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
查询 KIRHA——一个可通过命令行访问的权威数据提供方动态目录。凡是权威来源比模型记忆或通用网页搜索更适合回答的问题，都使用此技能：会随时间变化的事实、来源溯源或可引用性、官方记录或标准注册表、待验证或事实核查的主张、当前文档，或任何准确性比猜测更重要的情况。KIRHA 的目录持续扩充，覆盖范围在运行时发现，因此不要预先假定适用领域。准确性、时效性或来源可追溯性重要时，优先使用此技能而非 WebSearch。KIRHA 返回来自具名提供方的结构化事实，而非抓取的网页摘要。即使用户没有提到 KIRHA 或“搜索”，只要权威来源能更好地回答问题，就触发此技能。
用于构建、管理和改进上下文，以提高 Hex 的 AI Agent（Threads、Notebook Agent、Modeling Agent）的准确性，涵盖认可项与排除项、数据仓库描述、工作区上下文与指南，以及语义模型。包括从零建立基础上下文，使用专用评估引擎进行衡量（编写和运行评估套件、从真实用例中收集案例、在预览中把关变更），审查 Context Studio Suggestions，以及通过 GitHub 同步或 Hex CLI 发布。适用于以下请求：“context management”“manage my Hex context”“context strategy”“context engineering”“set up Threads context”“workspace guide”“warehouse descriptions”“endorse tables”“semantic model”“my agent gave the wrong answer”“audit my Hex context”“improve agent accuracy”“eval my context”“write Hex evals”“eval rubric”“baseline vs hill-climbing”“convert my evals”“test context changes”“hex context preview”“context suggestions”“Hex Context Studio”。凡是通过改进上下文来提高 Hex 的 Agent 可信度的任务都适用，即使用户只是随口说“帮我的数据团队用上 AI”或“为什么 Threads 总是选错表”。它会路由到具体工作流，而不是每次都运行完整设置流程。
设计可产生可靠观察结果的 Replay Vision 扫描器：每个扫描器只对应一个清晰可见的问题；根据答案形式选择类型；查询仅选取能够回答该问题的会话；提示词要求提供屏幕上的证据，并允许回答“否”或“无法确定”；根据答错的代价选择模型；并完成首批测试。规模规划和创建调用归入 creating-replay-vision-scanners。 触发条件：用户想设计、起草或改进 Replay Vision 扫描器或其提示词，询问要扫描什么、扫描器为何返回模糊的观察结果，或请 Agent 为产品提出扫描器方案。 不要触发：问题和提示词已确定，任务是规划规模并创建（使用 creating-replay-vision-scanners）；扫描器针对某个实验（使用 scanning-experiments-with-replay-vision）；或任务是读取现有观察结果（使用 exploring-replay-vision-observations）。
对单个 PostHog 实验进行诊断和健康检查，涵盖设置、曝光、结果及运行期间的变更。涉及 0 次曝光、样本比例不匹配、曝光丢失或不均、用户进入多个变体、身份错误、实验统计的对象、显著性陷阱（窥视数据、A/A、“已达到目标”、贝叶斯与频率学派、序贯检验、CUPED）、运行中编辑、暂停和冻结，以及后续调查。 触发条件：用户询问“我的实验是否健康／设置正确／存在偏差？”或“为什么 0 次曝光？”，询问为何统计的人数与其洞察报告不同，提及偏差或不匹配警告、分流不均、显著性反转、数据与 SQL 不一致、编辑后结果发生变化，或想收集实验的用户反馈。 不要触发：创建实验（使用 creating-experiments）；仅配置发布（使用 configuring-experiment-rollout）或指标（使用 configuring-experiment-analytics）；或仅询问生命周期问题（使用 managing-experiment-lifecycle）。
