mcpField

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

D
databricks-config
databricks-config
databricks-solutions / ai-dev-kit

管理 Databricks 工作区连接:检查当前工作区、切换配置文件、列出可用工作区,或认证到新的工作区。适用于用户提到 "switch workspace"、"which workspace"、"current profile"、"databrickscfg"、"connect to workspace" 或 "databricks auth" 时。

云与 DevOps37
D
datapack-builder
datapack-builder
w95 / awesome-claude-corporate-skills

从多种来源构建专业金融服务数据包,包括 CIM、发行备忘录、SEC 文件、网络搜索或 MCP 服务。提取、规范化并标准化财务数据,生成可供投资委员会使用的 Excel 工作簿,包含一致的结构、适当的格式和有据可查的假设。适用于并购尽职调查、私募股权分析、投资委员会材料,以及投资组合公司间财务报告标准化。不要用于简单的财务计算或处理已完成的数据包。

数据与数据库37
D
db-defaults
db-defaults
theodoread / agent-skills

用于向 Python 项目添加本地数据持久化——缓存、关系型存储(简单、复杂/OLTP 或分析型/OLAP)、文档存储、全文搜索、向量/嵌入搜索、后台任务队列、cron/定时任务、pub/sub/事件流、图数据、blob 存储或时间序列数据——且未明确提出“评估最适合此场景的数据库”的请求。为每个类别给出默认技术,选择依据是宽松许可、无需 docker/cloud 的 pytest 本地可测试性,以及低样板代码、对 LLM Agent 友好的 API,使各项目的选择保持一致,而不是每次会话之间发生漂移。

数据与数据库37
D
ddia-principles
ddia-principles
luoling8192 / ai-coding-principles

Martin Kleppmann 的《Designing Data-Intensive Applications》(DDIA)精炼参考指南。必须在以下情况加载:设计数据库模式、选择存储引擎、实现复制或分区、处理分布式事务、构建批处理/流处理管道、选择一致性模型、实现共识、设计数据流架构、评估可用性与一致性之间的权衡、编码/序列化决策、数据建模(关系型 vs 文档型 vs 图)、构建容错系统,或任何涉及数据密集型应用的系统设计与架构讨论。触发词:数据库设计、复制、分区、分片、事务、隔离级别、一致性、共识、CAP 定理、批处理、流处理、MapReduce、Kafka、事件溯源、CDC、OLTP、OLAP、B-tree、LSM-tree、数据仓库、模式演进、编码格式、分布式系统、容错、领导者选举、法定人数。

数据与数据库37
D
debug:tensorflow
debug:tensorflow
snakeo / claude-debug-and-refactor-skills-plugin

系统地调试 TensorFlow 和 Keras 问题。此技能有助于诊断和解决机器学习问题,包括张量形状不匹配、GPU/CUDA 检测失败、内存不足错误、损失函数中的 NaN/Inf 值、梯度消失/爆炸、SavedModel 加载错误以及数据管道瓶颈。提供 tf.debugging 断言、TensorBoard 性能分析、即时执行调试和版本兼容性指导。

开发37
D
denario
denario
jackspace / claudeskillz

用于科学研究辅助的多 Agent AI 系统,可自动化从数据分析到发表的研究工作流。当需要从数据集生成研究创意、制定研究方法、执行计算实验、进行文献检索,或生成可发表的 LaTeX 格式论文时使用此 skill。支持可自定义 Agent 编排的端到端研究流程。

生产力37
D
deseq2-differential-expression
deseq2-differential-expression
jaechang-hits / sciagent-skills

使用 R/Bioconductor DESeq2 进行 bulk RNA-seq 差异表达分析。负二项 GLM、经验贝叶斯收缩、Wald/LRT 检验、多因子设计、Salmon tximeta 导入、apeglm LFC 收缩、MA/火山图/热图可视化。R 领域的黄金标准。Python 请使用 pydeseq2-differential-expression;TMM 归一化请使用 edgeR。

数据与数据库37
D
dexpaprika-api
dexpaprika-api
coinpaprika / skills

访问 DexPaprika API、CLI 和流式服务,查询 DEX 数据,包括网络、池、代币和交易活动。在向 api.dexpaprika.com 或 streaming.dexpaprika.com 发起 HTTP 请求,或使用 dexpaprika-cli 获取区块链 DEX 信息时使用此技能。

