Skills

T

tao-train-single-step

promptingcompany / nv-skills

适用于任何 TAO 模型的标准单步训练／评估／导出工作流。在数据集上训练 TAO 模型时使用。

T

tao-train-sparse4d

promptingcompany / nv-skills

用于多摄像头时序 3D 目标检测和跟踪的 Sparse4D。使用稀疏查询和可变形

T

tao-train-visual-changenet

promptingcompany / nv-skills

用于 AOI 缺陷检测中二分类图像分类和分割的 Visual ChangeNet。训练时使用，

T

tao-validate-dataset-format

promptingcompany / nv-skills

运行 `tao-daft validate`，检查 NVIDIA TAO DAFT 数据集的结构、架构和交叉引用错误。请……

T

tapform

membranedev / application-skills

Tapform 集成。管理 Organizations、Pipelines、Users、Goals、Filters。当用户希望与 Tapform 数据交互时使用。

T

tavily

itechmeat / llm-code

面向大模型应用的 Tavily AI 搜索 API：网页搜索、内容提取、站点抓取、映射和研究。在将实时网页搜索集成到大模型应用、从 URL 提取内容、抓取站点，或用网页数据构建 RAG 流水线时使用。关键词：Tavily、AI search、RAG、web search API、LLM search、extract、crawl、map、research、tavily-python。

使用 Tavily API 进行网页搜索、内容提取、爬取和研究

T

tcga-bulk-data-preprocessing-with-omicverse

omicverse / omicverse

使用 pyTCGA 进行 TCGA bulk RNA-seq 预处理：GDC 样本表、表达数据归档、临床元数据、Kaplan-Meier 生存分析，以及带注释的 AnnData 导出。

生成并获取用于计费、分析和对账的使用报告。此技能提供 Java SDK 示例。

访问 Telnyx LLM 推理 API、嵌入和 AI 分析，用于通话洞察与摘要。此技能提供 Java SDK 示例。

查询电话号码信息（运营商、类型、来电者姓名），并通过 SMS/语音 OTP 验证用户。用于电话验证和数据丰富。此技能提供 Java SDK 示例。

T

torchdrug

jackspace / claudeskillz

基于图的药物发现工具包。用于分子性质预测（ADMET）、蛋白质建模、知识图谱推理、分子生成、逆合成、GNN（GIN、GAT、SchNet）和 40 多个数据集，支持基于 PyTorch 对分子、蛋白质和生物医学图进行机器学习。

T

transcendence-memory

leekkk2 / transcendence-memory

当用户提到记忆搜索、RAG 检索、知识查询、嵌入重建、文档上传、连接令牌，或调用 "/tm" / "transcendence-memory" 时使用——包括诸如 "what did we decide last time"、"上次怎么处理的"、"之前的方案" 这类间接回忆。涵盖针对可自托管记忆后端的搜索、存储、多模态 RAG 查询以及故障排查。

U

umami

martinhjartmyr / skills

从 Umami 获取分析数据。当用户询问 umami、分析、网站流量、每日统计、页面浏览量、访客、我的网站表现如何、流量报告、网站性能、跳出率、访客数、活跃用户、谁在访问我的网站或网站统计数据时使用。

U

uniprot

adaptyvbio / protein-design-skills

访问 UniProt 以获取蛋白质序列和注释。在以下情况使用此技能：(1) 通过登录号查找蛋白质序列，(2) 查找功能注释，(3) 获取结构域边界，(4) 查找同源物和变异体，(5) 交叉引用到 PDB 结构。结构检索请使用 pdb。序列设计请使用 proteinmpnn。

U

user-research-repository-review

sylphxai / skills

设计并审计用户研究库，把访谈、问卷、可用性测试、支持工单、销售通话、流失原因、应用评论和产品分析，转化为已打标签、符合同意要求、与决策挂钩的证据。适用于产品团队需要可复用的洞察、而非零散轶事时。

V

vss-ask-video

promptingcompany / nv-skills

使用此技能，通过 VSS Agent 的 video_understanding 工具，就录制片段提出新的视觉问题。不适用于先前的工具输出、搜索结果或可通过元数据回答的问题。

