Skills

R

refactoring-dbt-models

altimateai / data-engineering-skills

安全地重构 dbt 模型并进行下游影响分析。适用于以下情况下的 dbt 模型重构：（1）任务提及“refactor”、“restructure”、“extract”、“split”、“break into”或“reorganize”（2）将 CTE 提取为中间模型或创建宏（3）修改有下游消费者的模型逻辑（4）重命名列、更改类型或重新组织模型依赖关系。在做任何更改之前分析所有下游依赖。

S

sam-cell-seg

letta-ai / skills

面向基于 SAM 的细胞分割与掩码转换任务的指导，涉及 MobileSAM、掩码转多边形、CSV 处理以及命令行界面设计。当你使用 Segment Anything Model (SAM) 进行生物图像分割、将二值掩码转换为多边形坐标、处理显微数据，或构建与深度学习模型对接的命令行工具时，本技能适用。（project）

S

scikit-survival

crazymsn / academic-skills

使用 scikit-survival 在 Python 中进行生存分析和事件发生时间建模的综合工具包。适用于处理删失生存数据、进行事件发生时间分析、拟合 Cox 模型、随机生存森林、梯度提升模型或生存 SVM，使用一致性指数或 Brier 分数评估生存预测、处理竞争风险，或使用 scikit-survival 库实现任何生存分析工作流。

S

scry-vectors

exopriors / skills

在 Scry 中组合语义向量——把概念嵌入为 @handles，按余弦距离检索，用向量代数去偏，并诊断信号损失。适用于以下任务：语义搜索、嵌入、向量、余弦距离、<=>、"X but not Y"、去偏、嵌入此概念、@handle、vibe algebra、概念向量。不适用于：word2vec 训练、微调嵌入、本地向量数据库（FAISS、Pinecone、Chroma），或纯关键词/SQL 搜索（请使用 scry）。

S

selecting-privacy-enhancing-technologies

mukul975 / privacy-data-protection-skills

全面的 PET 选择指南，涵盖差分隐私、同态加密、安全多方计算、联邦学习、零知识证明和可信执行环境。包含用例匹配矩阵、性能对比以及每项技术与 GDPR 的对齐评估。

S

shap

crazymsn / academic-skills

使用 SHAP（SHapley Additive exPlanations）实现模型可解释性与说明能力。适用于解释机器学习模型预测、计算特征重要性、生成 SHAP 图（瀑布图、蜂群图、条形图、散点图、力图、热力图）、调试模型、分析模型偏差或公平性、比较模型，或实现可解释 AI。支持基于树的模型（XGBoost、LightGBM、Random Forest）、深度学习（TensorFlow、PyTorch）、线性模型以及任何黑盒模型。

S

stable-baselines3

crazymsn / academic-skills

生产可用的强化学习算法（PPO、SAC、DQN、TD3、DDPG、A2C），提供类似 scikit-learn 的 API。适用于标准 RL 实验、快速原型开发以及文档完善的算法实现。最适合配合 Gymnasium 环境进行单 Agent RL。若需高性能并行训练、多 Agent 系统或自定义向量化环境，请改用 pufferlib。

S

stat-eda

asgard-ai-platform / skills

使用描述性统计、可视化和数据质量检查进行探索性数据分析（EDA）。当用户拥有数据集，需要理解其结构、发现模式、检测异常或为进一步分析准备数据时使用此技能——即使他们说“这些数据长什么样”“找出有趣的模式”“清理这些数据”或“总结这个数据集”。

S

statsmodels

crazymsn / academic-skills

用于 Python 的统计模型库。需要特定模型类（OLS、GLM、混合模型、ARIMA）并附带详细诊断、残差和推断时使用。最适合计量经济学、时间序列、带系数表的严谨推断。需要带 APA 报告的引导式统计检验选择时请使用 statistical-analysis。

T

tabular-eda

brojonat / llmsrules

在建模前对新的表格数据集进行画像式剖析。发现目标泄漏、缺失数据模式、高基数类别特征、近乎恒定的特征、冗余特征对，以及 Pearson 相关性会漏掉的非线性关系。只要用户交给你一个 CSV 或 parquet 并问“我该拿这个怎么办？”，就使用它。在对你此前未见过的数据训练任何模型之前，务必先运行此技能。

T

torchdrug

crazymsn / academic-skills

面向分子和蛋白质的 PyTorch 原生图神经网络。适用于构建药物发现、蛋白质建模或知识图谱推理的定制 GNN 架构。最适合定制模型开发、蛋白质性质预测、逆合成。若需要预训练模型和多种特征化器，请使用 deepchem；若需要基准数据集，请使用 pytdc。

