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
当用户询问以下内容时使用此技能：任何资产的价格、ticker、订单簿、K 线、OHLCV、资金费率、未平仓合约量、OI 变化扫描器、市场筛选器（涨幅领先、高交易量、新上市）、标记价格、指数价格、近期交易、交易品种列表、股票代币、金属价格（金、XAU、XAG）、大宗商品（石油、OIL）、外汇汇率（EUR/USD、EURUSDT）、债券品种、非加密资产，或任何技术指标（RSI、MACD、EMA、布林带、KDJ、SuperTrend、AHR999、BTC 彩虹图等 70 多种）。所有命令均为只读，不需要 API 凭据。账户余额/持仓（okx-cex-portfolio）、下单/撤单（okx-cex-trade）或机器人（okx-cex-bot）不要使用此技能。用户希望将方向性观点作为事件合约进行交易时也不要使用——这属于 okx-cex-trade。仅询问资产价格走势方向属于市场数据问题，应使用此技能。
'按个体参与者层级查询 1000 Genomes Project 数据集（3,202 名全基因组测序个体，GRCh38）。适用于关于 1000 Genomes Project 队列中的个体或变异的问题：哪些个体在某个基因或区域携带符合特定条件的变异；哪些个体在某个位点为纯合参考；数据集中存在哪些变异，或指定个体在某个基因或区域携带哪些变异；以及两名指定个体之间的亲缘关系。返回的变异包含 1000 Genomes 等位基因频率（AF）、gnomAD v4.1 外显子组和基因组 AF、AlphaMissense 评分及 HGVSp 注释。
将自由文本科学标签解析为本体术语 ID，并通过 EBI Ontology Lookup Service（OLS4）验证现有 CURIE。还可在 Bioregistry 中查询前缀、通过 Identifiers.org 解析紧凑标识符、使用 ZOOMA 映射实验室简称，以及构建 Ontobee 术语页面。每当需要生成或检查本体标识符时使用：为组织、细胞类型、疾病、表型、检测、化学物质、生物体、性别或发育阶段字段添加注释；准备 GEO、ENA、BioSamples、CELLxGENE、HCA 或 ISA-Tab 提交的元数据；审查包含术语 ID 的元数据表；检查术语是否已废弃及其替代术语；或判断应使用 HPO 还是 HP。触发词包括“本体术语”“本体 ID”“CURIE”“受控词表”“UBERON”“CL:”“MONDO”“HPO”“EFO”“ChEBI”“NCBITaxon”“GO term”“PATO”“Zooma”“Bioregistry”“Identifiers.org”“Ontobee”“为此组织/细胞类型/疾病添加注释”，以及任何要求输出或验证 PREFIX:0001234 这类格式标识符的请求。
指导通过 Python 客户端以及 LangChain 和 LlamaIndex 集成使用 Pinecone（一种托管式无服务器向量数据库）。涵盖创建索引、向量 upsert 和查询、元数据筛选、命名空间、稠密与稀疏混合搜索、索引管理和删除向量。适用于在托管向量存储上构建生产级 RAG 系统、无需运行基础设施即可添加语义搜索或推荐、使用命名空间隔离不同用户或租户的数据、在一次查询中结合稠密和稀疏向量，或按元数据筛选结果。不适用于可自托管或本地存储（Chroma、Weaviate）或离线相似度搜索（FAISS）。
使用 Pixeltable 构建多模态 AI 应用。一个应用文件（app.py）声明 TableModel 表和 FastAPIRouter 路由。用 pxt schema update 创建表。用 pxt service update 启动 HTTP。插入一行或 POST 来试用应用。使用计算列，而不是 LangChain、把 pandas 当存储或单独的向量数据库。适用于构建 RAG 或工具调用 Agent、处理图像/视频/音频/文档，或提供 API 服务。不要用于通用 Python 或直接的 PostgreSQL 管理。
使用 PyMC 和 ArviZ 在 Python 中构建、拟合、检查和比较贝叶斯模型。涵盖层级（多层）模型、NUTS MCMC 采样、变分推断（ADVI）、先验和后验预测检查、收敛诊断（R-hat、ESS、发散）以及 LOO/WAIC 模型比较。编写用于回归、计数或二元数据的 PyMC 模型时使用。拟合部分汇聚的层级模型时使用。诊断发散、低 ESS 或高 R-hat 时使用。使用 LOO 比较候选模型时使用。选择先验或运行先验预测检查时使用。不适用于非贝叶斯回归；请改用 statsmodels 或 scikit-learn。
使用 PyTDC 包（导入名为 tdc，Therapeutics Data Commons）通过 tdc.metadata 发现治疗相关 ML 任务，规划并加载获批数据集，应用任务感知的数据拆分（random、scaffold、cold_split、combination、time），运行评估指标，评估 admet_group 等基准组，并执行有界分子预言机评分。选择 TDC 任务或数据集、规划无需下载的拆分、使用 TDC 评估器为预测评分、运行基准组评估，或在下载前检查数据集许可证和缓存影响时使用。使用 TDC 预言机（如 QED）为分子评分时使用。不适用于通用 RDKit 化学信息学或训练分子生成器。
