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
在本仓库中编写或审查调用 `/v1/listen` 上 Deepgram 音频分析叠加功能的 Python 代码时使用——summarize、topics、intents、sentiment、diarize、redact、detect_language、实体检测。与普通 STT 是同一端点,但带有分析参数。涵盖 REST(`client.listen.v1.media.transcribe_url`/`transcribe_file`)以及 WSS 支持的子集(`client.listen.v1.connect`)。普通转录请使用 `deepgram-python-speech-to-text`,对已转录文本进行分析请使用 `deepgram-python-text-intelligence`。触发词包括 "diarize"、"summarize audio"、"sentiment from audio"、"redact PII"、"topic detection audio"、"audio intelligence"、"detect language audio"。
数据分析仪表盘(仪表板)开发技能。当用户需要开发数据仪表盘、创建/编辑 Dashboard 项目、构建大屏数据看板或执行仪表盘数据清洗时使用。包括仪表盘项目创建、卡片方案、数据清洗(data_cleaning.py)、卡片管理工具(create_dashboard_cards、update_dashboard_cards、delete_dashboard_cards、query_dashboard_cards)、地图下载工具(download_dashboard_maps)、仪表盘开发与验证。
使用 Electric 和 TanStack DB 添加新同步功能的端到端指南。涵盖完整流程:设计 Postgres schema、设置 REPLICA IDENTITY FULL、定义 shape、创建代理路由、使用 electricCollectionOptions 设置 TanStack DB collection、通过 txid 握手(pg_current_xact_id、awaitTxId)实现乐观变更,以及使用 useLiveQuery 构建实时查询。还涵盖从旧版 ElectricSQL 迁移(electrify/db 模式已不存在)、当前 API 模式(table 作为查询参数而非路径,handle 而非 shape_id)。从零构建新功能时加载。
在 GrowthBook 实验启动前,帮助用户设计一个结构良好的实验。当用户要求 “design an A/B test”、“set up an experiment”、“test X vs Y”、“configure an experiment” 或 “what should we measure” 时使用。产出一份完整规格 —— 假设、变体、主要指标、护栏指标、样本量 —— 可直接交接。不会在 GrowthBook 中创建实验。要启动实验,请使用 experiment-launch。要基于过往结果获取想法,请先使用 experiment-brainstorm。
使用 HasData 抓取任何公开网页,运行实时的 Google/Bing/Google-AI-Mode 搜索查询,从电商、房地产、住宿、招聘、地图、旅游、视频和社交平台提取结构化数据,或运行异步批量抓取和爬取任务,而无须管理代理、浏览器或验证码。当用户提到网页抓取、SERP/搜索结果、Google Maps/Trends/Flights/Images、YouTube 视频/文字稿/频道、Amazon、Zillow、Redfin、Airbnb、Booking.com 酒店、Yelp、Indeed、Glassdoor、Instagram、Shopify、抓取任务、网站爬取、RAG/大模型数据摄取、线索/联系人补全或 HasData 本身时,就使用此技能。
JeecgBoot 系统主数据查询与管理。当用户要求查询/创建/管理系统主数据,或说 "查询角色"、"查询用户"、"查询部门"、"查询字典"、"创建字典"、"创建角色"、"查岗位"、"查职务"、"查租户"、"查数据源"、"查定时任务"、"系统主数据"、"query roles"、"query users"、"query depts"、"create dict"、"create role"、"master data" 时使用。当其他技能(desform、bpmn、codegen)需要查找或创建角色、用户、部门、字典或岗位作为依赖时也会触发——遵循「先查后建」原则。
Light 科研主线 stage 6:将冻结的 question/estimand、experiment matrix、pre-registration 和 data lineage 落实为最小可运行、测试先行、无泄漏、可复现且可交接给 result-analysis 的实验代码。用于实现或复现训练/预处理/评测;设计 gold/property/metamorphic 测试;控制 Python/NumPy/框架/CUDA/DataLoader 的随机性;审查 train/test 或 CV fit 穿越;记录 config/code/environment/input hashes、stdout/stderr、raw metrics、patient/entity predictions 和 failure artifacts;以及运行 stage-6 checkpoint。数据泄漏或不可复现属于严重问题;静态扫描和使用相同 seed 运行两次,都不能证明跨硬件绝对复现。
务必在以下情况使用:创建/编辑 marimo notebook、处理任何包含 @app.cell 装饰器的 .py 文件、构建反应式 Python notebook、以 notebook 形式进行探索性数据分析、将 Jupyter(.ipynb)转换为 marimo,或用户提到 "marimo"、"reactive notebook",或要求交互式 Python notebook 时。涵盖 marimo CLI(edit、run、convert、export)、UI 组件(mo.ui.*)、布局函数、SQL 集成、缓存、状态管理以及 wigglystuff 组件。如果任务涉及 notebook 和 Python,请先调用此技能。
使用 Python 进行 PostgreSQL 开发,涵盖全文搜索 (tsvector、tsquery、通过 pg_search 实现 BM25)、向量相似度 (带 HNSW/IVFFlat 的 pgvector)、JSONB 与数组索引以及生产部署。适用于创建搜索功能、存储 AI 嵌入、查询向量相似度、优化 PostgreSQL 索引,或部署到 AWS RDS/Aurora、GCP Cloud SQL/AlloyDB、Azure 时。涵盖 psycopg2、psycopg3、asyncpg、SQLAlchemy 集成、Docker 开发环境以及索引选择策略。触发词为 "PostgreSQL search"、"pgvector"、"BM25 postgres"、"JSONB index"、"psycopg"、"asyncpg"、"PostgreSQL Docker"、"AlloyDB vector"。不涵盖 — DBA 管理 (备份、复制、用户)、MySQL/MongoDB/Redis、模式设计理论、存储过程。
财报排雷工具(Financial Report Minesweeper)。使用唐朝的清单方法论分析 A 股年报中的造假/风险信号。以股票代码或名称为输入,通过 Tushare API 获取结构化财务数据,可选下载年报 PDF,并运行系统的 7 层、28 条风险检测规则清单。输出带每条规则结论(PASS/WARN/FAIL/SKIP)和总体风险评级的格式化清单报告。使用场景:用户要求分析某只股票的危险信号、检查财报造假信号、运行财报排雷,或筛选某只股票的财务风险。触发词:排雷、minesweeper、财报分析、财务造假检测、red flag analysis。
从社交媒体数据导出(Twitter/X、LinkedIn、Instagram)生成丰富的性格画像。当用户希望分析其社交媒体表现、为 AI 个性化创建性格画像、理解其沟通模式,或从数字足迹中提取洞察时使用。触发于诸如 "analyze my Twitter data"、"create a personality profile"、"what can you learn about me from my posts"、"personalize an AI for me" 的请求,或当用户提供社交媒体导出文件时。
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。
