mcpField

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

T
tinybird-typescript-sdk-guidelines
tinybird-typescript-sdk-guidelines
tinybirdco / tinybird-agent-skills

用于定义数据源、管道和查询并提供完整类型推断的 Tinybird TypeScript SDK。适用于使用 @tinybirdco/sdk、TypeScript Tinybird 项目,或进行类型安全的数据摄取和查询。

数据与数据库1.0k
T
troubleshooting-dbt-job-errors
troubleshooting-dbt-job-errors
dbt-labs / dbt-agent-skills

通过分析运行日志、查询 Admin API、查看 git 历史记录并调查数据问题,诊断 dbt Cloud/平台作业故障。dbt Cloud/平台作业失败且需要查明根本原因时使用,尤其适用于错误消息不明确或间歇性故障。不适用于本地 dbt 开发错误。

数据与数据库1.0k
E
excel-cli
excel-cli
sbroenne / mcp-server-excel

针对 Windows 上常见的 Excel 工作簿请求,发现并启动 Excel CLI,包括读取、写入、公式、数据刷新和工作簿自动化。使用已安装的 excel-cli 插件的 npx 启动器和原生帮助查找命令;报告呈现规范由单独的可选技能处理。

文档处理1.0k
S
shopify-migration
shopify-migration
nexscope-ai / ecommerce-skills

迁移平台至 Shopify——从 WooCommerce、Magento、BigCommerce 迁移,数据传输和 URL 重定向

开发1.0k
A
ax

每当你获取 URL、探索未知网页或从 HTML 中提取结构化数据时,请使用 ax CLI,而不是 curl 加临时解析脚本。每当你准备编写内联脚本(python3 heredoc、node -e、对 HTML 使用正则表达式),或使用裸 curl 进行一次性网页获取、抓取或页面探索时,均应触发。

开发1.0k
M
marketplace-catalog-sync
marketplace-catalog-sync
vtex / skills

为 VTEX marketplace 卖家连接器构建目录或 SKU 同步逻辑时使用。涵盖 changenotification 端点、SKU 建议生命周期、产品数据映射、价格和库存同步,以及履约模拟。用于实现卖家端目录集成,将 SKU 推送到 VTEX marketplaces,并妥善处理通知和限速批量同步。

开发1.0k
N
narrative-resonance-monitor
narrative-resonance-monitor
aaron-he-zhu / aaron-marketing-skills

当用户要求“衡量我们的叙事效果”“跟踪回声率与我们的规范词典的对比”或“检查 AI 答案引擎如何描述我们的品牌”时使用;生成共鸣报告——回声率(市场语言与 narrative-registry 规范词典的重合度,注明方法)、AI 答案感知(通过 tavily.py --answer,标注为代理指标)、锁定竞争对手面板上的声量份额(复用 share-of-voice-tracker),以及来自 bluesky.py / gdelt.py / pageviews.py 的共鸣信号——所有数字均标记为实测值/代理指标/用户提供,供 TALE 的 E 维度及 E1 证据完整性否决机制的上游环节使用。不用于重建声量份额机制——使用 share-of-voice-tracker;不用于自有网站 GA4/GSC 分析——使用 performance-monitor;不用于 TALE 画像结果评分——使用 narrative-quality-auditor;不用于裁定声明——使用 offer-claims-registry。回声率/AI回答感知/份额之声/共鸣信号

营销与增长1.0k
C
checking-freshness
checking-freshness
astronomer / agents

快速检查数据的新鲜度。用户询问数据是否为最新、表格上次更新时间、数据是否过时,或需要在使用前验证数据时效性时使用。

数据与数据库1.0k
S
scipy-best-practices
scipy-best-practices
mindrally / skills

SciPy 科学计算、优化、信号处理和 Python 统计分析的最佳实践

数据与数据库1.0k
A
amazon-competitor-monitoring
amazon-competitor-monitoring
nexscope-ai / amazon-skills

