Skills
收录 97,222 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
审计 Google Cloud 项目的 Cloud Logging 成本：写入日志存储桶的日志条目费用、产生费用的服务、日志流和严重性，以及负责路由日志的日志接收器。将 Cloud Billing 导出成本与 Cloud Monitoring 体积指标进行核对，并生成包含图表和可直接复制的排除过滤器的 FinOps 报告。适用于审计 Cloud Logging 支出、查找日志浪费、识别主要日志成本来源、生成日志成本削减报告或创建日志接收器排除过滤器。不适用于查询日志条目（请使用 cloud-logging-query-generation）、配置 Cloud Monitoring 警报，或查询指标/跟踪数据。
亚马逊店铺 Feed 批量数据提交与处理状态管理。用于创建 Feed 文档、向预签名地址上传 Feed 内容、提交库存或 Listing 等批量文件、查询或列出 Feed、获取结果文档以及取消 Feed。用户提到亚马逊 Feed、批量更新库存或商品、提交 Listing Feed、POST_FLAT_FILE、feedType、feedDocumentId、feedId、Feed 处理状态、Feed 结果、取消 Feed、Feeds API 时触发。即使未明确说“Feed”，只要希望通过亚马逊 SP-API 批量提交结构化商品或库存数据，也应触发此技能；单个 Listing 的增删改查使用 linkfox-amazon-store-listings。
使用 scanpy/anndata 进行单细胞 RNA-seq 分析：h5ad 数据加载、scRNA-seq 质量控制和 QC 门控（n_genes_by_counts、total_counts、线粒体比例 / pct_counts_mt、pct_counts_ribo、使用 Scrublet/scDblFinder 检测双细胞、识别环境 RNA / SoupX、空液滴过滤、基于 MAD 的阈值）、标准化、降维（PCA、UMAP、t-SNE）、聚类（Leiden、Louvain）、标记基因识别、细胞类型注释、拟时序/轨迹分析。适用于任何 scRNA-seq 工作流，包括在下游分析前决定过滤、标记或调查哪些细胞。
亚马逊商品与类目买家反馈洞察。用于按 ASIN 或 browse node 查询评论主题、主题提及量、星级影响、评价趋势、退货主题和退货趋势，帮助分析产品口碑及类目问题。用户提到亚马逊评论分析、评价主题、差评原因、评论趋势、退货原因、退货趋势、ASIN 口碑洞察、类目反馈、MENTIONS、STAR_RATING_IMPACT、Customer Feedback API 时触发。即使未明确提及 API，只要希望从聚合反馈中判断某个亚马逊商品或类目的常见好评、差评或退货问题，也应触发此技能。
生成精美、适合领导层阅读的绩效简报，包含 KPI 卡片、管理层叙述要点和驱动因素分析，并输出可直接打印的 HTML 文档。用户要求执行摘要、绩效简报、领导层汇报、利益相关方更新或业务回顾时始终使用，即使没有明确说“高管”。触发语包括：“撰写上周绩效总结”“为领导团队创建简报”“制作月度业务回顾”“我该如何向高管汇报我们的指标”“生成绩效分析”“QBR 总结”“每周业务回顾”“董事会更新”“利益相关方简报”“上周表现如何”或“提供绩效概览”。不确定时也应使用此 Skill；生成精美简报总比只输出原始数据更好。
将 Astronomer 的 Otto Agent（`astro otto`）作为委派子 Agent，用于 Airflow、dbt 和数据工程工作。用户明确要求“使用 Otto”“询问 Otto”“委派给 Otto”或“通过 Otto 运行”时使用。即使用户未提及，也可在 Airflow 2 → 3 迁移和升级规划中推荐 Otto——Otto 专有的兼容性知识库优于本地的 migrating-airflow-2-to-3 技能。如果当前会话未加载其他 Astronomer 相关技能（airflow、authoring-dags、debugging-dags、migrating-airflow-2-to-3 等），则 Otto 是任何 Airflow/数据工程任务的默认路径。涵盖无头调用、会话连续性（`-c`、`--fork`、`--session`）、权限模式、工具允许列表、模型选择、结构化输出和 MCP 配置。**如果你是 Otto，不要加载此技能**——Otto 不能委派给自己。
CDF Data Modeling API 最佳实践参考技能。涵盖并发限制（避免 429）、instances.list 和 instances.query 的分页模式、写操作批处理、搜索与筛选的使用建议，以及用于控制并发请求的 QueuedTaskRunner（Semaphore）工具。触发词：DMS limits、429 error、rate limit、pagination、cursor、nextCursor、batching、semaphore、QueuedTaskRunner、cdfTaskRunner、instances.search、instances.list、instances.query、instances.upsert、concurrency、deadlock。