数据与数据库37
D
distributed postgres

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。

数据与数据库37
D
distributed sql

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。

数据与数据库37
E
earnings-analysis
earnings-analysis
w95 / awesome-claude-corporate-skills

为已纳入覆盖范围的公司撰写专业股票研究业绩更新报告(8-12 页、3,000-5,000 字),分析季度业绩。采用快速交付形式,重点分析超预期/不及预期情况、关键指标、更新后的预测和修订后的投资论点。包含 1-3 张摘要表和 8-12 张图表。用户要求 "earnings update"、"quarterly update"、"earnings analysis"、"Q1/Q2/Q3/Q4 results" 或财报后报告时使用。

数据与数据库37
E
etherscan-api
etherscan-api
sablier-labs / agent-skills

当用户要求“check ETH balance”“query ERC-20 balance”“get wallet balance”“check token holdings”“query Etherscan”,或提到 Etherscan API、区块链余额查询或多链余额查询时,应使用本 skill。

数据与数据库37
E
experiment-trace-summarizer
experiment-trace-summarizer
jurgendn / agent-skills

把杂乱的日志、notebook、运行元数据和未完成的结论,整理成带有后续行动的研究进展更新。适用于高强度实验之后、实验记录、交接、周报、恢复被打断的工作,或当运行历史需要变成决策而非零散印象时。

数据与数据库37
E
exploring-blockchain-data
exploring-blockchain-data
jeremylongshore / tons-of-skills-marketplace

处理查询并分析区块链数据,包括区块、交易、

数据与数据库37
F
feishu-bitable
larkin0302 / feishu-bitable-skill

飞书多维表格的完整生命周期管理:从零搭建 + 日常 CRUD 操作。 **当以下情况时使用此 Skill**: (1) 用户说"搭建多维表格"、"做一个XX表"、"搭一个XX系统" (2) 用户描述业务需求并希望用多维表格实现 (3) 需要查询、新增、修改、删除多维表格中的记录 (4) 需要管理字段、视图、数据表 (5) 需要批量导入数据或批量更新 (6) 用户提到"多维表格"、"bitable"、"数据表"、"记录"、"字段"

数据与数据库37
F
fetch-meta-from-kb
fetch-meta-from-kb
tiangong-ai / agent-skills

技能

数据与数据库37
F
forecast-generator
forecast-generator
jeremylongshore / tons-of-skills-marketplace

生成 forecast generator 操作。面向 Data 的自动激活技能

数据与数据库37
F
fsi-strip-profile
fsi-strip-profile
w95 / awesome-claude-corporate-skills

为演示文稿、交易材料和客户演示生成专业的投资银行条带式公司简介。生成 1–4 张信息密集的幻灯片,采用象限布局、图表和表格。

文档处理37
G
gcode-to-text
gcode-to-text
letta-ai / skills

通过分析 GCODE 文件的刀具路径几何和坐标数据,提取其中隐藏或编码的文本。当任务涉及从 3D 打印文件解码文本、从 GCODE 中还原浮雕或雕刻文本,或涉及 GCODE 分析的 CTF 类挑战时,应使用此技能。适用于任何需要从 CNC 或 3D 打印机运动指令中几何重建文本的任务。

数据与数据库37
G
genome-analyzer
genome-analyzer
artwist-polyakov / polyakov-claude-skills

从 VCF 文件分析用户的遗传数据。当用户询问自己的遗传学、遗传性状、易感性、物质代谢(咖啡因、酒精、药物)、运动能力、疾病风险、基于基因的饮食时使用。

数据与数据库37
G
geo-database
geo-database
jaechang-hits / sciagent-skills

通过 GEOparse 和 E-utilities 访问 NCBI GEO。按关键词/物种/平台搜索,下载 GSE series matrix,解析 GPL 注释,提取 GSM 元数据,将表达矩阵载入 pandas。单细胞请使用 cellxgene-census;多数据库访问请使用 gget-genomic-databases。

数据与数据库37
G
gget
gget
jackspace / claudeskillz

用于快速生物信息学查询的命令行/Python 工具包,适合快速 BLAST 搜索。可访问 20 多个数据库:基因信息(Ensembl/UniProt)、AlphaFold、ARCHS4、Enrichr、OpenTargets、COSMIC,以及基因组下载。高级 BLAST/批处理请使用 biopython;多数据库集成请使用 bioservices。

