Skills
收录 96,770 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
当用户想要一个自主的 ML 研究循环，广泛探索整个空间而不是对单一方法做爬山优化时使用。温度调度器取代了通常的假设步骤：它会在早期强制进行几次大胆、多样的跳跃（完全重写、不同的架构/范式），然后进入自适应阶段，每次迭代选择 swing / merge / exploit——并带有严格的停滞保护，一旦小步 exploit 运行过久就禁止继续，强制转向 swing 或 merge。跟踪一个 approaches.md 注册表和每次迭代的 move_type；在下一步之前分析每次运行。每次迭代只做一处更改；永远循环直到被中断。不适用于标准的分析优先的 ml-autoresearch（其仅让分析选择每次更改）、一次性训练运行或扫描。
通过 InfraNodus MCP server 进行文本网络分析与知识图谱：分析文本结构、发现内容缺口、生成研究问题与想法、比较文本、为 SEO/GEO 优化内容、分析 Google 搜索结果、GraphRAG 检索、结构化记忆。接受文本、URL（含 YouTube 转写）以及已保存的图谱。还可构建代码仓库与 Obsidian vault 的知识图谱：在项目文件夹中调用（"graph this repo"、"analyze this vault"、"/infranodus"），它会挖掘文档、PDF 文本、docstring、WHY/NOTE 注释以及 commit/PR/issue 历史，生成带报告的已保存图谱，并通过就地替换已变更文件的陈述来保持其最新。当项目根目录存在 infranodus/manifest.json 时，先查询已有的图谱来回答关于主题、决策、理由或缺口的问题，再读取文件。对于由来源（wiki 页面、精选本体）构建、由 LLM 编写的知识库，优先使用 llm-wiki skill。
通过分析 Epiphan 的优质客户（实时来自 HubSpot + customer-orders MCP），从企业规模/技术/增长维度推导 ICP，并对 100 多家净新相似公司进行 0-100 评分，从而构建分层目标客户名单。每个浮现出的公司都要经 Golden Rules + qualify_lead 把关，以排除现有客户/渠道/AE 负责的客户。适用于："find companies like [customers]"、"build a lookalike list"、"who else looks like [account]"、"lookalike target account list"、"companies similar to our best customers"、"expand into [vertical]"、拓展到新垂直领域。不适用于时机信号（intent-signal-aggregator-skill）或单个联系人查找（contact-hunter-skill）。
加密市场结构研究 Agent——涵盖衍生品、期权（gamma wall、skew）、链上（MVRV、smart money 信号、DEX 热门代币）和宏观情绪在内的 24+ 指标。由 OKX CeFi CLI + OnchainOS + 针对期权链的直接 HTTP 驱动。当用户询问以下内容时随时使用本技能：衍生品数据、gamma wall、期权 skew、资金费率、未平仓合约、看跌/看涨比、MVRV、成本基础、实现价格、交易所流量、CEX 流入/流出、清算压力、巨鲸追踪、smart money 流向、恐惧/贪婪指数、BTC 主导地位、稳定币流向、吃单量、基差/贴水，或任何类似请求，如 "what does the market structure look like"、"give me a macro overview"、"how are derivatives positioned"、"is the market overleveraged"、"should I be bullish or bearish based on data"、"are whales accumulating or distributing"、"show me exchange flows"。当用户提及特定代币并希望获得超出简单价格走势的深入分析时也会触发——例如 "what's going on with ETH right now"、"is BTC about to move"、"analyze SOL market conditions"。
在 MATLAB 中端到端分类表格数据：加载数据集、准备并清理数据、选择有前景的分类器、训练并通过交叉验证、留出法或超参数优化结合统计检验比较准确率。触发条件：用户要求分类表格数据、为数据集选择分类器、比较分类器准确率、进行交叉验证或留出评估，或在考虑统计不确定性的情况下寻找最佳模型。不触发条件：用户输入非表格数据（图像、序列、时间序列）、需要回归模型、正在训练特定神经网络架构（使用 matlab-train-network），或需要代价敏感学习或任意类别先验向量（此技能仅支持用于不平衡数据的内置均匀先验切换）。