使用 RELSA（RELative Severity Assessment）评分和基于 ARIMA 的 foRcast 预测，对实验动物研究进行多变量严重程度评估和人道终点预测。将体重或体重减轻、体温、临床或筑巢评分、生物标志物、活动量、心率、掘洞、转轮活动等福利读数合并为每只动物每天一个严重程度评分；判断哪些动物有达到人道终点的风险，或预测何时达到；通过核密度估计定义严重程度量表上的关注／危险区域或阈值；或在 3Rs、优化、动物福利或 EU Directive 2010/63/EU 严重程度评估背景下报告严重程度时使用。涵盖方向性（“turned”变量）、基线归一化、参考集、RELSA 权重、ARIMA 预测区间以及 RMSE/PICP/MPIW 评估。
通过遍历发布分支上 `rhdh-plugin-export-overlays` 的 git 历史（自某个 revision 起），范围限定为正式可用的插件工作区，然后从 Jira RHIDP、RHDHBUGS 和 RHDHPLAN 中为每个 CVE 补充信息，生成 "RHDH CVE Management - <version>-plugins.csv" 导出文件。适用于 "为 1.10.3 生成插件 overlay CVE CSV"、"自 1.10.2 以来插件中修复了哪些 CVE" 或 "用 ProdSec 的 CVSS 分数重建插件 CVE 列表"。
Skrapp.io 平台帮助——B2B 邮箱查找与数据丰富，拥有 2 亿以上联系人和 4000 万以上公司档案。适用于找不到潜在客户的邮箱、LinkedIn 资料不显示联系信息、线索 CSV 缺少邮箱和公司信息、邮箱验证退信联系人过多、Chrome 扩展未从 LinkedIn 拉取数据，或 Skrapp API 未返回结果。请勿用于通用丰富策略（使用 /sales-enrich）、送达率/预热（使用 /sales-deliverability）或构建潜在客户列表策略（使用 /sales-prospect-list）。
通过 MCP 查询实时语义模型，直接在聊天中回答有关组织 RevOS 数据的业务问题，例如“有多少订单……”“按……划分的收入”“前 N 名……”“随时间变化的趋势……”“比较 X 和 Y……”，以及模式发现问题，如“我的语义模型中有什么”“可以查询什么”“列出立方体/数据集/字段”“描述一个立方体”；用户明确要求“查询语义模型”“运行立方体查询”“显示图表”“绘图”或“作图”时也使用。凡是原本会直接对 `cubes` 资源调用 RevOS api_read 工具的情况，都应使用此功能：它会将原始 JSON 转换为呈现的表格、适合时生成图表、查询跨多个立方体时安全选择连接路径，并提供通俗易懂的说明，而不是直接倾倒工具结果。即使问题提到特定源系统（HubSpot、Zammad、Exact Online 等），也应从语义模型回答汇总或分析问题，而不是直接使用源连接器。
使用 Python sentence-transformers（SBERT）库和预训练 Hugging Face 模型（如 all-MiniLM-L6-v2、all-mpnet-base-v2 及多语言变体）在本地生成句子、文本和图像嵌入。涵盖编码、余弦相似度、语义搜索、批量编码、微调以及 LangChain/LlamaIndex 集成。为 RAG 构建嵌入、运行语义搜索或相似度评分、聚类或分类文本、无需 API 嵌入多语言文本，或使用领域数据微调嵌入模型时使用。对于基于 API 或托管的嵌入，请改用 OpenAI 或 Cohere Embed。
当用户想解决集合覆盖问题、确定最小覆盖集合，或优化设施覆盖时使用。当用户提到 "set cover"、"minimum set cover"、"coverage optimization"、"facility coverage problem"、"service coverage"、"location set covering"、"maximal covering location problem" 或 "covering design" 时也使用。通用设施选址请见 facility-location-problem。具体应用请见 warehouse-location-optimization 或 hub-location-problem。
使用 SimPy 4.1.2 在 Python 中构建、测试和分析有界的基于过程的离散事件模拟：Environment、Timeout、Process、AnyOf/AllOf 条件、中断、Resource、PriorityResource、PreemptiveResource、Container、Store、时间加权监控和基于重复运行的输出分析，并提供捆绑的安全 CLI。使用生成器过程模拟队列、生产线、物流或服务运营；实体争用共享资源或需要抢占；正确监测队列长度或利用率；使用种子和置信区间运行独立重复；或调试事件顺序或 run(until=) 边界时使用。不适用于连续时间 ODE 或基于 Agent 的建模框架。
@DataJpaTest 需要在断言前使用 TestEntityManager + flush()/clear() —— 否则测试会读取 Hibernate L1 缓存并通过虚假断言。编写任何 JPA 测试前先阅读。触发词:@DataJpaTest、JpaRepository、TestEntityManager、@ServiceConnection、Testcontainers、@Modifying、Hibernate 6/7、@AutoConfigureTestDatabase、测试中的 flush 与 clear、测试中的 @Transactional、jakarta.persistence.EntityManager。