基于 TradingView 数据的专业量化投资分析系统。提供智能选股、技术形态识别、市场复盘、风险管理以及带多因子评分和交易策略的事件驱动分析。

U

usfiscaldata

crazymsn / academic-skills

查询美国财政部 Fiscal Data API，获取联邦财政数据，包括国债、政府支出、收入、利率、汇率和储蓄债券。可访问 54 个数据集和 182 张数据表，无需 API key。适用于处理美国联邦财政数据、国债追踪（Debt to the Penny）、Daily Treasury Statements、Monthly Treasury Statements、国债拍卖、国债利率、外汇汇率、储蓄债券或任何美国政府财政统计数据。

V

vaex

jackspace / claudeskillz

使用此技能处理和分析超出可用 RAM 容量的大型表格数据集（数十亿行）。Vaex 擅长外存 DataFrame 操作、惰性求值、快速聚合、大数据高效可视化，以及大型数据集上的机器学习。用户需要处理大型 CSV/HDF5/Arrow/Parquet 文件、对海量数据集进行快速统计、创建大数据可视化，或构建无法装入内存的 ML 流水线时使用。

W

webhook-template-builder

lytics / agent-skills

以研究为驱动的 Lytics webhook 模板编写——抓取目标端文档、起草并测试转换逻辑，并输出可直接使用的 webhook 任务蓝图。适用于用户希望将 Lytics 受众触发或丰富请求发送到自定义 webhook 目标端（如 Qualtrics、Slack、自定义 CRM）。

W

weekly-analytics

0juano / agent-skills

每周分析报告，将 GA4、Google Search Console 和 Microsoft Clarity 整合为一封高级 HTML 邮件。用于自动化的周日 cron 任务，生成每周产品分析报告。跟踪用户、会话、页面浏览量、SEO 表现（查询词、展示次数、CTR、排名）、UX 摩擦（死点击、暴怒点击、快速返回）以及周环比趋势。包含责任追踪（我们是否说到做到？）、带影响/投入评级的优先级建议和可操作清单。人设：月费 15K 美元的 SEO 顾问。输出：HTML 邮件 + 聊天摘要。

W

workflow-orchestrator

zhnnky329 / mathmodeling-skills

检查数学建模工作区，按子问题评估精简或提交门禁，更新机器可读清单，分类变更影响，并路由出一个下一步操作，而不重复下游工作。

X

x-twitter-scraper

davila7 / claude-code-templates

当用户想要通过 Xquik 与 X (Twitter) API 集成，以搜索推文、查询用户资料、提取粉丝、进行抽奖、监控账号或访问趋势话题时使用。当用户提到 'Xquik'、'Twitter API'、'X API'、'tweet scraper'、'follower extraction' 或 'Twitter monitoring' 时也使用。涵盖 REST API、webhooks 和 MCP 服务设置。

Z

zarr-python

crazymsn / academic-skills

适用于云存储的分块 N 维数组。支持压缩数组、并行 I/O、S3/GCS 集成，兼容 NumPy/Dask/Xarray，适用于大规模科学计算流水线。

B

breakthrough-database-to-dashboard

breakthrough-edu / breakthrough-database-skills

在一次工作中，将用户已有的业务数据（Airtable、Notion、Google Sheets、Lark Base、Excel、CSV 导出文件，或他人曾为其设置的数据库）转化为三项成果：用通俗语言说明数据库实际记录的内容、列出数据问题和盲点，并制作一页仪表板，回答最紧迫的资金问题，按资金风险对提醒排序。用户想要仪表板或解读数据（“帮我做仪表板”“把我的电子表格做成仪表板”“我的数据说明了什么”“分析我的数据/表格”），分享这些产品的链接或文件并询问数据含义，或带来新的导出文件以刷新先前制作的页面时使用。不用于设计或重构数据库（这属于 breakthrough-base-schema-design）、搭建第二大脑或资料库，也不用于实时自动更新的仪表板：每个页面都是基于一次导出的快照。

I

impression-share-diagnostics

fourteenwm / ppc-ai-skills

分析 Google Ads 搜索广告系列的展示份额并诊断根本原因。调查消耗不足、分析竞价竞争力，或诊断预算与质量问题时自动调用。在智能出价背景下解读 Search IS、Budget Lost IS 和 Rank Lost IS 指标

财报前后股价异动提取器，K 线数据 + 反应幅度，通过 /hike-earnings-chart 显式调用

K

kirha

kirha-ai / kirha-skill

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。

C

context-consultant

hex-inc / hex-skills

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。

K

kc-connect-data

taehalim / kc-skills

设计并连接当前项目核心流程所需的持久化数据结构和安全读写机制。用户要求“保存数据”“连接数据库”“连接 Supabase”“查询申请记录”等，且数据需要在不同运行之间持续保存时使用。仅需要静态、临时或虚拟数据时不使用。