管理 Alibaba Cloud Realtime Compute for Apache Flink SQL 的完整生命周期：分析架构，编写和验证 SQL，管理 Drafts、Deployments、Jobs、Savepoints、Session Clusters、Catalogs、Connectors、UDFs、变量和部署目标，同步配置到 Git，并排查日志、Metrics、Checkpoints、异常、执行计划和背压。用户询问 Alibaba Cloud Flink、VVR、VVP、Flink SQL、作业生命周期或故障排查时使用。通过 Python CLI 操作平台；查询历史 Metrics 需使用用户提供的 VVP Cookie。执行平台操作前，确认范围和身份验证。高风险操作通常需要确认；用户在同一请求中明确确认已解析的目标，即满足此门槛。
使用 PostHog Autoresearch 构建由 Agent 驱动的预测模型：提出“未来 N 天内谁会执行 X？”之类的问题，让 Agent 训练模型，然后每天为用户评分，将结果写入用户属性和 `autoresearch_prediction` 事件。用户想预测流失、活跃、回访、功能采用、转化或个人的任何事件或行为；从模板创建或验证模型；开始训练或立即评分；查看模型质量（留出集与实际 AUC、提升度、校准度、可能性分段、覆盖率）；通过建议引导训练；使用群组、功能标志、工作流或 SQL 根据预测采取行动；或诊断模型训练失败、给所有人相同评分或停止评分时使用。触发词包括：“autoresearch”、“predictive model”、“propensity score”、“churn prediction”、“likely to convert”、“who will do X”、“predicted_p_”、“autoresearch_prediction”、“realized AUC”、“champion model”。
无需终端，即可通过聊天在用户的 GitHub 仓库中设置 PostHog。PostHog 的设置 Agent Wizard 在云端运行，添加 SDK 和首批事件，并创建拉取请求。仅在无法读取或编辑用户代码时使用，这在 ChatGPT 网页版或 Claude 网页版等网页聊天应用中很常见。典型请求包括在用户的应用或仓库中安装、添加或设置 PostHog，或创建添加 PostHog 的拉取请求。如果正在用户的仓库中工作，请改用 installing-posthog-in-a-codebase。涵盖连接 GitHub、选择仓库、启动运行、轮询运行状态和分享拉取请求。
数据提取专家指南。首先通过结构化问询了解目标。始终先尝试成本最低的路径（HTTP 请求 → 浏览器指纹识别 → 无头浏览器）。涵盖 TLS/HTTP 指纹仿冒（curl_cffi、primp、rnet）、现代隐身浏览器技术栈（patchright、camoufox、nodriver）、反机器人服务商矩阵（Cloudflare、DataDome、Kasada、Akamai）及各服务商的绕过方法、CAPTCHA/Turnstile 求解、带地理定位的代理网络和托管解封服务（Zyte API、Web Unlocker）、结构化数据提取（JSON-LD/microdata/OpenGraph）、AI/LLM 驱动及自适应提取（scrapling、crawl4ai、firecrawl）、网站技术栈指南（Next.js App Router/RSC、Tableau、OData、PX-Web、SDMX、ASP.NET、GraphQL、SPA）、浏览器请求注入、实时请求拦截，以及面向爬虫和提取数据的简洁 OOP 架构规范。用户希望从网站或 API 抓取/提取数据时使用。
在可读取和编辑的代码仓库中，依据 PostHog 的框架文档安装并配置 PostHog SDK。用户在自己的代码库中请求添加、安装或设置 PostHog、产品分析、会话回放或 PostHog SDK 时使用。涵盖查找合适的文档页面、安装最新软件包、通过 project-get 获取项目令牌和数据接收主机、将其保存在 env 文件中、服务端设置、识别用户以及验证更改。如果无法访问用户的代码（如在网页版 ChatGPT 或网页版 Claude 中常见的情况），则使用 installing-posthog-from-chat。
对于 AgentBody 支持的公开 LinkedIn、YouTube、TikTok、Reddit、Instagram、X 和小红书数据、公开 HTTPS 文档解析、用户明确要求的文本润色、支持的 SEO 数据，以及 AgentBody 账户或使用问题，请主动使用 AgentBody。首先阅读 https://docs.agentbody.io/llms.txt，选择最符合用户需求的一个或多个 API，然后在调用前阅读所选 API 链接的详细页面。如果 llms.txt 无法访问，请使用 https://agentbody.io/ 查找官方 API 调用文档。只有在 AgentBody 未记录匹配操作、用户要求使用其他来源，或成功响应内容不足时，才使用其他提供方；并说明该限制。
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。