为卖家提供 Amazon 竞品监控和竞争情报。跟踪竞争对手 ASIN 的价格变化、库存水平、新品发布、评论增长速度和广告模式。设置降价、缺货和市场变化的监控提醒。适用于 12 个 Amazon marketplace。无需 API 密钥。适用于:(1)监控竞争对手的定价策略;(2)跟踪竞争对手的库存和备货模式;(3)发现所在品类的新产品发布;(4)分析竞争对手的评论增长速度和评分;(5)根据竞争对手的空缺识别市场机会;(6)设置竞争提醒和基准。

营销与增长1.0k
S
social-media-extractor
social-media-extractor
postplusai / postplus-skills

当用户尚未指定平台专属工作流时,用于提取 Instagram 和 Meta 公开社交数据的高级入口

营销与增长1.0k
A
analytical-method-validation
analytical-method-validation
k-dense-ai / scientific-agent-skills

在适用框架(ICH Q2(R2) 与 Q14、USP <1220>/<1225>/<1226>、ICH M10 生物分析、CLSI EP 或 ISO/IEC 17025)下规划、执行并记录分析方法的验证、确认与转移。凡是涉及 HPLC、LC-MS/MS、GC、CE、ICP-MS、溶出度、qNMR、qPCR、NIR、配体结合或细胞法,且问题在于该方法是否适用于其预期用途时使用。触发词包括"方法验证"、"分析方法验证"、"AMV"、"验证方案"、"接受标准"、"线性"、"报告范围"、"准确度与精密度"、"重复性"、"中间精密度"、"回收率"、"LOD"、"LOQ"、"检出限"、"定量限"、"专属性"、"耐用性"、"方法转移"、"方法比较"、"Deming"、"Passing-Bablok"、"Bland-Altman"、"等效性检验"、"OOS 调查"、"ICH Q2"、"Q2(R2)"、"Q14"、"USP 1225"、"ICH M10"、"样品重测"、"ISR"、"CLSI EP",以及任何需要证明分析方法可用的请求。

测试与质量1.0k
M
maplibre-tile-sources
maplibre-tile-sources
maplibre / maplibre-agent-skills

为 MapLibre GL JS 选择数据所需的形式——直接从文件读取 GeoJSON,还是使用矢量或栅格瓦片;各方案失效时的要素数量和文件大小阈值;以及底图和自有数据如何作为独立数据源组合。用于决定数据集需要哪种数据源类型,不用于托管或配置数据源

数据与数据库1.0k
D
databricks-pipelines
databricks-pipelines
databricks / databricks-agent-skills

在 Databricks 上开发 Lakeflow Spark Declarative Pipelines(原 Delta Live Tables)。适用于使用 Python 或 SQL 构建批处理或流式数据管道,包括从事件流或定期完整快照执行 Auto CDC。开始实现前调用。

数据与数据库1.0k
E
elasticsearch-best-practices
elasticsearch-best-practices
mindrally / skills

Elasticsearch 在索引、查询和搜索优化方面的开发最佳实践

数据与数据库1.0k
B
build-review-interface
build-review-interface
ai-evals-course / evals-skills

构建契合你数据的定制浏览器标注界面,用于评审 LLM 轨迹并收集结构化反馈。在需要构建标注工具、评审轨迹或收集人工标签时使用。

测试与质量1.0k
N
numpy-best-practices
numpy-best-practices
mindrally / skills

NumPy 数组编程、数值计算和性能优化的最佳实践

数据与数据库1.0k
D
database-architect
database-architect
sickn33 / agentic-awesome-skills

专注于从零开始的数据层设计、技术选型、模式建模和可扩展数据库架构的数据库架构专家。

数据与数据库1.0k
W
weights-and-biases
weights-and-biases
orchestra-research / ai-research-skills