V

vss-deploy-video-embedding

promptingcompany / nv-skills

部署、运行或集成 VSS 3.2 GA RT-Embed Video Embedding 微服务时使用此技能。涵盖通过 Docker Compose 启动、GPU 和存储前置条件、`/v1` REST API（文件上传、文本和视频嵌入、实时 RTSP 流、健康状态和指标）、Redis/Kafka/OTel 集成、常见故障及拆除

V

vss-generate-video-report

promptingcompany / nv-skills

在生成 VSS 分析报告时使用——模式 A 为逐片段 VLM，模式 B 为通过 video-analytics 的事件范围。不适用于独立的视频摘要、实时告警或临时问答。

V

vss-manage-video-io-storage

promptingcompany / nv-skills

用于调用 VIOS REST API（传感器列表、时间线、片段提取、快照、添加/删除传感器和流）。不用于 VLM 推理或搜索。

V

vss-query-analytics

promptingcompany / nv-skills

通过 VA-MCP 服务（端口 9901）读取视频分析指标、事件、告警和传感器数据时使用此 skill。不用于实时 VLM 或事件时间范围叙述报告。

V

vss-search-archive

promptingcompany / nv-skills

用于对归档视频运行顶层 VSS 融合搜索，或导入视频文件 / RTSP 流以进行搜索。请勿用于临时视觉问答（使用 vss-ask-video）、实时字幕（使用 vss-deploy-dense-captioning）或视频摘要与报告（使用 vss-summarize-video）。

V

vss-setup-behavior-analytics

promptingcompany / nv-skills

用于独立部署 vss-behavior-analytics 服务（entrypoint、config-source、可选校准）。不适用于完整的数据仓库部署。

W

web

cascade-protocol / agentbox

通过付费 API 进行网页抓取和搜索：以级联升级方式抓取任意 URL（快速 HTTP -> 浏览器 -> 隐身+代理）、批量抓取多个 URL，并通过 Exa 搜索网络。使用 x_payment 工具自动进行 USDC 微支付（$0.005/次抓取，$0.01/次搜索）。当内置 web_fetch 失败或被拦截时用作升级手段。使用场景：(1) web_fetch 返回空内容或被拦截，(2) 抓取 JS 渲染或反爬保护的页面，(3) 批量抓取多个 URL，(4) 通过 Exa 按查询搜索网络。

X

xlsx

w95 / awesome-claude-corporate-skills

只要电子表格文件是主要输入或输出，就使用此技能。这包括用户想要打开、读取、编辑或修复现有的 .xlsx、.xlsm、.csv 或 .tsv 文件（例如添加列、计算公式、设置格式、制作图表、清理杂乱数据）；从头开始或基于其他数据源创建电子表格；或在表格文件格式之间进行转换。尤其是用户提到电子表格的文件名或路径（即使只是随口说“下载文件夹里的 xlsx”），并希望对其进行处理或生成文件时，也应触发此技能。将格式错误的行、错位的表头、无用数据等杂乱表格数据清理或重组为规范电子表格时也应触发。交付内容必须是电子表格文件。若主要交付物是 Word 文档、HTML 报告、独立 Python 脚本、数据库管道或 Google Sheets API 集成，即使涉及表格数据，也不要触发。

用于从网页获取和提取数据的网页抓取工具

A

a-b-test-config-creator

jeremylongshore / tons-of-skills-marketplace

'Create a b test config creator operations. Auto-activating skill for

A

airflow-dag-generator

jeremylongshore / tons-of-skills-marketplace

生成 airflow dag generator 操作。自动激活技能，用于

A

alembic-patterns

majesticlabs-dev / majestic-marketplace

面向 Python 应用的 Alembic 数据库迁移——初始化、自动生成、手动迁移与安全部署模式。

A

algo-forecast-ensemble

asgard-ai-platform / skills

将多个预测模型组合成集成预测，以提高准确度。当用户需要提升预测可靠性、组合 ARIMA/Prophet/ETS 的输出，或构建稳健的预测流水线时使用此 skill——即便他们说"组合预测"、"模型平均"或"该信哪个预测"。

