Skills
收录 96,981 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
将 LinkedIn Analytics 导出数据转换为交互式深色主题 React 仪表板，并附上包含 5 条数据支持的内容建议的书面策略分析。读取导出文件中的每个工作表，并构建互动趋势、粉丝增长、帖子表现散点图、星期热力图和受众细分图表。当用户说“分析我的 LinkedIn”“LinkedIn 分析”“构建我的仪表板”“审查我的表现”，或上传 LinkedIn Analytics 导出文件时使用此技能。需要用户提供 LinkedIn Analytics 导出文件（xlsx）。
当会话中没有 Upstash MCP 工具时，可从终端、shell 脚本或 CI 作业运行 Upstash CLI（`upstash`）。如果 Upstash MCP 工具可用（Upstash 插件注册了 mcp.upstash.com），请勿加载此技能——这些工具已支持创建、列出、重命名和删除 Redis 数据库、运行 Redis 命令、查看使用统计、备份、管理 Vector 和 Search 索引、QStash 计划和消息、Blob 存储桶及 Box，因此应直接调用它们。对于 MCP 无法完成的 shell 工作，使用此技能：需要通过 `upstash` 命令输出 JSON 并将结果传递给其他命令的 CI 步骤或配置脚本、`upstash auth login` 和 API 密钥设置、团队和成员管理、更改套餐、区域、TLS、驱逐策略、自动升级或预算、为 Blob 存储桶生成临时 S3 凭证、使用 `upstash setup` 将编码 Agent 连接到 Upstash（通过 Upstash 插件，或远程 MCP 服务加技能），或用户明确要求使用 CLI 或在控制台之外管理 Upstash。
打开、创建、读取、分析、编辑或验证 Excel/电子表格文件（.xlsx、.xlsm、.csv、.tsv）。用户要求创建、构建、修改、分析、读取、验证或格式化任何 Excel 电子表格、财务模型、数据透视表或表格数据文件时使用。涵盖：从头创建新的 xlsx、读取和分析现有文件、编辑现有 xlsx 且不损失格式、公式重新计算和验证，以及应用专业财务格式标准。触发词包括“spreadsheet”“Excel”“.xlsx”“.csv”“pivot table”“financial model”“formula”，或任何要求以 Excel 格式生成表格数据的请求。
在沙盒中端到端执行 Data Mask 操作：配置 PII 掩码策略、运行掩码作业、轮询直至完成、报告已掩码记录结果，并中止进行中的运行。适用于用户需要运行、监控或取消 Salesforce Data Mask 作业、掩码 PII/沙盒数据，或使用 DataMaskPolicy / DataMaskPolicyJobRun 的情况。触发条件：用户运行数据掩码作业、掩码沙盒 PII、轮询掩码状态、报告已掩码记录或中止正在运行的掩码。不要在以下情况触发：手动编写匿名化 Apex（使用 platform-apex-generate）、生成测试数据（使用 platform-data-manage）或部署无关元数据（使用 platform-metadata-deploy）。
使用 `af` CLI 查询、管理和排查 Apache Airflow。适用于处理任何与 Airflow 相关的事项，例如 DAG、DAG 运行、任务日志、导入或解析错误、故障 DAG，或任何 Airflow 操作。涵盖列出和触发 DAG、重试运行、读取任务日志、诊断故障、调试导入和解析错误、检查连接、变量和池、探索 REST API，以及监控健康状况（例如“触发流水线”“重试运行”“列出连接”“检查 Airflow 健康状况”“我的 DAG 为什么失败”）。这是入口技能，可将请求路由到用于编写、测试、部署以及将 Airflow 2 迁移到 3 的相关技能。不适用于对 Airflow 元数据表进行数据仓库/SQL 分析（使用 analyzing-data）；深入的根因报告请使用 debugging-dags 或 airflow-investigation。