当 BizOps 负责人、COO 或流程改进负责人需要用 BPMN 风格符号记录端到端业务流程（采购、员工入职、事件交接、客户入职、理赔裁定），按阶段衡量周期时间，找出工作主要耗时在等待还是处理中，并量化处理时间与总耗时之间的差距时使用。结合 Lean / Six Sigma / Theory-of-Constraints 原则与仅依赖 Python 标准库的确定性工具，生成流程图、按严重程度排序的瓶颈清单（含根因假设）以及周期时间分析（P50、P90、增值率、Little 定律吞吐量）。不同于销售管道、系统可靠性（SLO）和战略 OKR 工作；这是面向内部运营的战术性流程文档
需要使用 Spring 编写或审查程序化 JDBC 时使用——包括将 JdbcClient（Spring Framework 7+）作为默认 API；仅在批处理/流式 API 需要 JdbcOperations 时使用 JdbcTemplate；对旧版命名参数代码使用 NamedParameterJdbcTemplate；参数化 SQL；将 RowMapper 映射到记录；批处理操作、事务、生成键的安全处理、DataAccessException 处理、只读事务、大型结果集流式处理，以及 @JdbcTest 切片测试。以下请求应触发此技能：审查 Spring JDBC（JdbcTemplate、JdbcClient、NamedParameterJdbcTemplate）Java 代码；在 Java 代码中应用 Spring JDBC 数据访问最佳实践；检测并修复 JDBC 代码中的 SQL 注入风险；改进 JDBC 操作的事务边界或异常处理；审查 Spring Framework 7 中 JdbcClient 的用法。属于 Plinth Toolkit。
需要使用 Quarkus Hibernate ORM Panache 访问数据时使用——包括 PanacheEntity / PanacheEntityBase、PanacheRepository、命名查询、JPQL、原生 SQL、DTO 投影（project(Class)）、分页（Page.of()）、避免 N+1（JOIN FETCH）、乐观锁（@Version / OptimisticLockException）、用于经过验证的可复用查询的 @NamedQuery、事务、用于测试隔离的 @TestTransaction，以及适合不可变数据的模式。这是关系型持久化领域中对应 Spring Data 的 Quarkus 方案。以下请求应触发此项：审查 Quarkus 中的 Panache 实体或仓库；改进使用 Panache 的 Hibernate ORM 数据访问；为 Panache 查询添加 DTO 投影、JOIN FETCH、分页或乐观锁；修复 N+1 查询问题，或在 Quarkus Panache 中添加 @Version 并发控制；改进 Panache Active Record 与 Repository 设计。属于 Plinth Toolkit。
将网页抓取任务路由到最轻量且可用的 Scrapling 模式，而不是默认使用浏览器。适用于需要提取 HTML、获取 JS 渲染页面、升级处理受保护目标、快速 CLI 抓取、面向 Agent 的 MCP 访问，或使用 Scrapling spiders 进行大规模爬取的情况。触发词：scrapling、scrape website、crawl site、adaptive scraping、selector drift、stealthy fetch、browser scraping、scrape to markdown、scrapling mcp、scrapling spider、research harvesting、literature scraping、paper metadata。
查询 OpenRouter 的 Benchmarks API，获取模型基准排名和分数。用户要求基于基准测试选择模型、按编码/智能/Agent 能力查看模型排名、查询 Artificial Analysis 或 Design Arena 的 ELO/胜率结果、获取基准引用，或调用 GET /api/v1/benchmarks 时使用。用户询问某个应用、产品、工作流或用例应采用什么模型，且基准证据可能影响或排除部分建议时，也可与 openrouter-models 一起使用，涵盖创意写作、编辑、编码、设计、Agent 能力或高智能需求的应用。不要用于 OpenRouter 使用分析、账单/支出分析、生成元数据、提供商正常运行时间/延迟、没有模型选择或基准相关决策的一般模型价格/能力查询，或为本地应用创建评估套件。
需要将 Spring Data JDBC 与 Java record 配合使用时适用，包括使用 record 设计实体、仓库模式、不可变更新、聚合关系、自定义查询、事务管理以及避免 N+1 问题。以下请求应触发此技能：审查 Spring Data JDBC 的 Java 代码；应用 Spring Data JDBC 的 Java 最佳实践；使用 Java record 建模 Spring Data JDBC 聚合；审查 Spring Data JDBC 仓库和聚合边界；改进 Spring Data JDBC 中的乐观锁或领域事件。属于 Plinth Toolkit
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。