A

alibabacloud-loongcollector-ops

aliyun / alibabacloud-aiops-skills

阿里云 LoongCollector / SLS 安装、采集接入、Pipeline 配置管理与校验、机器组、权限排查，以及 Lens 查询。硬性规则：对于匹配的请求，第一个工具必须先加载本 skill，然后才能进行任何 SSH 探测、目录设置、清单/文件写入或云端读取。触发词：“安装 LoongCollector”、“ECS 安装采集器”、“自建 Linux 主机安装 LoongCollector”、“ACK 安装 loongcollector”、“自建 K8s 部署采集”、“从安装到能查到日志”、“SLS 日志采集接入”、“SLS 日志采集接入相关的事”、“修改采集配置”、“改采集配置”、“采集配置校验”、“validate_pipeline.py”、“SLS 机器组”、“新建 Logtail Pipeline 采集配置”、“Logtail Pipeline”、“ClusterAliyunPipelineConfig”、“SLS Lens 查询”、“无数据排查”、“心跳异常”、“SLS 采集权限排查”、“SLS 权限排查”、“阿里云 CLI 凭证没有 SLS 操作权限”、“Logtail”、“iLogtail”、“AgentSight”、“Agentloop”、“input_agentsight”、“eBPF Runtime”、“ebpf-event”。

已弃用的兼容性重定向，用于 Aurora DSQL 相关指引。当请求涉及 DSQL、Aurora DSQL、分布式 SQL、DSQL 模式、迁移、查询、认证、性能或应用开发时使用。

A

api-database-redis

agents-inc / skills

使用 ioredis 和 node-redis 的 Redis 内存数据存储模式 —— 缓存、会话、限流、发布/订阅、流、队列、事务、集群

A

api-database-upstash

agents-inc / skills

Upstash 无服务器 Redis —— 基于 REST 的客户端、自动序列化、pipeline、限流、QStash、边缘兼容性、全局复制

A

app-studio-pro-code

stahura / domo-ai-vibe-rules

在 Domo App Studio 页面中构建并嵌入专业代码 JavaScript 自定义应用。衔接自定义应用构建流水线（basic-custom-app-build、domo-app-theme）与 App Studio 布局（basic-app-studio、advanced-app-studio）。涵盖原生卡片与专业代码应用之间的决策路由、与设计技能的构建协调、画布集成、页面级筛选器传播（domo.onFiltersUpdated）、App Studio 变量集成（domo.onVariablesUpdated、domo.requestVariablesUpdate）以及变量状态管理的 pending/commit 模式。当可视化或交互超出原生卡片能力、用户提到专业代码编辑器或将自定义应用嵌入 App Studio 时使用。

A

architecture-diagrams

microsoft / hve-core

为云基础设施和已声明的数据目录编写架构图。将 Azure IaC 或 DS_CATALOG_V1 关系渲染为调用方选择的 ASCII 或 Mermaid 图表时使用。

A

archs4-database

jaechang-hits / sciagent-skills

通过 ARCHS4 REST API 查询经过统一处理的 RNA-seq 表达数据、组织模式，以及超过 100 万个人类/小鼠样本中的共表达数据。获取 z-score、共表达基因、按元数据筛选的样本和 HDF5 矩阵。查询变异群体遗传学请使用 gnomad-database；查询通路富集请使用 gget-genomic-databases（Enrichr）。

