop"、"Analysis Services port"、"TOM"、"ADOMD"、"daxlib"、"DAX library"、"DAX UDF package",或要求 "connect to PBI Desktop"、"query PBI Desktop with DAX"、"modify PBI Desktop model"、"add a measure to PBI"、"capture visual queries"、"create a field parameter"、"validate DAX"、"intercept DAX queries"、"install daxlib"、"add DAX SVG"、"add IBCS"、"reload the report canvas"、"screenshot a report page"、"Desktop Bridge",或要求在 Power BI Desktop 中同时处理模型和报表时,自动调用。
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。