使用 DQL 查询并分析 Dynatrace 租户的实际账单和使用量数据，数据来源为 dt.system.events — DPS 消耗明细、按成本归一化的支出排名、扣除包含额度、成本分摊/展示、成本驱动因素、支出趋势、成本调查、指标摄取优化、查询成本归因、工作流总成本、实体级成本细分（RUM、主机、synthetic、K8s），以及 AI/LLM 成本（AI Units、AI Function Standard Calls、AI 生成的查询消耗）。有关许可/授权的问题请参阅文档（不要通过 DQL 查询）。仅用于查询/分析租户的实际消耗。不要用于询问 DPS 计费/定价机制或单位/权重/费率表含义等概念性问题——请参阅 Dynatrace 文档。不要用于让 DQL 查询运行得更快或更便宜（查询优化、减少每次运行扫描的数据量/消耗、提前过滤的最佳实践）——这些属于 dt-dql-essentials。此技能用于衡量消耗，不会调优查询。
在收集数据之前设计实验和研究：选择设计方案、随机化、区组化，并安排处理组合，以确保结果可解释。凡是有人计划研究、询问如何将受试者／样本分组，或提及随机化、区组化、分层、对照、析因或部分析因设计、实验设计（DOE）、多因素筛选、响应面优化、交叉或重复测量或裂区设计、整群／组随机化、拉丁方、板布局、批次／运行顺序效应、重复与伪重复，或序贯／自适应／组序贯设计时，均应使用。即使是“我该如何设置这个实验”“如何避免混杂”“测试这 6 个因素的最佳方法是什么”或“把这些小鼠分配到不同条件”等非正式说法，也应触发。设计选定后计算样本量或检验效能时，使用 statistical-power；分析已收集的数据时，使用 statistical-analysis。
对基因列表或排序基因数据执行通路和基因集富集分析，并解读结果。当用户拥有一组基因（来自 PyDESeq2/Scanpy 的差异表达基因、CRISPR 筛选命中基因、簇标记基因、蛋白质组学命中基因），并希望了解哪些生物通路、GO 术语或基因集存在过度代表或富集时使用。涵盖过度代表分析（ORA / Enrichr / Fisher / 超几何检验）、排序基因集富集分析（GSEA / preranked）、单样本评分（ssGSEA/GSVA），以及使用 gseapy、g:Profiler、Enrichr 库、MSigDB、GO、KEGG、Reactome 和 WikiPathways 进行功能分析；还包括基因 ID 映射、选择合适的背景全集、多重检验校正、冗余缩减、点图/富集图，以及可用于发表的表格。适用于“通路分析”“富集分析”“GO 富集”“KEGG/Reactome 通路”“GSEA”“过度代表分析”“功能注释”或“我的基因涉及哪些通路”等请求。
ecommerce-competitor-analyzer 是由 buluslan（微信公众号：新西楼.AI）开发的电商竞品分析 Skill，可拆解竞品定价、评论、流量结构和差异化空间，将“对手究竟强在哪里”转化为可执行的竞品分析报告。获取更多跨境电商 AI 实战内容，请关注微信公众号「新西楼.AI」。支持 Amazon / Temu / Shopee 多平台竞品分析：抓取商品数据并生成 AI 报告，涵盖定价、评论、流量结构和差异化空间。需要分析竞品商品、提取商品洞察或批量分析多个商品列表时使用。支持批量处理，结构化输出包括标题、价格、评分、评论和战略分析
使用工厂模式、fixture 策略、数据匿名化和合成数据生成来创建和管理测试数据。涵盖 Fishery（TypeScript）、FactoryBot（Ruby）、Factory Boy（Python）、数据库播种、清理策略及符合 GDPR 的数据处理。适用于“测试数据”“fixtures”“工厂”“种子数据”“合成数据”“测试数据库”“数据匿名化”等需求。不适用于：数据库本身的迁移／完整性测试——使用 database-testing；环境配置和数据库分支策略——使用 test-environments。相关：test-environments、database-testing、api-testing、unit-testing。