数据与数据库37
G
grafana-dashboards

创建和管理用于实时可视化系统及应用指标的生产级 Grafana 仪表板。适用于构建监控仪表板、可视化指标或创建运维可观测性界面。

云与 DevOps37
H
hugging-science
hugging-science
crazymsn / academic-skills

用于生物学、化学、物理学、天文学、气候、基因组学、材料科学、医学、生态学、工程学、数学、药物发现、蛋白质设计、天气建模、单细胞分析、PDE 求解及相关研究领域的科学 AI/ML 发现与实现。帮助查找和使用精选的 Hugging Science 与 Hugging Face 资源,包括通过 `datasets` 使用数据集、通过 `transformers` 或 HF Inference API 使用模型、通过 `gradio_client` 使用 Spaces,以及用于方法论介绍的博客文章。当用户询问科学数据集/模型、微调数据、科学 ML 基准、领域 ML 工具或用于研究的 AI 工具时触发。

数据与数据库37
H
hyperparameter-triage
hyperparameter-triage
jurgendn / agent-skills

针对当前的失败模式或目标,判断哪些超参数最为关键并排出优先级。适用于调参、调试、算力受限的实验、运行不稳定、性能不达标,或全面扫描会浪费算力的情况。

数据与数据库37
I
insightoai
insightoai
membranedev / application-skills

Insighto.ai 集成。管理 Organizations、Users。当用户希望与 Insighto.ai 数据交互时使用。

数据与数据库37
I
intrinsic-valuation-dcf
intrinsic-valuation-dcf
lyndonkl / claude

使用合适的模型变体(DDM、FCFE 或 FCFF)并配合可配置的增长阶段,执行现金流折现估值。产出逐年现金流预测、终值、股权桥接(减去债务、加上现金、减去期权价值)、每股内在价值和敏感性分析。适用于对公司进行内在估值、构建 DCF 模型、估算公允价值,或用户提到 DCF、现金流折现、内在价值、终值或自由现金流估值时。

数据与数据库37
J
json-typed-attributes
json-typed-attributes
rolemodel / rolemodel-skills

在 Rails 模型中定义由 JSON 字段支撑的带类型属性。适用于模型需要灵活的数据存储,并具备类型转换、校验和表单集成的情况。支持 integer、decimal、string、text、boolean、date 和 array 类型。

开发37
K
kafka-development-practices
kafka-development-practices
oimiragieo / agent-studio

为使用 Scala 进行 Kafka 开发应用通用的编码规范与最佳实践。

开发37
L
litestar-stores
litestar-stores
alti3 / litestar-skills

为缓存、服务端会话、限流以及其他键值状态配置 Litestar stores 和 store registry,包括显式后端选择、字节安全的数据处理、TTL 与续期策略、命名空间、registry 装配和生命周期清理。适用于 Litestar 应用依赖 `MemoryStore`、`FileStore`、`RedisStore`、`ValkeyStore` 或 `StoreRegistry` 时。请勿用于关系型持久化、领域仓储,或属于数据库与缓存类 skill 的响应缓存策略细节。

开发37
M
machine-learning
machine-learning
pluginagentmarketplace / custom-plugin-ai-data-scientist

监督/无监督学习、模型选择、评估和 scikit-learn。用于构建分类、回归或聚类模型。

数据与数据库37
M
matchms
matchms
jackspace / claudeskillz

质谱分析。处理 mzML/MGF/MSP、光谱相似度(余弦、修正余弦)、元数据协调和化合物 ID,用于代谢组学及 MS 数据处理。

数据与数据库37
M
matlab-fit-simbiology-model
matlab-fit-simbiology-model
matlab / matlab-agentic-toolkit

将 SimBiology 模型参数拟合到数据——fitproblem、群体 NLME、虚拟患者与 NCA。在被要求拟合、估计、校准或计算 PK 指标时使用。

数据与数据库37
M
matplotlib
matplotlib
eturkes / claude-scientific-skills

用于完全自定义的底层绘图库。当需要对每个绘图元素进行细粒度控制、创建新颖的图表类型,或与特定的科学工作流集成时使用。可导出为 PNG/PDF/SVG 以供发表。快速统计图表请使用 seaborn;交互式图表请使用 plotly;带期刊风格的出版级多面板图请使用 scientific-visualization。

数据与数据库37
M
messari-deep-research
messari-deep-research
moonpay / skills

使用 Messari AI 的异步深度研究报告工作流。启动长篇研究任务,轮询直到完成,并返回关于任何加密货币主题、资产或协议的全面报告。费用不定;通常为 0.50–2.00 USDC。