通过 Claude-in-Chrome 浏览器自动化，从已认证的 Yahoo 球队页面解析 Yahoo Fantasy Baseball 联盟状态（阵容、排名、当前对阵、剩余 FAAB、自由球员），然后对照 league-config.md 和 team-profile.md 进行校准，输出一个规范化的联盟状态包，供其他每个 Agent 使用而无需重新抓取。当教练或任何下游 Agent 需要读取 Yahoo 阵容、刷新球队档案、拉取联盟状态、获取当前对阵、检查剩余 FAAB、列出自由球员时，或当用户提到 "what's on my roster"、"who am I playing this week"、"how much FAAB do I have left" 或 "refresh my team" 时使用。
指导 MongoDB 用户实现和优化 Atlas Search（全文搜索）、Vector Search（语义搜索）和 Hybrid Search 方案。当用户需要为文本查询构建搜索功能（自动补全、模糊匹配、分面搜索）、语义相似度（嵌入、RAG 应用）或组合方案时使用此技能。当用户需要文本包含、子串匹配（'contains'、'includes'、'appears in'）、不区分大小写或多字段文本搜索，或以多种字段组合进行过滤时，也可使用。此外还提供选择合适搜索类型、创建索引、构建查询以及使用 MongoDB MCP 服务优化性能的工作流。
在 n8n 中正确处理文件和二进制数据。适用于处理文件、图片、PDF、附件、上传或下载、base64、视觉/多模态输入，或 AI Agent 需要将文件用作工具输入或输出的场景；也适用于用户提到 $binary、binaryPropertyName、“读取 PDF”“附加文件”“发送图片”、Merge 丢失二进制数据，或聊天图片 CDN 的情况。涵盖 $binary 与 $json 的区别、二进制数据的读写、通过 Merge 在转换过程中保留二进制数据、Agent 与工具之间的二进制数据边界，以及聊天界面对 CDN/URL 的要求。
用于 OTel Collector 管线的 OpenTelemetry Transformation Language（OTTL）。在任意 collector 配置中编写或调试 transform processor、filter processor 或 routing connector 里的 OTTL 语句时使用——上下文选择、路径表达式错误（`attributes` 与 `resource.attributes`）、`error_mode`、使用 `keep_keys` 降低基数、用 `ParseJSON` 处理 JSON 正文、用 `SHA256` / `replace_pattern` 进行 PII 脱敏，以及 span 命名。不适用于 receiver/exporter 连接性、DNS、管线接线或始终无法到达该 processor 的遥测数据——那些是基础设施问题，而非 OTTL 问题。
PyGraphistry 可视化：绑定、颜色/大小/图标编码、布局控制、静态导出，以及隐私安全的链接分享。当被要求 “color nodes by type”、“set point size”、“add icons to nodes”、“layout my graph”、“export graph as PNG”、“share a graphistry link privately” 或 “url_params” 时使用。也会在 “encode_point_color”、“bind(point_label=...)”、“settings(url_params=...)”、“badge”、“static graph image” 或 “iframe embed” 时触发。当用户已有可用的图表但想要自定义其外观或控制链接分享与隐私时，主动建议使用。
一站式 Redis 专业知识，涵盖数据建模与键命名、客户端连接（连接池、流水线、客户端缓存、超时）、集群与复制、Redis Search（FT.CREATE、向量与混合搜索、RAG 流水线）、可观测性与事故排查、生产安全加固、通过 LangCache 实现 LLM 响应的语义缓存，以及通过 Redis Iris 实现 Agent 记忆（会话事件、长期记忆、后台提升）。凡是设计、编写、审查或调试任何涉及 Redis 的内容时使用：选择数据结构、命名键、配置客户端、跨集群分片、构建或调优搜索索引、监控或诊断性能、加固部署、缓存 LLM 补全，或为 AI Agent 接入持久记忆——都合并为一个技能，以便自动加载正确的领域，而无需在多个技能中做选择。
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。