Skills
收录 96,981 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
小红书账号整体诊断与竞品对标。对一个或多个小红书账号做量化体检——定位清晰度、内容垂直度、封面统一性、标题钩子率、更新节奏、互动率、爆款率、粉丝转化效率八个维度打分,定位卡点并给出可执行改动。当用户说"账号诊断""帮我看看我的号""我的号没起色/不涨粉/流量下滑""主页体检""账号定位有问题吗""竞品账号分析""对标账号拆解""这个博主为什么能起来""帮我和竞品比一比",或直接贴出小红书主页链接/主页截图要求分析时触发。支持有数据源(GUAIKEI_API_TOKEN / SOCIALDATAX_API_KEY)的量化分析和无数据源的截图定性诊断两条路径。只做分析参谋,不做发布、不刷互动、不批量起号。
小红书热点搜集与选题判断。按关键词/赛道拉取近期高互动笔记,输出热点表格、趋势判断和可直接开写的选题建议。当用户说"小红书热点""小红书最近火什么""查一下 XX 赛道的爆款""小红书选题""找小红书素材""这个词在小红书热不热""小红书热榜/热门笔记/爆款笔记""帮我看看小红书数据"时触发。也适用于用户报出一个赛道词(如"减脂餐""通勤穿搭""AI 工具")并问"能不能写"的场景。多数据源自动降级:红狐 API / socialdatax CLI / 怪壳 CLI,均未配置时走 WebSearch 手动兜底。
Spring Batch:Spring Boot 3.x 中的批处理。涵盖 Job、Step、ItemReader/Processor/Writer、chunk 处理、job 参数、重启、skip/retry、分区和监控。适用场景:用户提到“spring batch”、“批处理作业”、“ETL Spring”、“ItemReader”、“ItemWriter”、“chunk 处理”、“Spring 作业调度”。不适用于:实时处理——请使用 streaming,简单的定时任务——请改用 `spring-scheduling`
当用户想对需求不确定的库存系统建模、优化安全库存水平、实施 (s,S) 或 (Q,r) 策略,或分析不确定性下的服务水平时使用。当用户提到 "stochastic inventory"、"probabilistic inventory"、"(Q,r) policy"、"(s,S) policy"、"base stock policy"、"safety stock optimization"、"service level constraints"、"lead time demand distribution"、"fill rate calculation" 或 "inventory with demand uncertainty" 时也使用。确定性模型见 economic-order-quantity 或 lot-sizing-problems。单周期不确定性见 newsvendor-problem。
当用户想在不确定性下优化、处理概率性约束或求解随机规划问题时使用。用户提到"stochastic optimization"、"chance constraints"、"two-stage stochastic programming"、"scenario-based optimization"、"robust optimization under uncertainty"、"stochastic demand"、"uncertainty modeling" 或 "probabilistic optimization" 时也使用。关于确定性优化,见 optimization-modeling。关于鲁棒优化,见 metaheuristic-optimization。
当用户询问“调查设计”“问卷构建”“李克特量表”“问题措辞”“应答偏差”“调查工具”“Google Forms”“Qualtrics”“SurveyMonkey”“Typeform”“预测试”“调查分发”“扮演调查构建者”“调查构建者模式”“调查工具”“封闭式问题”“开放式问题”“评分量表”“语义差异”“调查流程”“跳过逻辑”“分支逻辑”“应答率”“调查疲劳”“问卷验证”“预测试调查”“在线调查”“调查分析”“Cronbach's alpha”“因子分析”“调查同意书”“人口统计学问题”,或需要在设计、构建、分发和验证调查工具方面具备专业知识时,应使用本技能。属于 AlterLab FC Skills 合集(研究方法与学术写作部门)。