基于最新文档构建、审查、调试、迁移或规划 TanStack Charts Alpha（0.18.x）图表。适用于 @tanstack/charts、@tanstack/charts/react、@tanstack/charts/react-native、@tanstack/charts/scales/*、defineChart、比例尺注册表（scales.x/scales.y、命名比例尺、多轴）、svgAnimation、motion()、tooltip/portal、布局 stack/group、groupBy/binX/rollingWindow/rank/normalize/fold/waterfall/mosaic、lineY、areaY、barY（圆角）、boxY、violinY、waffleY、ridgelineY、differenceY、linearRegressionY、rect、cell、dot、hexagon、crosshair、whenFocused、decorative、facet、polar、geoShape、treemap、sunburst、sankeyDiagram、hexbin、contour、brushX、zoomX、keyedSelection、colorLegendItems、gradients、focusRing、Chart、Canvas、canvasChartRenderer、图形语法标记/通道/比例尺，以及从 Recharts、Chart.js、ECharts、Observable Plot、已归档的 react-charts、@tanstack/react-charts、@tanstack/charts-scales 或 pre-Alpha 版 TanStack Charts 0.0.x–0.15.x（根级 x/y 比例尺）的迁移。
使用 PyTorch SummaryWriter 和 TensorFlow/Keras 回调在 TensorBoard 中记录并查看 ML 训练数据：标量、图像、文本、直方图、模型图、嵌入投影器、超参数表、PR 曲线，以及 TensorFlow 或 PyTorch 分析器跟踪。训练期间绘制损失和准确率曲线、在一个仪表板中比较多次运行、检查权重和梯度分布、使用 PCA 或 t-SNE 投影嵌入、跟踪超参数实验，或查找训练循环中的性能瓶颈时使用。不适用于需要团队协作的托管实验跟踪；请使用专用跟踪服务。
使用 umap-learn（UMAP）在 Python 中降维和嵌入高维数据，包括 2D/3D 可视化、有监督和半监督 UMAP、DensMAP、AlignedUMAP、Parametric UMAP（Keras）、对新数据执行 transform() 以及逆变换。将高维数据可视化为 2D 或 3D 嵌入、为 HDBSCAN 聚类预处理特征、使用部分标签引导嵌入、对齐不同时间点或批次的嵌入，或将未见样本投影到已训练的嵌入中时使用。调整 n_neighbors、min_dist、n_components 和 metric。不适用于线性 PCA 或专门针对 t-SNE 的工作流。
使用 Vaex 处理和分析超出 RAM 容量的表格数据集。Vaex 是一个 Python 库，可通过内存映射的 HDF5 和 Arrow 文件，对 DataFrame 进行惰性、外存计算，并支持 CSV 和 Parquet 导入/导出。涵盖虚拟列、筛选、groupby 聚合、大数据热图和直方图，以及 vaex-ml 转换器、PCA 和 K-means。适用于打开或转换多 GB 的 CSV/HDF5/Arrow/Parquet 文件、对数十亿行快速统计、可视化超大数据集、构建无法装入内存的 ML 管道，或使用惰性求值和 delay=True 加速缓慢的聚合。数据能装入 RAM 时优先使用 polars；集群分布式任务则使用 dask。
使用内置 JS 签名与 Cookie/二维码登录运行独立的小红书数据工作流，适用于登录、搜索、提取、导出和创作者数据采集；当需要脱离原仓库稳定复用 Spider_XHS 核心能力，或用户明确要求下载小红书图片、视频、媒体文件并应默认走无水印下载链路时使用。Use this skill to run a standalone Xiaohongshu workflow with bundled JS signing assets and cookie or QR login for authentication, plus search, extraction, export, and creator data collection when you need Spider_XHS-derived capabilities without depending on the original repository, especially when the user asks to download XHS images, videos, or media files and the workflow should default to no-watermark downloads.
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。