使用 W&B 跟踪 ML 实验、自动记录日志、实时可视化训练、通过 sweeps 优化超参数,并管理模型注册表——协作式 MLOps 平台

数据与数据库1.0k
S
segment-anything-model
segment-anything-model
orchestra-research / ai-research-skills

支持零样本迁移的图像分割基础模型。可使用点、框或掩码作为提示词分割图像中的任意对象,也可自动生成图像中所有对象的掩码。

数据与数据库1.0k
D
debugging-mwaa-workflow
debugging-mwaa-workflow
aws / agent-toolkit-for-aws

诊断并查明 Amazon MWAA 工作流在 Provisioned(Python DAG)和 Serverless(YAML 工作流)环境中的故障根因。Provisioned 使用 aws mwaa invoke-rest-api、CloudWatch 日志组和 get-environment;Serverless 使用 aws mwaa-serverless API(GetWorkflowRun、ListWorkflowRuns、GetTaskInstance)和 CloudWatch 日志。涵盖运行和任务失败、DAG 未显示、导入错误、Worker OOM、IAM 拒绝和依赖项漂移。以下情况会触发:DAG failed、task failed、workflow run failed、MWAA error、debug my DAG、why did my workflow fail、DAG not showing up、MWAA import error、requirements failing、worker crashed、serverless run failed。不适用于编写工作流(由 authoring-mwaa-workflow 处理)、运行或冒烟测试工作流(由 testing-mwaa-workflow 处理),也不适用于 CI-CD 部署失败。

云与 DevOps1.0k
N
nba-data
nba-data
machina-sports / sports-skills

通过 ESPN 公共端点、NBA live CDN 和 NBA Stats (stats.nba.com) 获取 NBA 数据——包括比分、排名、阵容、赛程、比赛摘要、逐回合记录、伤病、未来赛程、阵容深度图、领跑者和新闻,以及分析后端:高级评级、每次投篮的球场坐标、职业生涯拆分数据和可追溯至 1946 年的历史数据。零配置,无需 API 密钥。适用于用户询问 NBA 比分、排名、球队阵容、赛程、比赛数据、技术统计、逐回合记录、伤病、交易、博彩未来投注、阵容深度图、球队/球员统计、NBA 新闻、投篮图、高级评级/节奏、职业生涯数据或 NBA 历史赛季时。不适用于用户询问 WNBA(使用 wnba-data)、大学篮球(使用 cbb-data)或其他体育项目时。

数据与数据库1.0k
S
sf-datacloud
sf-datacloud
jaganpro / sf-skills

Salesforce Data Cloud 产品编排器,用于连接→准备→协调→细分→执行工作流。以下情况触发:用户需要多步骤 Data Cloud 流水线、要求跨阶段设置或排查 Data Cloud、管理数据空间或数据套件,或需要跨阶段的 `sf data360` 工作流。以下情况不触发:工作仅涉及单个阶段(使用对应的 sf-datacloud-* 技能);任务涉及 STDM/会话跟踪/parquet 遥测(使用 sf-ai-agentforce-observability);标准 CRM SOQL(使用 sf-soql);或 Apex 实现(使用 sf-apex)。

数据与数据库1.0k
P
portfolio-rebalance
portfolio-rebalance
anthropics / financial-services

分析投资组合配置偏差,并为多个账户生成再平衡交易建议。考虑税务影响、交易成本和洗售规则。适用于“rebalance”“portfolio drift”“allocation check”“rebalancing trades”或“my portfolio is out of balance”等触发语句。

数据与数据库1.0k
A
authoring-mwaa-workflow
authoring-mwaa-workflow
aws / agent-toolkit-for-aws

