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
通过 RevOS MCP 服务读取、构建和修复由指标卡片组成的 RevOS 仪表板。一张卡片代表一个指标（数值度量），按某个分段的行或卡片自身的条件计数，也可以按维度拆分。无论用户是想查看仪表板内容（“销售仪表板上有什么”“管道卡片显示什么”）、添加指标或 KPI（“把未关闭管道添加到看板”“按阶段将收入显示为环形图”）、更改、重新排序、移动或删除卡片，创建、重命名或删除仪表板，还是询问卡片为何显示“不可用”或数值看起来不对，都应使用此功能，即使他们没有提到“仪表板”或“卡片”。对 `dashboards` 或 `dashboard-cards` 执行首次 api_write 或 api_delete 前，先读取此内容。
数据可视化，涵盖图表选择、色彩理论和标注最佳实践。包括图表类型（柱状图、折线图、散点图、热力图）、坐标轴规则以及用数据讲故事。适用场景：图表、图形、仪表盘、报告、演示、信息图、数据故事。触发词：data visualization、chart、graph、data chart、bar chart、line chart、scatter plot、data viz、visualization、dashboard chart、infographic data、data presentation、chart design、plot、heatmap、pie chart alternative
使用 DataLad 和 git-annex 获取、版本管理和发布科学数据集，并通过 datalad run、rerun 和 containers-run 记录计算溯源。适用于克隆或获取 OpenNeuro、DANDI、datasets.datalad.org 或任何 DataLad 数据集中的数据；数据集中的文件显示为失效符号链接或小型指针，而非实际数据；分析需要机器可读的记录来说明各输出的生成方式，以便重新执行；或将数据集发布到多个关联位置，例如 GitHub 仓库和存储远程端。也可用于判断承载数据的仓库应使用 DataLad 还是纯 Git。
在 DFlow 上读取已知 Kalshi 预测市场的市场数据——订单簿、成交、盘口最优价格、K 线、预测百分位历史以及 Kalshi 赛中实时数据——可通过一次性 REST 快照、历史区间或实时 WebSocket 流实现。当用户提出 "show me the orderbook for X"、"get last hour of trades"、"build a live price ticker"、"stream orderbook depth"、"pull 1-minute candles for the last day"、"watch in-game scores for this sports market" 或 "alert me when the orderbook moves" 时使用。不要用于发现符合某条件的市场（使用 `dflow-kalshi-market-scanner`）、下单（使用 `dflow-kalshi-trading`）或读取用户自己的持仓/盈亏（使用 `dflow-kalshi-portfolio`）。
构建、审查、调试、配置、迁移、教学或规划 Drizzle ORM 1.0 RC（不是 0.x），涉及 kit、seed、validators 和 Effect 驱动。适用于 drizzle-orm@rc、drizzle-kit@rc、drizzle-seed@rc、defineRelations RQBv2、pgTable/mysqlTable/sqliteTable、generate migrate push pull studio、drizzle-orm/zod|valibot|typebox|arktype|effect-schema、Effect 4 上的 drizzle-orm/effect-postgres 及其他 effect-* 驱动、kit --output json/--hints/drizzle-kit/cli SDK、codecs、snakeCase、InferSelectModel 以及 0.x 到 1.0 的升级。
搜索、检索并分析 DUV Ultramarathon Statistics 数据库中的数据（statistik.d-u-v.org，超过 1,000 万条结果、超过 240 万名跑者、超过 11.5 万场赛事）。当用户询问超马成绩、跑者、比赛或排名时使用：国家、洲际和年龄组纪录及其进展、个人最佳成绩、比赛成绩和赛道纪录、比赛历史和冠军、比赛日历、IAU 锦标赛奖牌得主、正面对比、终身或年度超马里程、最年长完赛者、女子总冠军、兴奋剂案件。例如：“匈牙利 100 km 纪录”“Spartathlon 2024 成绩”“2024 年 24 小时赛女子排名”“Ultrabalaton 的赛道纪录”“2025 年谁跑的公里数最多”“比较跑者 A 和 B”。也适用于匈牙利语：“országos csúcs”“magyar rekord”“pályacsúcs”“ultrafutó eredmények”“ki futott a legtöbbet”“VB-érmesek”。不适用于 Garmin/Strava 训练数据或 ITRA 越野积分。