K

kc-generate-sample-data

taehalim / kc-skills

根据当前项目的架构和业务规则，生成安全且一致的虚拟示例数据。用户要求“生成虚拟数据”“填充测试数据”“制作演示案例”等，以便在没有真实资料的情况下检查界面、流程或测试时使用。不得用于改造真实个人信息或公司机密，也不得将其用作运营数据。

S

shunk031-colab-uv-training

shunk031 / skills

在 Google Colab 上运行、监控或恢复来自 uv 仓库的长时间 GPU 训练和测试任务，并持久保存结果及拆除运行时。适用于任务生命周期管理或恢复；CLI 基础操作和短代码片段请使用 colab-operator。

D

designing-replay-vision-scanners

posthog / ai-plugin

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）。

D

diagnosing-experiment-health

posthog / ai-plugin

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）。

F

football-match-performance-analysis

crawlora-org / crawlora-skills

根据 SofaScore 的统计数据、比赛事件和阵容解读已结束的足球比赛，也可为教练或家长撰写适合新手阅读的简报。适用于有来源依据的赛后解读；基本的跨平台赛程核查请使用 multi-sport-match-research。

A

analyzing-offline-evaluations

posthog / ai-plugin

检查并比较离线 AI 评估实验，诊断单个案例的回归问题，并跟踪应用、模型或提示词变更前后的评分器历史。用户询问离线运行是否有所改善、某个案例为何失败、不同运行之间分数如何变化，或如何发布外部计算的离线结果时使用。涵盖不可变的评分器版本、可比较的数据集分组、不完整覆盖以及选择性读取载荷。

D

debugging-failed-data-quality-checks

posthog / ai-plugin

查明数据质量检查失败或出错的原因，查看匹配到的行，并建议修复方法。也涵盖数据质量门禁未发布的物化视图刷新。用户询问检查为何显示红色、哪些行未通过、视图为何显示 "Not published"、刷新后视图数据为何过时，或如何发布被阻止的刷新时使用。触发词：检查失败、未通过的行、检查出错、数据质量故障、未发布、物化被阻止、刷新未发布、检查持续失败。

S

signals-scout-unused-features

posthog / ai-plugin

Signals 用于侦察产品中用户很少使用的部分。将每个可点击元素和页面的使用情况与其所在位置的触达范围进行比较，为每个使用率低的项目推测可能原因，并报告那些用户能够触达却仍未使用的项目。

W

working-with-autoresearch

posthog / ai-plugin

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”。

B

budget-planner

genspark-ai / genoffice

将商业计划转化为年度或项目预算，包含科目明细、月度分配、汇总和单独的假设表，以 Excel 工作簿交付

D

data-analyst

genspark-ai / genoffice

从原始数据入手，完成清理、公式和图表，并得出通俗易懂的结论，以 Excel 工作簿交付

D

data-cleaning

genspark-ai / genoffice

定义清洗规则，将脏数据去重并标准化为干净的数据表，同时提供逐行清洗日志，以 Excel 工作簿交付

F

financial-statement-analysis

genspark-ai / genoffice

分析三大财务报表中的盈利能力、偿债能力、效率和现金流比率，并撰写解读报告，以 Word 文档交付

M

mlflow-trace-metrics

mlflow / skills

查询 MLflow 跟踪、跨度和评估指标的聚合数据，了解延迟、Token 数量、计数和质量趋势。用于运营摘要，而非单条跟踪诊断。

M

mlflow-trace-retrieval

mlflow / skills

按 ID 检索 MLflow 跟踪记录，或按运行、会话、用户、状态、时间、标签、反馈或 span 字段搜索。用于查找和筛选跟踪记录；仅检索不需要诊断。

P

personal-finance

genspark-ai / genoffice

根据收入、支出和目标制定月度预算与储蓄计划，并提供可执行的调整建议，以 Excel 工作簿交付

S

sales-forecast

genspark-ai / genoffice

根据历史数据预测销售额，包含趋势和季节性、置信区间、情景分析、敏感性分析及假设说明，并以 Excel 工作簿交付

S

survey-analyst

genspark-ai / genoffice

清理原始调查问卷答复，进行交叉分析并制作图表，生成分析工作簿和发现报告，以 Excel 工作簿和 Word 文档交付

A

analyzing-funnel-correlation

posthog / ai-plugin

找出与漏斗转化或流失相关的事件和用户属性。用户询问用户为何在漏斗中转化或流失、转化用户有哪些不同之处、哪些事件或属性可以预测成功或失败，或要求对漏斗进行“相关性分析”时使用。由于 PostHog 没有内置的漏斗相关性视图，因此使用 HogQL 计算优势比。