生产力37
M
mfs-ingest

为 MFS 注册、更新或重新同步数据源,使其可被搜索——postgres / mysql / mongo / snowflake / bigquery,github / jira / linear / notion / hubspot / zendesk,slack / discord / gmail / feishu,s3 / gdrive / web / file。当用户想向 MFS 添加新的数据源、修改现有连接器的配置、重新摄取/重新索引某个数据源、列出已注册的连接器,或排查某个同步未获取到数据的问题时使用。触发短语包括 "add X to MFS"、"ingest my [postgres/slack/github/etc]"、"register this repo / database / workspace"、"make X searchable"、"re-sync Y"、"update the slack token"、"what connectors do I have"。不要用于:搜索/查找/阅读内容(使用 `mfs-find`);对数据源本身进行原始变更(MFS 只读)。

数据与数据库37
M
migration
migration
duc01226 / easyplatform

[架构] 当你需要按照平台模式创建数据或 schema 迁移时使用。

数据与数据库37
M
minimax-xlsx

MiniMax 电子表格生产系统。适用于任何涉及表格数据、数值分析或电子表格生成的任务。通过 Python 3(openpyxl + pandas)支持 XLSX/XLSM/CSV 工作簿构建,通过 recalc.py(LibreOffice headless)进行公式重算,并通过 MiniMaxXlsx CLI(C#/.NET)进行结构校验、公式审计与透视表合成。

文档处理37
M
model-optimization
model-optimization
pluginagentmarketplace / custom-plugin-ai-data-scientist

量化、剪枝、AutoML、超参数调优和性能优化。用于提升模型性能、减小模型体积或实现自动化 ML。

数据与数据库37
N
neon-vercel-postgres
neon-vercel-postgres
jackspace / claudeskillz

将 Neon 无服务器 Postgres 和 Vercel Postgres(基于 Neon 构建)集成到 Web 和边缘应用中:@neondatabase/serverless 和 @vercel/postgres 的 HTTP 与 WebSocket 驱动、池化与非池化连接字符串、sslmode 要求、使用 neonctl 的类 git 数据库分支、Drizzle ORM 和 Prisma 集成、迁移,以及时间点恢复。在为 Cloudflare Workers、Vercel Edge Functions、Next.js 或 Node.js 无服务器函数设置无服务器 Postgres、为边缘运行时配置连接池、创建数据库分支、从 D1/SQLite 或传统 Postgres 迁移到无服务器 Postgres,或调试连接池耗尽、无服务器环境不支持 TCP 连接、事务超时和 sslmode required 等错误时使用。

数据与数据库37
N
neurokit2
neurokit2
crazymsn / academic-skills

用于分析生理数据的综合生物信号处理工具包,涵盖 ECG、EEG、EDA、RSP、PPG、EMG 和 EOG 信号。处理心血管信号、脑活动、皮肤电反应、呼吸模式、肌肉活动或眼球运动时使用此技能。适用于心率变异性分析、事件相关电位、复杂性测量、自主神经系统评估、心理生理学研究以及多模态生理信号整合。

数据与数据库37
N
neurokit2
neurokit2
jackspace / claudeskillz

用于分析生理数据的综合生物信号处理工具包,涵盖 ECG、EEG、EDA、RSP、PPG、EMG 和 EOG 信号。处理心血管信号、脑活动、皮肤电反应、呼吸模式、肌肉活动或眼球运动时使用此技能。适用于心率变异性分析、事件相关电位、复杂性测量、自主神经系统评估、心理生理学研究以及多模态生理信号整合。

数据与数据库37
O
ontology
ontology
kirkluokun / awesome-a-stock-openclawskills

用于结构化 Agent 记忆和可组合技能的类型化知识图谱。适用于创建/查询实体(Person、Project、Task、Event、Document)、关联对象、实施约束、将多步操作规划为图转换,或技能需要共享状态时。用户提及“记住”“我知道关于……的什么”“关联 X 和 Y”“显示依赖关系”、实体 CRUD 或跨技能数据访问时触发。

Agent 工作流37
P
phylogenetics
phylogenetics
crazymsn / academic-skills

使用 MAFFT(多序列比对)、IQ-TREE 2(最大似然)和 FastTree(快速 NJ/ML)构建并分析系统发育树。用 ETE3 或 FigTree 可视化。用于进化分析、微生物基因组学、病毒系统动力学、蛋白质家族分析以及分子钟研究。

数据与数据库37
P
plotly-chart-generator
plotly-chart-generator
jeremylongshore / tons-of-skills-marketplace