本技能帮助用户使用特定 ASIN(Amazon Standard Identification Number)从 Amazon 提取结构化商品详情。适用于用户要求通过 ASIN 获取 Amazon 商品详情、用 ASIN 查询 Amazon 商品标题与价格、提取特定 ASIN 的 Amazon 商品评分与评论数、查看 Amazon 商品库存状态与当前价格、通过 ASIN 获取 Amazon 商品描述与特性、用 ASIN 为商品目录补充 Amazon 数据、监控特定 ASIN 的 Amazon 商品价格变化、获取 Amazon 商品品牌与材质信息、按 ASIN 抓取 Amazon 商品图片与规格、校验 Amazon ASIN 并获取商品元数据时。
量化交易策略自动生成工具。输入策略需求(明确或模糊)→ 深度分析 → 生成可运行的策略代码 + 回测验证 → 自动优化。 核心创新:STRATEGY_DESIGN.md 作为「系统施工图纸」,AI 生成代码时严格翻译而非自由发挥。 四种入口:(1) 明确策略需求→直接分析 (2) 模糊需求→诊断推荐→再分析 (3) 已有策略→优化迭代 (4) 大V/博主→互联网研究→提炼策略。 触发词:「量化策略」「制定策略」「写个策略」「回测」「autostrategy」「策略生成」「量化XX」「XX投资策略」「XX的投资逻辑」。 场景触发:「帮我设计一个均线交叉策略」「我想做一个A股量化策略」「这个策略回测一下」「优化这个策略的回测结果」。 适用市场:A股 / 港股 / 美股(期货、期权暂不支持,后续版本逐步加入)。 人物风格策略也触发:「写一个巴菲特投资策略」「段永平的投资逻辑量化一下」「帮我用索罗斯的反身性做个策略」。 博主策略触发:「根据XX博主的投资观点做个策略」「按XX大V的思路写个策略」「帮我量化XX的炒股方法」「XX博主的投资逻辑做策略」。
针对一组 KPI / 问题 / 目标,对 Cekura Agent 最近 N 条生产通话日志做分诊,报告命中每类失败的呼叫 ID,并附上占全部通话日志的百分比,同时把其余通话归入互斥的结果分类(例如未接听 / 已审核 / 未审核-呼叫方原因 / 未审核-Agent 问题),并给出各分类的百分比。当用户说 "flag call log failures"、"analyze the last N calls for issues"、"what % of calls have <problem>"、"which calls broke and how often"、"find failing calls"、"give me the breakdown of call outcomes"、"what % of answered calls can be improved",或粘贴 Agent / 项目 ID 并列出要度量的问题或 KPI 时使用。应用归因规则,使呼叫方侧结束和已恢复的通话不被计为 Agent 失败。这是为 `cekura-generate-scenarios` 提供输入的上游分诊步骤——它不创建场景。
在用户自己的账户下构建并部署 Goldsky Compose 的 bitcoin-oracle 示例——一个 cron 任务,从 CoinGecko 获取 BTC/USD,并通过 Compose 管理的钱包将 `(timestamp, price)` 作为 `bytes32` 值写入链上 `PriceOracle` 合约,将每个价格追加到持久化集合中。触发词:“build a bitcoin price oracle”“BTC/USD oracle onchain”“push a price feed onchain”“cron price oracle”“set up / deploy the bitcoin-oracle example”“compose price oracle”。推荐使用 Base Sepolia 上共享的完全无需许可的 oracle,这样就无需部署任何内容。从 goldsky-io/documentation-examples 搭建该示例,讲解 CLI 安装、合约选择(复用共享的 / 部署自己的)、接线、可选的 GitHub 发布,以及跟踪日志的冒烟测试。对于并非此 oracle 的自定义/全新 Compose 应用,请使用 /compose。对于调试已部署的应用,请使用 /compose-doctor。查询 manifest/CLI/API 字段时,请使用 /compose-reference。
当用户希望使用约束编程(CP)解决复杂的排程、分配或组合问题。同样适用于用户提到 "constraint programming"、"CP-SAT"、"constraint satisfaction"、"all-different constraint"、"global constraints"、"propagation"、"search strategies",或问题具有复杂逻辑约束、含析取资源的排程或分配问题时。MIP 见 optimization-modeling。元启发式见 metaheuristic-optimization。
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。