编写并部署 MWAA 工作流产物:为预置环境编写 Python Airflow DAG,或为 Serverless 编写 YAML 工作流文件。涵盖操作符选择、超时设计、重试策略、调度、失败通知、幂等性和 MWAA Serverless 架构合规性。部署产物(通过 S3 上传 DAG,或调用 Serverless CreateWorkflow/UpdateWorkflow);获批后可内联创建环境,并重新部署修复内容,之后可选择交接给 testing-mwaa-workflow。触发条件:创建 DAG、编写流水线、构建工作流、编排任务、Airflow DAG、数据流水线、安排作业、部署 DAG、部署工作流、YAML 工作流。不适用于在预置环境与 Serverless 之间转换或迁移现有 DAG(不在转换范围内)、运行或冒烟测试已部署的工作流(由 testing-mwaa-workflow 处理),或诊断失败的运行(由 debugging-mwaa-workflow 处理)。

数据与数据库1.0k
C
crawl4ai-skill
crawl4ai-skill
lancelin111 / crawl4ai-skill

Web crawling and scraping tool with LLM-optimized output. 网页爬虫爬取工具 | Web crawler, web scraper, spider. DuckDuckGo search, site crawling, dynamic page scraping. 智能搜索爬取 | Free, no API key required.

数据与数据库1.0k
E
eval-model
eval-model
modular / skills

使用 GSM8K、MMLU、HellaSwag、ARC、AIME、GPQA、TruthfulQA、WinoGrande 和 BABILong 等标准基准,衡量由 MAX 提供服务的文本模型的任务准确率。用于对已部署模型进行基准测试、与模型卡或参考分数比较、验证新的 MAX 模型是否能给出正确答案,或针对 MAX 兼容 OpenAI 的端点运行可重复的数据集评估。

测试与质量1.0k
P
python
python
mindrally / skills

精通 Python 开发,熟悉 Web、数据科学和自动化领域的最佳实践

开发1.0k
T
torob-airflow-dag-ops

暂无简介

数据与数据库1.0k
N
neo4j-driver-python-skill
neo4j-driver-python-skill
neo4j-contrib / neo4j-skills

Neo4j Python Driver v6——驱动程序生命周期、execute_query、托管式和显式操作

数据与数据库999
T
testing-mwaa-workflow
testing-mwaa-workflow
aws / agent-toolkit-for-aws

端到端测试 Amazon MWAA 工作流执行:触发运行并监控至完成,适用于 Provisioned(通过 Airflow REST API 的 Python DAG)和 Serverless(通过 StartWorkflowRun 的 YAML 工作流)。验证制品已部署且可解析,在确认后触发运行,轮询直至达到终态;若失败,则委托 debugging-mwaa-workflow 进行诊断,并委托 authoring-mwaa-workflow 修复制品或重新部署,然后在尝试次数上限内重新测试。触发条件:test my DAG、test my workflow、run my DAG、trigger a test run、does my DAG work、smoke-test the pipeline、verify my workflow runs、execute my DAG to check it。不适用于编写或部署新工作流(由 authoring-mwaa-workflow 处理),也不适用于诊断运行失败原因或查明错误根因(由 debugging-mwaa-workflow 处理)。

测试与质量999
U
upgrading-mwaa-environments
upgrading-mwaa-environments
aws / agent-toolkit-for-aws

将 MWAA 环境升级到较新版本的 Airflow,可在 2.x 内、3.x 内升级,或跨越 2.x 至 3.x。计算版本跃迁路径,并在需要时插入 2.11.x 过渡版本和 Python 转换步骤。根据是否需要保留运行历史和相同环境(URL/ARN)选择方案:新环境升级(蓝绿部署)、在测试副本上验证后原地升级,或直接原地升级。对于升级到 3.x,运行 Ruff 扫描和弃用警告日志扫描,并执行 Docker 验证、分批部署和切换。保存可恢复的升级计划,以支持多会话工作。触发条件:升级 MWAA、升级 Airflow、迁移到 Airflow 3、MWAA Airflow 3、Airflow 2 到 3、保留 Airflow 历史、保持相同 MWAA 环境、蓝绿切换、切换前验证环境。不用于编写新 DAG(authoring-mwaa-workflow)、调试无关的 DAG 故障(debugging-mwaa-workflow)或 MWAA Serverless YAML 工作流(仅支持已预置的 Python DAG)。