A

atai-newton-omega-model-data-prep

archetypeai / agent-skills

在使用 Omega 模型进行嵌入前，清理、拆分多变量时间序列数据并提取特征。包含三个可复用构建模块：`DataPreprocessor`（诊断时间戳规律性、间隔和空值；通过填补构建连续且考虑间隔的时间块）、`DataSplitter`（遵循时间顺序的时间外或随机训练/测试集拆分）和 `FeaturePreparer`（将每个传感器的嵌入透视为“联合状态”（X、y、元数据）矩阵，可选 L2 / 标准化 / PCA）。当用户为 Omega 模型（`atai-newton-omega-model`）准备原始传感器 CSV、训练数据存在间隔且不确定是丢弃、填补还是拆分，或 n-shot CSV 看起来杂乱并希望采用有原则的清理流程时，使用此技能。不要使用此技能运行推理或生成嵌入（使用 `atai-newton-omega-model`）。不要用于视频、图像或文本数据（使用 `atai-newton-fusion-model`），仅限时间序列。

A

audit-db-schema

kensaurus / skills

审计数据库 schema 的一致性、约束、命名、索引和迁移。在审查 schema 设计时使用。破坏性操作门禁 → plan-data-integrity。RLS → plan-rls-audit。恢复/RPO → plan-backup-dr。

自动化财务与业务数据分析，深度挖掘数据价值，生成专业报表。激活场景：用户提供财务报表（利润表、资产负债表、现金流量表）、业务数据（销售数据、运营数据、客户数据、成本数据），或要求进行数据分析、数据挖掘、报表生成、KPI 计算、趋势分析、差异分析、同比环比分析、多维分析、数据清洗。触发关键词：分析数据、财务分析、业务分析、做报表、数据挖掘、看看数据、分析一下、出报告、KPI、趋势、同比、环比、差异分析、数据质量、收入分析、成本分析、客户分析、运营分析。

B

bigquery-api

anthropics / claude-tag-plugins

对 Google BigQuery 运行 SQL 并浏览其目录——提交查询（同步或异步）、轮询作业状态、分页获取结果、列出数据集/表，以及读取表结构。当用户想要查询 BigQuery 表、问"这个数据集里有什么"、查看 BigQuery 作业状态，或提到 bigquery.googleapis.com 或 `project.dataset.table` 路径时使用。与该服务交互时始终从这个 skill 开始——它自带的脚本和配方是最快的路径。

C

cdata-driver-cli

justinf-cdata / cdata-skills

当用户想要通过命令行使用 CData 驱动连接、查询或探索数据源时使用。包括：创建或测试与企业系统（Salesforce、NetSuite、Snowflake、SQL Server、Jira 等）的连接；对已连接的数据运行 SQL 查询；探索 schema（列出表、列或存储过程）；执行数据源专属的存储过程；以及下载、安装或激活 CData 驱动。它是所有驱动层面的 cdata- 技能（cdata-salesforce、cdata-airtable 等）的前置基础，这些技能会补充数据源专属的指导。

C

classification-policy

mukul975 / privacy-data-protection-skills

制定数据分类政策，包含分层处理（公开、内部、机密、受限）、标签要求、执行机制以及各层的处理流程。涵盖政策治理、例外处理和合规监控。关键词：分类政策、数据层级、处理流程、标签、执行、数据治理、信息安全。

C

clickhouse-io

xu-xiang / everything-claude-code-zh

ClickHouse 数据库模式、查询优化、分析以及高性能分析负载的数据工程最佳实践。

C

clinical-decision-support

crazymsn / academic-skills

为制药和临床研究场景生成专业的临床决策支持（CDS）文档，包括患者队列分析（按生物标志物分层并分析结局）和治疗建议报告（基于证据的指南及决策算法）。支持 GRADE 证据分级、统计分析（风险比、生存曲线、瀑布图）、生物标志物整合和法规合规。输出适用于药物开发、临床研究和证据综合的出版级 LaTeX/PDF 格式

C

clinpgx-database

jackspace / claudeskillz

访问 ClinPGx 药物基因组学数据（PharmGKB 的后继项目）。查询基因-药物相互作用、CPIC 指南和等位基因功能，用于精准医疗和基因型指导的剂量决策。