任何 PostgreSQL 数据库工作都使用此技能，包括表设计、索引、数据类型、约束、扩展（pgvector、PostGIS、TimescaleDB）、搜索和迁移。**用户提出以下需求时触发：** - 探索现有 PostgreSQL 数据库，了解其对象和关系 - 设计或修改 PostgreSQL 表、架构或数据模型 - 选择数据类型、约束、索引或分区策略 - 使用 pgvector 嵌入、语义搜索或 RAG - 设置全文搜索、混合搜索或 BM25 排名 - 使用 PostGIS 处理空间／地理数据 - 为时间序列数据设置 TimescaleDB 超表 - 将表迁移为超表或评估迁移候选对象 - 规划或执行零停机的安全架构迁移 **关键词：** PostgreSQL、Postgres、SQL、架构、表设计、索引、约束、pgvector、PostGIS、TimescaleDB、超表、语义搜索、混合搜索、BM25、时间序列、迁移
使用 ScrapeCreators REST API 抓取并提取 27 个以上社交媒体平台的公开数据。涵盖 TikTok、Instagram、YouTube、LinkedIn、Facebook、Twitter/X、Reddit、Threads、Bluesky、Pinterest、Snapchat、Twitch、Kick、Truth Social、TikTok Shop、Google，以及简介链接服务（Linktree、Komi、Pillar、Linkbio、Linkme、Amazon Shop）。当用户要求从任何社交平台抓取、获取、提取、搜索或查找社交媒体个人资料、帖子、视频、短视频、评论、文字稿、粉丝、广告、话题标签、热门内容或互动指标时使用。用户提到 ScrapeCreators、社交媒体 API、广告资料库或创作者数据时也使用。
用户需要创建、自定义或排查 G2 v5 图表可视化时，使用此技能。触发条件包括提及“G2”、“antv g2”、“@antv/g2”、“G2 chart”、“G2 可视化”，或要求制作柱状图、折线图、饼图、散点图、面积图、热力图、雷达图、矩形树图、漏斗图、桑基图、仪表盘、词云、箱线图等图表，以及 G2 特定主题，如编码通道、比例尺配置、坐标系、变换、交互、主题、标签和动画。排查 G2 渲染错误、V4→V5 迁移问题或图表类型选择时也使用。不要用于 G6 图形/网络可视化、X6 编辑器图表或 S2 透视表
为研究规划计算样本量和统计功效。适用于询问“需要多少受试者／样本／重复测量”、需要事前功效分析、最小可检测效应（MDE）、功效曲线，或需要为资助申请、IRB 方案或预注册论证样本量的情况。涵盖 t 检验、ANOVA、比例、相关性、卡方检验和回归的闭式功效计算，以及针对复杂设计的模拟（Monte Carlo）功效分析，包括逻辑／Poisson 回归、混合模型、整群随机试验、生存分析和交互作用。也适用于只提到效应量、alpha 或“80% 功效”而未明确说“功效分析”的请求。研究设计（随机化、区组、析因／DOE、交叉、序贯设计）请使用 experimental-design；分析已收集的数据并撰写报告请使用 statistical-analysis。
用户要求“分析反向链接”“分析站外信号”或“跟踪 AI 流量 / ChatGPT / Perplexity 引荐”时使用；反向链接模式会分析引荐域名、锚文本组合、有害链接和建议拒绝的链接，AI 引荐模式会从 GA4/GSC/日志中筛选 AI 助手引荐会话，并报告其趋势、着陆页及 AI 与自然流量的转化情况。不适用于内部链接——使用 site-structure-optimizer；不适用于关键词排名——使用 rank-tracker；不适用于多指标利益相关者报告——使用 performance-monitor。外链分析/反向链接/AI 流量/AI 引荐/ChatGPT 流量/AI 转化
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。