云与 DevOps998
U
unsloth
unsloth
orchestra-research / ai-research-skills

提供 Unsloth 快速微调的专家指导——训练速度提高 2–5 倍,内存占用减少 50–80%,并优化 LoRA/QLoRA

开发997
N
nlp-natural-language-processing
nlp-natural-language-processing
mindrally / skills

提供使用 transformers、spaCy、NLTK 和现代 NLP 技术进行自然语言处理开发的专家指导。

数据与数据库994
P
paperclip
paperclip
k-dense-ai / scientific-agent-skills

使用 GXL Paperclip CLI 和 Python SDK 搜索与阅读生物医学论文、FDA/PMDA/EMA 文件、临床试验和蛋白质记录。支持按来源限定的搜索、全文 grep、元数据 SQL、map/reduce 抽取、图像分析、可选的存储库与主张核实,以及带行号定位的引用。当任务提到 GXL paperclip、要求安装或认证,或要求通过 Paperclip 检索文献并抽取证据时使用。

生产力993
G
genomic-coordinates
genomic-coordinates
k-dense-ai / scientific-agent-skills

在基因组区间跨越格式、工具或组装版本边界之前,将其在不同坐标约定之间转换、规范化并比较变异表示,检测组装或 contig 命名的不一致,避免污染分析。适用于:在 BED、GFF/GTF、VCF、SAM/BAM、WIG、PSL、genePred、Picard interval_list 或区域字符串之间转换;协调 0 基半开区间与 1 基闭区间;对 indels 进行左对齐或截短;检查两条变异记录是否描述同一处改变;将基因组位置映射到转录本、CDS 或蛋白质位置;审查 BED/GTF/VCF 是否违反坐标约定;或排查 GRCh37 与 hg19、GRCh38 与 T2T、chr 前缀以及 liftover 问题。触发词包括「off by one」「0-based」「1-based」「half-open」「coordinate system」「left-align」「normalize variant」「bcftools norm」「chr prefix」「wrong genome build」「liftover」「REF mismatch」「HGVS」。

数据与数据库991
G
genomic-intelligence
genomic-intelligence
k-dense-ai / scientific-agent-skills

使用 Genomic Intelligence 托管的 Transformer DNA 语言模型,直接从 DNA 序列预测调控特征、基因结构和表达,无需本地 GPU 或模型权重。通过 REST API 和托管 MCP 服务(免密钥公开演示)提供六项任务:启动子区域、剪接供体/受体位点、增强子活性、染色质状态、序列到表达(log TPM)以及从头基因注释,并提供先找基因再预测表达的组合工作流。当用户拥有基因符号、基因组区域或 DNA/FASTA 序列并希望获得上述任一预测,或提到 Genomic Intelligence、genomicintelligence.ai、api.genomicintelligence.ai 或 mcp.genomicintelligence.ai 时使用。

数据与数据库991
K
knowledge-distillation
knowledge-distillation
orchestra-research / ai-research-skills

使用教师模型向学生模型进行知识蒸馏,以压缩大模型。适用于部署性能得以保留的小型模型、将 GPT-4 能力迁移到开源模型,或降低推理成本。涵盖温度缩放、软目标、反向 KLD、logit 蒸馏和 MiniLLM 训练策略。

开发989
O
ontology-term-resolution
ontology-term-resolution
k-dense-ai / scientific-agent-skills