通过从源码编译 libredwg、将 DWG 转换为 DXF，并解析所有实体类型（测量点、公用设施结构、等高线、地块边界、施工要点、平整数据），从 AutoCAD DWG 文件中提取建筑信息。当用户上传或引用 .dwg 文件、提到 AutoCAD 图纸、Civil 3D 文件、DWG 格式的平整方案或场地平面图，或想要从 CAD 文件中提取数据时，随时使用本技能。当处理包含 .dwg 文件的项目文档时，或当用户说“读取 DWG”、“从 CAD 中提取”、“解析图纸文件”、“处理土木图纸”、“DWG 里有什么”、“从图纸中提取测量点”、“从 CAD 获取公用设施数据”时，也会触发。本技能处理从二进制 DWG 到结构化 JSON 数据的完整流程。
分析本地科学 CSV、TXT、XLS 或 XLSX 数据；推荐适合发表的图表和中国科学配色方案；冻结可复现的计划；并通过在物理 Windows 10/11 x64 上可调用的本地 Origin/OriginPro 安装自动化生成可编辑图形。适用于初学者“丢入文件就能画图”的需求；XPS、XRD、XAS、PL/TRPL、DSC、NMR、FTIR/IR、UV-Vis、电化学、医学/AI 证据、分布、关系、误差棒、条形、堆叠、饼图、Sankey、雷达、热图或已验证的 3D 工作流；项目本地 Python 环境配置；配色选择；以及 OPJU/PNG/PDF/TIF 验证。请勿在 macOS、Linux、WSL、Wine/CrossOver、Parallels 或其他虚拟机上使用；也请勿用于安装或修改 Origin、重新分发参考图像，或声称未经证实的 Origin 路径。
用于 Spring Boot 应用的 Flyway 数据库迁移。涵盖迁移脚本、版本管理、回调和回滚策略。基于 castellino 和 gestionale-presenze 项目的生产实践。使用场景：用户提到 "flyway"、"database versioning"、"Java migrations"、"Spring Boot migrations"、"V1__"、"migration checksum"。不适用于：通用迁移策略——请改用 `migrations`；Liquibase——请使用对应的工具技能；Prisma/TypeORM——请使用各自的技能。
在不同坐标约定间转换基因组区间，规范化并比较变异表示，并在组装版本或 contig 命名不匹配破坏分析前将其检测出来。适用于坐标跨越格式、工具或组装版本边界的情况：在 BED、GFF/GTF、VCF、SAM/BAM、WIG、PSL、genePred、Picard interval_list 或区域字符串之间转换；协调 0 起始半开区间与 1 起始闭区间；对插入缺失进行左对齐或裁剪；检查两条变异记录是否描述相同变化；将基因组位置映射到转录本、CDS 或蛋白质位置；审查 BED/GTF/VCF 是否违反坐标约定；或诊断 GRCh37、hg19、GRCh38、T2T、chr 前缀及 liftover 问题。触发词包括“偏移一位”“0 起始”“1 起始”“半开区间”“坐标系统”“左对齐”“规范化变异”“bcftools norm”“chr 前缀”“基因组组装版本错误”“liftover”“REF 不匹配”和“HGVS”。
全面的地球空间科学技能，涵盖遥感、GIS、空间分析、地球观测机器学习以及 30 多个科学领域。支持卫星影像处理（Sentinel、Landsat、MODIS、SAR、高光谱）、矢量和栅格数据操作、空间统计、点云处理、网络分析、云原生工作流（STAC、COG、Planetary Computer），以及 8 种编程语言（Python、R、Julia、JavaScript、C++、Java、Go、Rust）和 500 多个代码示例。用于遥感工作流、GIS 分析、空间机器学习、地球观测数据处理、地形分析、水文建模、海洋空间分析、大气科学以及任何地球空间计算任务。
本技能旨在帮助用户从 Google Maps 搜索结果中自动提取商家数据。当用户提出以下请求时，Agent 应主动应用本技能：搜索特定城市的咖啡店、查找附近的牙医或诊所、跟踪竞争对手在某一区域的位置、从 Google Maps 列表中提取销售线索、收集餐厅数据用于市场调研、查找某地区的酒店或住宿选项、定位共享办公空间或健身房等特定服务、监测社区内新开业商家、收集用于销售拓展的联系信息和地址、分析本地餐饮的价格区间和菜系、获取一批商家的评分和评论数、将本地商家数据导出到 CRM 或数据库。
使用 Apache ECharts v6 生成数据可视化图表（柱状图、折线图、面积图、饼图、环形图、散点图、雷达图、矩形树图），输出为 PNG。默认 1080×1080px，5 种样式预设，支持高亮标注。当用户说 "create a chart"、"visualize data"、"make a bar chart"、"line graph"、"pie chart"、"data visualization"、"chart this data"、"plot"、"graph" 或 "visualize these numbers" 时触发。
当用户要求创建/编辑/查询 Online 报表、SQL 报表、数据报表，或说 "创建报表"、"生成报表"、"新建报表"、"查询报表"、"online报表"、"SQL报表"、"数据报表"、"统计报表"、"create report"、"generate report"、"data report" 时使用。当用户描述报表需求，例如 "做一个销售统计报表"，提到 JeecgBoot cgreport/online report，或说 "查看现有报表" / "列出所有报表" 时也会触发。此 skill 处理 Online 报表（SQL 驱动的数据展示/报表），不处理 Online 表单（cgform）或设计器表单（desform）。