生成 plotly chart generator 操作。自动激活技能,面向

数据与数据库37
P
portfolio-status
portfolio-status
cslawyer1985 / claude-for-legal-zh

从 _log.yaml 汇总案件组合——风险分布、即将到期的节点、陈旧案件、重要性汇总、阶段分布和异常标注。当用户问"案件总体情况如何"、"有多少个未结案件"或需要案件组合汇总时使用。

生产力37
P
postgres
postgres
w95 / awesome-claude-corporate-skills

对多个 PostgreSQL 数据库执行只读 SQL 查询。适用场景:(1) 查询 PostgreSQL 数据库,(2) 浏览数据库 schema/表结构,(3) 运行 SELECT 查询进行数据分析,(4) 检查数据库内容。支持多个数据库连接,并附带描述以便智能自动选择。为确保安全,阻止所有写操作(INSERT、UPDATE、DELETE、DROP 等)。

数据与数据库37
P
predictive-logistics-developer
predictive-logistics-developer
rade-nugroho / agentic-enteprises-skill

为物流网络构建并运营预测模型——SKU/地点/线路粒度的需求预测;库存定位与安全库存优化接口;ETA 与前置时间预测;产能与拥堵信号;模型集成层面的路线与网络流量预测;冷链与易腐品;促销与季节性;针对运营 KPI(满足率、OTIF、WMAPE/MAPE)的模型监控、漂移与回测。适用于预测性物流、物流需求预测、ETA 预测、库存定位、安全库存优化、OTIF 预测、线路需求、WMAPE、物流 ML、物流产能预测或冷链预测——不适用于没有物流领域的纯 OR/MIP(operations-research-algorithm-developer)、仅供应链战略(supply-chain-manager)、WMS 功能开发(wms-developer)、车队远程信息处理数据接入(geospatial-telematics-developer)、没有物流的通用 ML(data-scientist),或 EDI 文档映射(edi-engineer)。

数据与数据库37
P
product-analytics-instrumentation-review
product-analytics-instrumentation-review
sylphxai / skills

设计和审核产品分析埋点,涵盖事件、属性、身份、会话、漏斗、同期群、实验、归因、与计费/支持的关联、隐私、同意、数据质量、移动/网页/服务器端追踪、仪表盘、QA、发布门禁以及指标负责人。适用于团队在产品决策或发布之前需要可信的行为数据的情况。

数据与数据库37
P
pygraphistry
pygraphistry
graphistry / graphistry-skills

PyGraphistry Python SDK 任务的目录路由。当被要求"plot a graph"、"visualize my edges"、"load a dataframe into graphistry"、"import graphistry"、"run UMAP on my graph"、"query my graph with GFQL or Cypher"、"pick an execution engine"、"make my GFQL query faster"、"connect graphistry to Neo4j/Splunk/Kusto",或任何 Python SDK 图工作流时使用。也触发于 "graphistry.register"、"g.plot()"、".gfql()"、"chain-list"、"hypergraph"、"engine='polars'"、"polars-gpu"、"cudf" 或 "pygraphistry"。分发到 pygraphistry-core(认证/ETL/绘图)、pygraphistry-gfql(查询、引擎、索引)、pygraphistry-visualization(样式/分享)、pygraphistry-ai(UMAP/DBSCAN/嵌入)或 pygraphistry-connectors(外部数据库)。当用户分享边/节点 DataFrame 并询问图分析或可视化时,主动建议。

数据与数据库37
P
pygraphistry-ai
pygraphistry-ai
graphistry / graphistry-skills

PyGraphistry 图 ML/AI:UMAP、DBSCAN、嵌入和异常检测工作流。当被要求 "run UMAP on my graph"、"cluster nodes"、"find anomalies in my network data"、"embed nodes"、"fit-transform pipeline"、"semantic search over graph nodes" 或 "graph AI" 时使用。也在出现 "graphistry umap"、"dbscan clusters"、"node embeddings"、"featurize" 或 "anomaly triage" 时触发。当用户有节点特征列并询问离群点、聚类或相似性但尚未使用 UMAP 或 DBSCAN 时,主动建议。