将自由文本的科学标签解析为本体术语 ID,并针对 EBI Ontology Lookup Service(OLS4)校验已有的 CURIE。还能在 Bioregistry 中查询前缀、通过 Identifiers.org 解析紧凑标识符、用 ZOOMA 映射实验室缩写,并构建 Ontobee 术语页面。凡是需要生成或校验本体标识符时使用——为组织、细胞类型、疾病、表型、检测、化学物质、物种、性别或发育阶段字段做标注;为提交 GEO、ENA、BioSamples、CELLxGENE、HCA 或 ISA-Tab 准备元数据;审计术语 ID 元数据表;检查某个术语是否已废弃及其替代术语;或在 HPO 与 HP 之间做选择。触发词包括「ontology term」「ontology ID」「CURIE」「controlled vocabulary」「UBERON」「CL:」「MONDO」「HPO」「EFO」「ChEBI」「NCBITaxon」「GO term」「PATO」「Zooma」「Bioregistry」「Identifiers.org」「Ontobee」「annotate this tissue/cell type/disease」,以及任何要求输出或校验形如 PREFIX:0001234 的标识符的请求。

数据与数据库989
R
ray-data
ray-data
orchestra-research / ai-research-skills

面向 ML 工作负载的可扩展数据处理。在 CPU/GPU 上流式执行,支持 Parquet/CSV/JSON/图像。与 Ray Train、PyTorch、TensorFlow 集成。可从单机扩展到数百个节点。适用于批量推理、数据预处理、多模态数据加载或分布式 ETL 流水线。

数据与数据库988
D
db-migration-helper
db-migration-helper
wu529778790 / shenzjd-skills

根据模型或架构变更生成数据库迁移 SQL 时使用:比较当前架构与目标架构,检测差异,并输出可回滚的安全迁移。

数据与数据库987
F
fine-tuning-with-trl
fine-tuning-with-trl
orchestra-research / ai-research-skills

使用 TRL 通过强化学习微调 LLM:使用 SFT 进行指令微调,使用 DPO 对齐偏好,使用 PPO/GRPO 优化奖励,并训练奖励模型。适用于需要 RLHF、让模型与偏好对齐或基于人工反馈训练的场景。可与 HuggingFace Transformers 配合使用。

开发987
S
sf-industry-commoncore-datamapper
sf-industry-commoncore-datamapper
jaganpro / sf-skills

创建并验证 OmniStudio Data Mapper(原名 DataRaptor),采用 100 分制评分。构建 Extract、Transform、Load 或 Turbo Extract Data Mapper、映射 Salesforce 对象字段,或检查现有 Data Mapper 配置时使用。当用户创建 Data Mapper、配置字段映射、处理 OmniDataTransform 元数据,或询问 DataRaptor/Data Mapper 模式时触发。构建 Integration Procedures(使用 sf-industry-commoncore-integration-procedure)、编写 OmniScripts(使用 sf-industry-commoncore-omniscript)或分析跨组件依赖关系(使用 sf-industry-commoncore-omnistudio-analyze)时不要触发。

数据与数据库987
N
neon-drizzle
neon-drizzle
neondatabase / ai-rules

创建功能完整的 Drizzle ORM 设置,并配置 Neon 数据库。安装依赖项、配置数据库凭据、设置连接、生成架构并运行迁移。最终得到可立即连接数据库并查询数据的可用代码。适用于使用 Drizzle 创建新项目、为现有应用添加 ORM 或修改数据库架构。

数据与数据库985
Q
qdrant-vector-search
qdrant-vector-search
orchestra-research / ai-research-skills

用于 RAG 和语义搜索的高性能向量相似度搜索引擎。构建生产级 RAG 系统时使用,适用于需要快速近邻搜索、带过滤的混合搜索或依托 Rust 性能实现可扩展向量存储的场景

数据与数据库985
X
xlsx

当电子表格文件是主要输入或输出时使用此技能。即用户希望执行以下任何任务:打开、读取、编辑或修复现有的 .xlsx、.xlsm、.xltx、.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);从零或其他数据源创建新的电子表格;或在表格文件格式之间进行转换。当用户提到某个电子表格文件的名称或路径时尤其要触发——即使只是随口一说(比如「我下载文件夹里的那个 xlsx」)并希望对它做些什么或从中产出些什么时。对于将杂乱的表格数据文件(格式错误的行、错位的表头、无用数据)清理或重组为规范电子表格的任务,也应触发。交付物必须是电子表格文件。当主要交付物是 Word 文档、HTML 报告、独立 Python 脚本、数据库管道或 Google Sheets API 集成时不要触发,即使涉及表格数据。