使用 `confluent-kafka-python` 搭建可投入生产的 Python Kafka 生产者和消费者，包含 Schema Registry、优雅关闭、幂等生产者、测试和完整项目结构。在询问用户之前，先通过任意已接入的 Kafka MCP 服务（Lenses MCP、Confluent 的 MCP、Aiven 的、自建的）从实时集群直接发现目标 topic、分区数和已注册的 JSON Schema。适用于用户说「构建 Python Kafka 消费者」、「用 Python 搭建 Kafka 客户端」、「给我的 Python 服务加上 Kafka」、「用 Python 从 `<topic>` 消费」或「编写 Kafka 生产者」时。不要用于 Kafka Connect 连接器、schema 演进评审或非 Python 客户端。
将 PyTorch、ONNX 或 Keras 3 / TensorFlow 2.16+ 深度学习模型导入 MATLAB，作为 dlnetwork 对象。适用于导入 .pt2 导出的程序、追踪的 .pt 文件、.onnx 模型，或通过 matlabsaver 导入 Keras 3 模型。涵盖 importNetworkFromPyTorch、importNetworkFromONNX、importNetworkFromKeras、importNetworkFromTensorFlow、torch.export.export、PyTorchInputSizes、InputDataFormats、matlabsaver、tf_keras 降级、针对 PyTorch 或 ONNX Runtime 的数值验证，以及占位/自定义层实现。当用户提到上述任何函数、文件格式，或遇到导入错误、不支持的算子警告、0 个可学习参数或未初始化的网络时适用。
使用 MPyReq，根据 GitHub 仓库或可通过 pip 安装的软件包，为 MATLAB 创建 Python 图像处理和计算机视觉模型接口。用户需要连接 MATLAB 与 Python CV／图像模型（分割、深度估计、目标检测、图像生成、超分辨率等）、提供图像／视觉模型的 GitHub 仓库 URL，或要求为深度学习视觉流水线创建 MPyReq 演示时使用。不要用于通用 Python-MATLAB 接口、非视觉模型（NLP、表格、音频）、模型部署／服务，或仅使用 MATLAB 的图像处理工作流。
通过 RevOS MCP 服务查找和探索 RevOS 指标——即应用“指标”页面所列的组织语义模型度量：有哪些指标、每项指标汇总什么以及采用何种格式、哪些表、分段和仪表板卡片使用它，以及当前指标值是多少（按某个分段或若干条件计数，也可按维度拆分）。用户询问“我们有哪些指标”“有没有胜率 / ARR / 未关闭管道指标”“这个指标在哪里使用”“EMEA 分段的未关闭管道是多少”“按阶段划分的交易金额”，或希望像仪表板卡片那样查看某个指标的值时，都应使用此功能，即使他们没有提到“指标”。要将指标添加到仪表板，请使用 dashboards 功能；它以此功能为基础。
针对 Yahoo Fantasy Baseball 2K25 联盟，对单个 MLB 球员（击球员或投手）进行深度分析。通过网页搜索 FanGraphs（ATC 预测）、Baseball Savant（xwOBA/xBA/xERA）、MLB.com（打线、预定先发）、RotoWire（天气、伤病）和 RotoBaller（终结者深度），产出信号框架中定义的完整结构化球员信号集。为击球员输出 form_score、matchup_score、opportunity_score、daily_quality、regression_index、obp_contribution、sb_opportunity、role_certainty，为投手输出 qs_probability、k_ceiling、era_whip_risk、streamability_score、two_start_bonus、save_role_certainty。适用于需要分析球员、计算 daily_quality、计算回归指数、产出球员信号、运行击球员分析、运行投手分析，或为阵容优化器准备首发/替补输入时。
使用 MLflow 跟踪机器学习实验并管理模型生命周期，涵盖 mlflow.log_param、log_metric 和 log_artifact，scikit-learn、PyTorch Lightning、XGBoost 和 HuggingFace Transformers 的自动日志记录，包含版本和阶段转换的 Model Registry，运行搜索，以及本地或云端模型服务。适用于记录训练运行的参数、指标和制品，比较不同实验的运行结果，将模型版本从 Staging 注册并晋升至 Production，为推理提供已记录的模型服务，或从 MLflow 项目复现实验。不适用于超参数扫描仪表板或通用数据版本管理；这些场景请使用专用工具。
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。