C

cloudflare-vectorize

jackspace / claudeskillz

Cloudflare Vectorize，用于 Workers 上的语义搜索、RAG 和 AI 应用的全球分布式向量数据库。涵盖使用固定维度和距离度量（cosine、euclidean、dot-product）创建索引，向量操作 insert/upsert/query/delete/list，元数据和命名空间过滤，topK 搜索，文档分块与批量摄取流水线，以及通过 Workers AI（@cf/baai/bge-base-en-v1.5）或 OpenAI（text-embedding-3-small/large）生成嵌入。在创建 Vectorize 索引、配置 vectorize 绑定、插入嵌入、构建 RAG 或语义搜索流水线、运行 wrangler vectorize 命令，或调试元数据索引时序错误、维度不匹配、过滤语法问题或 insert 与 upsert 混淆时使用。

C

contentsquare-ios-sdk

contentsquare / agents

集成或升级 Contentsquare iOS SDK（当前版本 1.11.x），涵盖 Session Replay、屏幕跟踪、交易、分析、屏蔽和隐私加入/退出。任何其他工作开始前，必须先进行 Contentsquare 项目健康检查（询问数据源 ID 或解析应用 bundle id、调用健康检查端点并报告项目状态）。适用于使用 Contentsquare、CSQ、CSQ.start、CSQ.trackScreenview、CSQ.optIn、CSQ.registerWebView、WKWebView 跟踪，或从 SDK 1.0–1.6 / `configureProductAnalytics` 迁移到 `CSQ.start(environmentID:options:)`。

C

convex-schema-validators

op0ai / claude-skills

Convex schema 设计、验证器和 TypeScript 类型指南。适用于定义数据库 schema、为函数参数/返回值创建验证器、处理文档类型或确保类型安全时。以下情况会触发：创建 schema.ts、使用验证器、处理 Id/Doc 类型或进行 TypeScript 集成任务。

D

data-client-schema

reactive / data-client

使用 @data-client schema（Entity、EntityMixin、Collection、Union、Query、Values、All、Invalidate、Lazy、Scalar）为数据建模，通过归一化、基于身份的缓存和单一数据源，实现原子、一致、引用相等的异步数据。在定义或编辑 pk、static schema、resource()/RestEndpoint schema、可变列表/映射（push/unshift/assign/remove/move）、多态/可辨识类型、记忆化选择器/派生数据、部分/补充实体、关系型/嵌套/连接数据、乐观更新，或跨 @data-client/rest、/endpoint、/graphql、/normalizr 进行缓存失效时使用。在讨论数据模型、远程数据形态、缓存、归一化、身份、连接、多态、可变集合或存储一致性时主动应用。

D

data-residency-region-review

sylphxai / skills

设计与审计数据驻留和区域运营模型，涵盖客户区域承诺、数据分类、存储、处理、备份、日志、分析、搜索、AI 提供商、子处理者、支持/管理员访问、复制、故障转移、删除、迁移、合同和证明。适用于客户或监管机构需要明确数据存储与流动位置时。

D

data-sleuth

petekp / agent-skills

使用调查式数据分析技术，识别数据集中不明显的信号、隐藏模式和巧妙的关联。适用于分析社交媒体导出数据、用户数据、行为数据集或任何希望获得更深层洞察的结构化数据。与 personality-profiler 搭配可增强信号提取。触发条件包括“你看到了哪些模式”“找出隐藏信号”“关联这些数据集”“我在这份数据中遗漏了什么”“跨数据集分析”“找出不明显的洞察”等请求，或当用户想要超越表面分析时。当你在任何数据分析任务中注意到有趣的异常或关联时，也可主动使用。

D

data-visualization

w95 / awesome-claude-corporate-skills

使用 Python（matplotlib、seaborn、plotly）创建有效的数据可视化。用于制作图表、为数据集选择合适的图表类型、创建出版级图形，或应用无障碍设计和色彩理论等设计原则。

D

data912-market-data

ferminrp / agent-skills

查询 Data912 面向阿根廷和美国金融工具的市场数据端点。当用户要求 MEP/CCL 报价、实时阿根廷市场面板（股票、期权、cedears、票据、公司债、债券）、美国面板（ADR、股票）、按 ticker 的 OHLC 历史序列、美国期权链，或波动率/风险指标时使用。当用户提到 "Data912"、"mep"、"ccl"、"cedears"、"option chain"、"historical bars"、"OHLC"、"implied volatility"、"historical volatility" 或 "volatility percentiles" 并期望获得 API 支持的市场快照时也使用。