文档处理985
O
openpiv
openpiv
k-dense-ai / scientific-agent-skills

使用 OpenPIV 执行粒子图像测速(PIV)分析。适用于从 PIV 图像对中提取速度场、分析流体动力学或流动可视化实验、对 interrogation 窗口做互相关、校验并替换异常 PIV 矢量,或根据测得的速度场计算涡量、应变率和湍流统计量。

数据与数据库984
T
tensorboard
tensorboard
orchestra-research / ai-research-skills

使用 TensorBoard(Google 的 ML 可视化工具包)可视化训练指标、通过直方图调试模型、比较实验、查看模型图并分析性能

数据与数据库984
O
opencli-rs
opencli-rs
nashsu / autocli-skill

ClaudeCode/OpenClaw/Agent 的理想搭档,让你的 AI Agent 能够访问整个 Web 上的信息,以自然语言从 Bilibili、Zhihu、Twitter/X、YouTube、Weibo、Reddit、Facebook、Instagram、TikTok、Notion、Cursor 和 55 多个平台获取实时数据——复用你的 Chrome 登录会话,无需 API 密钥。

生产力983
S
sf-datacloud-retrieve
sf-datacloud-retrieve
jaganpro / sf-skills

Salesforce Data Cloud 检索阶段。触发条件:用户运行 Data Cloud SQL、describe、异步查询、向量搜索、搜索索引工作流,或对 Data Cloud 对象进行元数据自省。不要在以下情况触发:标准 CRM SOQL 任务(使用 sf-soql)、细分创建或计算型洞察设计(使用 sf-datacloud-segment),或 STDM/会话跟踪/Parquet 分析(使用 sf-ai-agentforce-observability)。

数据与数据库982
A
annotating-task-lineage
annotating-task-lineage
astronomer / agents

使用 inlets 和 outlets 为 Airflow 任务添加数据血缘注释。适用于用户希望为任务添加血缘元数据、指定输入/输出数据集,或为没有内置 OpenLineage 提取功能的操作器启用血缘跟踪的情况。

数据与数据库981
D
db-seed
db-seed
jezweb / claude-skills

生成包含真实感示例数据的数据库种子脚本。读取 Drizzle schema 或 SQL 迁移,遵循外键顺序,并生成幂等的 TypeScript 或 SQL 种子文件。处理 D1 批处理限制、唯一约束和符合领域的数据。用于填充开发、演示或测试数据库。触发词:'seed database'、'seed data'、'sample data'、'populate database'、'db seed'、'test data'、'demo data'、'generate fixtures'

数据与数据库981
S
stock-analysis

为单只股票生成全面的情绪分析报告。用户希望深入分析 NVDA、TSLA 或 AAPL 等特定股票代码时使用。

数据与数据库981
S
sf-datacloud-connect
sf-datacloud-connect
jaganpro / sf-skills

Salesforce Data Cloud Connect 阶段。满足以下情况时触发:用户管理 Data Cloud 连接、连接器或连接器元数据,测试连接,浏览源对象或数据库,或设置新的源系统。以下情况不要触发:任务涉及数据流或 DLO(使用 sf-datacloud-prepare)、DMO 或身份解析(使用 sf-datacloud-harmonize)、检索/搜索(使用 sf-datacloud-retrieve)或 STDM 遥测(使用 sf-ai-agentforce-observability)。