E

executive-course-dashboard

lensetek / course-agent-skills

为教师和讲师构建单屏高管报告仪表板。通过响应式、移动优先设计和严格的凭据安全措施，展示所有关键班级指标（作业提交率、CPMK 平均值、成绩分布、需关注学生提醒）。

I

installing-posthog-from-chat

posthog / ai-plugin

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。

O

obe-excel-dashboard-builder

lensetek / course-agent-skills

构建专业的 Excel 工作簿（.xlsx），用于计算成果导向教育（OBE）评估完成情况、映射每位学生的 CPL 和 CPMK 达成度、生成成绩分布矩阵，并可视化认证成果图表。

S

syllabus-intake-parser

lensetek / course-agent-skills

分析并提取课程大纲、RPS（学期学习计划）、RPP（教学计划）或教学模块文档，将其转化为标准化学习成果结构（CPMK/CPL/TP/ATP）。

W

webscraping-expert

gabrielgreco1 / skills

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。

R

reviewing-warehouse-suggestions

posthog / ai-plugin

与用户一起审查并处理 PostHog 的数据仓库建议。根据建议中的数据，解释为何应将视图物化、取消物化、认证或弃用；如果用户有其他需求，则调整物化建议的刷新模式、键或间隔，然后接受或忽略该建议。用户询问 PostHog 对其数据仓库有何建议、是否应物化某个视图、视图为何应增量刷新或每隔几小时刷新，或想接受、修改或忽略数据仓库建议时使用。

T

territory-planning

clay-run / clay-skill-creator

访谈团队以了解其 ICP，将账户匹配规则转化为可解释的评分标准，构建并测试 Clay 评分工作流，并使用五个熟悉的账户进行校准。评分有效后，可选择提出单独审核的区域划分方案。每当有人要求协助构建账户匹配评分、将 ICP 转换为分数、为区域规划评估账户、测试评分标准，或为销售代表提出均衡的客户组合时使用。不要用于开拓新市场、为个人评分、分配入站线索、发起外联、合并记录，或在未告知的情况下更改 CRM 负责人。

W

watchlist-brief

eli-alvarado / us-watchlist-alerts

生成美国股票观察列表的简明盘前（早间）或收盘后摘要：价格和涨跌百分比、RSI、趋势、距止损位和目标位的距离、最大涨跌股、即将公布的财报以及任何提醒。当用户要求“早间简报”“市场回顾”“我的观察列表今天表现如何”，或在安排的早间/收盘任务中使用。

I

installing-posthog-in-a-codebase

posthog / ai-plugin

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。

暂无简介

K

kpi-dashboard

genspark-ai / genoffice

将运营数据整理为 KPI 仪表板工作簿，包含指标定义、目标与实际值、达成率和趋势图表，以 Excel 工作簿交付

S

statistik

dischen87 / albatros-skills

与没有相关经验的人一起使用 PostHog，为其网站配置注重隐私保护的统计分析。首先制定简短的事件计划（统计哪些行为，以及具体何时统计），然后进行安装，设置“已发送咨询”等目标事件，过滤自己的访问，并与实际收到的咨询进行核对。在需要“统计”“统计访客”“有多少人访问我的网站”“PostHog”“Google Analytics”“跟踪”“转化”“衡量事件”“访客来自哪里”时使用此技能。

A

agentbody

agentbody / skills

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。

A

agent-wrapped

vkpdeveloper / agent-wrapped

根据本机的会话历史，制作一段 Spotify Wrapped 风格的视频，回顾用户与编码 Agent 共度的一年（Claude Code、Codex、OpenCode、Pi、Amp、Cursor、Grok Build），包含统计数据、用户的 Agent 人设，以及从用户纠正 Agent 的频率中揭示的经验。用户要求制作自己的 Agent Wrapped、Coding Wrapped、AI Wrapped、与 Agent 一起的年度回顾，或了解自己使用编码 Agent 的统计数据时使用。

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。

B

Beanie ODM

thelobbi / claude

当用户要求"创建 MongoDB model"、"定义 Beanie document"、"编写 MongoDB 查询"、"创建聚合管道"、"运行数据库迁移"、"为 MongoDB collection 建立索引"，或提到 Beanie、Motor、MongoDB 文档或异步数据库操作时，应使用此 skill。为 FastAPI 提供 MongoDB/Beanie ODM 模式。