D

database-design

dauquangthanh / hanoi-rainbow

设计全面的数据库架构，包括关系型和 NoSQL 模型、规范化、索引策略、关系建模、数据类型、约束和性能优化。涵盖实体关系图、架构迁移、分区，以及 PostgreSQL、MySQL、MongoDB 和其他数据库的最佳实践。用于数据库设计、创建架构、数据建模、查询优化，或用户提到“数据库设计”“架构设计”“数据建模”“ERD”“规范化”“索引”或“数据库架构”时。

D

database-lookup

crazymsn / academic-skills

通过 REST API 检索 78 个公开的科学、生物医学、材料科学和经济数据库。涵盖物理/天文（NASA、NIST、SDSS、SIMBAD）、地球/环境（USGS、NOAA、EPA）、化学/药物（PubChem、ChEMBL、DrugBank、FDA、KEGG、ZINC、BindingDB）、材料（Materials Project、COD）、生物/基因组学（Reactome、UniProt、STRING、Ensembl、NCBI Gene、GEO、GTEx、PDB、AlphaFold、InterPro、BioGRID、Gene Ontology、dbSNP、gnomAD、ENCODE、Human Protein Atlas、Human Cell Atlas）、疾病/临床（COSMIC、Open Targets、ClinicalTrials.gov、OMIM、ClinVar、GDC/TCGA、cBioPortal、DisGeNET、GWAS Catalog）、监管（FDA、USPTO、SEC EDGAR）、经济/金融（FRED、World Bank、US Treasury）、人口统计（US Census、Eurostat、WHO）。在查询化合物、基因、蛋白质、通路、变异、临床试验、专利、经济指标，或任何公开数据库 API 查询时使用。

D

database-migrations

xu-xiang / everything-claude-code-zh

跨 PostgreSQL、MySQL 及常用 ORM（Prisma、Drizzle、Django、TypeORM、golang-migrate）的模式变更（schema changes）、数据迁移、回滚及零停机部署（zero-downtime deployments）的数据库迁移最佳实践。

D

databases

samhvw8 / dotfiles

MongoDB 和 PostgreSQL 数据库管理。数据库：MongoDB（文档存储、聚合、Atlas）、PostgreSQL（关系型、SQL、psql）。能力：schema 设计、查询优化、索引、迁移、复制、分片、备份/恢复、用户管理、性能分析。操作：design、query、optimize、migrate、backup、restore、index、shard databases。关键词：MongoDB、PostgreSQL、SQL、NoSQL、BSON、aggregation pipeline、Atlas、psql、pgAdmin、schema design、index、query optimization、EXPLAIN、replication、sharding、backup、restore、migration、ORM、Prisma、Mongoose、connection pooling、transactions、ACID。适用场景：设计数据库 schema、编写复杂查询、优化查询性能、创建索引、执行迁移、设置复制、实施备份策略、管理数据库权限、排查慢查询。

D

deepchem

jackspace / claudeskillz

分子机器学习工具包。用于性质预测（ADMET、毒性）、GNN（GCN、MPNN）、MoleculeNet 基准测试、预训练模型和特征化，适用于药物发现机器学习。

D

di-agent-query-substrait

ibm / ibm-watsonx-data-integration-skills

当用户要求生成 Substrait 查询计划、从自然语言创建 Substrait 计划、将数据查询转换为 Substrait JSON、编写 Substrait DSL 管道、把数据请求转换为查询计划，或处理 JSONL 数据集中的一个测试条目时使用。涵盖编写 DSL 代码、调用 MCP 工具（compile_substrait_dsl、get_substrait_dsl_examples、load_test_entry）以及在编译错误时自我纠正。触发词："generate substrait"、"generate substrait dsl"、"generate functional plan"、"generate fp"、"process entry"、"run entry"、"generate dsl"。