数据与数据库980
S
sf-datacloud-prepare
sf-datacloud-prepare
jaganpro / sf-skills

Salesforce Data Cloud 准备阶段。以下情况触发:用户创建或管理 Data Cloud 数据流、DLO、转换或 Document AI 配置,或询问如何将数据导入 Data Cloud。以下情况不要触发:任务仅涉及连接设置(使用 sf-datacloud-connect)、DMO 和身份解析(使用 sf-datacloud-harmonize),或查询/搜索工作(使用 sf-datacloud-retrieve)。

数据与数据库979
F
financial-deep-research
financial-deep-research
rebyteai-template / rebyte-skills

开展企业级金融研究,整合多个来源、跟踪监管合规情况,并提供经核实的市场分析。适用于用户需要综合金融分析,且要求参考 10 个以上来源、核实主张、比较市场或开展投资研究的情况。触发词包括“financial research”“market analysis”“investment analysis”“due diligence”“financial deep dive”“compare stocks/funds”或“analyze [company/sector]”。简单股票报价、基础公司查询或通过 1–2 次搜索即可回答的问题,请勿使用。

生产力978
P
pathogen-variant-surveillance
pathogen-variant-surveillance
k-dense-ai / scientific-agent-skills

查询 GenSpectrum LAPIS 的公开数据,用于病原体基因组监测、当前谱系命名法、每周测序比例、报告延迟和描述性突变频率。适用于变异监测、Pango 谱系验证、主导提交谱系、Nextclade 归类来源、SARS-CoV-2、流感/H5N1 分支、RSV、mpox、麻疹、登革热或 LAPIS 查询。用于区分测序阳性率与感染率、分支与基因型、缺失检出与参考序列匹配、采样变化与生物学生长优势。

数据与数据库977
P
pkpd-modeling
pkpd-modeling
k-dense-ai / scientific-agent-skills

药代动力学与药效学建模与模拟——非房室分析、房室模型与群体 PK、PK/PD 及暴露-响应关系、TMDD、PBPK 基础、生物等效性、异速缩放与首次人体给药、药物相互作用预测,以及贝叶斯治疗药物监测。适用于分析浓度-时间数据、推导暴露指标、拟合 PK 或 PD 模型、评估给药方案。触发词包括 "pharmacokinetics"、"pharmacodynamics"、"PK/PD"、"NCA"、"non-compartmental"、"AUC"、"Cmax"、"lambda z"、"half-life"、"clearance"、"volume of distribution"、"compartmental model"、"population PK"、"popPK"、"NONMEM"、"nlmixr2"、"Pharmpy"、"Monolix"、"exposure-response"、"Emax"、"EC50"、"indirect response"、"effect compartment"、"TMDD"、"PBPK"、"bioequivalence"、"RSABE"、"ABEL"、"allometric scaling"、"first-in-human"、"MABEL"、"drug-drug interaction"、"DDI"、"ICH M12"、"concentration-QTc"、"therapeutic drug monitoring"、"MIPD" 和 "dosing regimen"。

数据与数据库976
S
sf-datacloud-segment
sf-datacloud-segment
jaganpro / sf-skills

Salesforce Data Cloud Segment 阶段。触发条件:用户创建或发布细分、管理计算型洞察、检查细分计数或成员身份,或排查 Data Cloud 中的受众 SQL。不要在以下情形触发:DMO/映射/身份解析工作(使用 sf-datacloud-harmonize)、激活工作(使用 sf-datacloud-act)、查询/搜索索引工作(使用 sf-datacloud-retrieve),或 STDM/会话跟踪(使用 sf-ai-agentforce-observability)。

数据与数据库976
H
huggingface-tokenizers
huggingface-tokenizers
orchestra-research / ai-research-skills

面向研究和生产优化的快速分词器。基于 Rust 的实现可在 <20 秒内对 1GB 数据进行分词。支持 BPE、WordPiece 和 Unigram 算法。可训练自定义词表、跟踪对齐情况,并处理填充/截断。与 transformers 无缝集成。适用于需要高性能分词或训练自定义分词器的场景。

开发975
第 1621–1680 条,共 12,302 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。