数据与数据库37
P
pygraphistry-gfql
pygraphistry-gfql
graphistry / graphistry-skills

在 PyGraphistry 中使用链式列表语法或 Cypher 字符串构建并运行 GFQL 图查询。当被要求 "query my graph with GFQL"、"MATCH pattern in graphistry"、"find paths between nodes"、"hop constraints"、"let bindings"、"GRAPH constructor" 或 "run Cypher on my graph" 时使用。也在出现 "g.gfql()"、"n() e_forward() n()"、"chain-list query"、"subgraph extraction"、"remote graph query" 或 "pattern matching in graphistry" 时触发。当用户想要在已加载到 PyGraphistry 的图上进行多跳遍历或模式匹配时,主动建议。

数据与数据库37
P
pyhealth
pyhealth
jackspace / claudeskillz

全面的医疗保健 AI 工具包,用于使用临床数据开发、测试和部署机器学习模型。当处理电子健康记录(EHR)、临床预测任务(死亡率、再入院、药物推荐)、医学编码系统(ICD、NDC、ATC)、生理信号(EEG、ECG)、医疗保健数据集(MIMIC-III/IV、eICU、OMOP),或为医疗保健应用实现深度学习模型(RETAIN、SafeDrug、Transformer、GNN)时使用。

数据与数据库37
P
pymc-bayesian-modeling
pymc-bayesian-modeling
jackspace / claudeskillz

使用 PyMC 进行贝叶斯建模。构建分层模型、MCMC(NUTS)、变分推断、LOO/WAIC 比较和后验检查,适用于概率编程和推断。

数据与数据库37
P
pyopenms
pyopenms
jackspace / claudeskillz

用于质谱数据分析的 OpenMS Python 接口。适用于 LC-MS/MS 蛋白质组学和代谢组学工作流,包括文件处理(mzML、mzXML、mzTab、FASTA、pepXML、protXML、mzIdentML)、信号处理、特征检测、肽段鉴定和定量分析。用于处理质谱数据、分析蛋白质组学实验或处理代谢组学数据集

数据与数据库37
P
python-data-engineer
python-data-engineer
ontoledgy / ol_ai_context_library

Python 数据工程实现与评审技能。在 data-engineer 基础上扩展 Python 特有的命名约定、错误处理惯用法、类型注解模式和工具链(ruff、mypy、pytest、pyproject.toml)。在实现或评审 Python 数据管道或库时使用。

数据与数据库37
R
representation-probe-designer
representation-probe-designer
jurgendn / agent-skills

设计探针与诊断,以检查模型表征学到了什么。适用于嵌入、中间特征、坍缩检查、检索行为、聚类结构、轻量机制可解释性,或当总体准确率无法解释内部行为时。

数据与数据库37
R
rs-nocodb

暂无简介

数据与数据库37
S
sales-clay
sales-skills / sales

Clay 平台帮助 —— Waterfall Enrichment(150+ 数据提供商)、Claygent(AI Research Agents)、Sculptor(工作流构建器)、Signals(职位变动、意图)、Audiences、Ad Sync(LinkedIn/Meta/Google)、Email Sequencer、CRM Sync(Salesforce/HubSpot/Dynamics)、HTTP API 操作、webhooks。适用于富化数据有缺口或匹配率低、Claygent 未返回有用的研究结果、Sculptor 工作流失败或难以构建、signals 遗漏了你关心的职位变动、audiences 未同步到广告平台、CRM 数据与 Clay 不同步,或 webhooks 未触发时。请勿用于跨工具的富化策略(使用 /sales-enrich)、跨工具的外联节奏/序列策略(使用 /sales-cadence)、跨工具的意图信号策略(使用 /sales-intent)、跨工具的 B2B 广告策略(使用 /sales-b2b-advertising)或跨工具的 CRM 数据卫生策略(使用 /sales-data-hygiene)。

营销与增长37
S
sales-enrichso
sales-skills / sales

Enrich.so 平台帮助 — 实时 B2B 数据补全 API,每次查询提供 50 多个数据点,按成功计费。主要能力:反向邮箱查询、LinkedIn 资料补全、邮箱/电话查找、公司数据、相似公司搜索、员工搜索、IP 转公司以及批量补全。适用于:你有一个邮箱但需要其背后的 LinkedIn 资料;你有一个 LinkedIn URL 但需要联系方式;你只想凭姓名和公司找到某人的邮箱;你的潜在客户缺少公司数据;或者 Enrich.so API 未返回预期结果。不适用于跨平台补全策略(使用 /sales-enrich)、邮件送达率策略(使用 /sales-deliverability)或潜在客户名单策略(使用 /sales-prospect-list)。

营销与增长37
第 11881–11940 条,共 12,219 条

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

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。