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
介绍如何解读实验结果,避免误判。涵盖置信区间、p 值、多重检验、序贯检验、CUPED、异质性处理效应、比率指标、网络效应、仪表板数据核对,以及可能导致错误发布决策的解读问题。当用户查看已完成的实验结果面板并准备决定发布、停止或迭代时,或实验数值与仪表板数值不一致时使用。触发词包括:读取实验结果、结果面板、发布或停止决策、p 值、置信区间、统计显著性、多重检验、偷看数据、序贯检验、CUPED、方差缩减、异质性处理效应、比率指标、网络效应、结果不确定、实验与仪表板不匹配。若测试尚未运行,问题涉及假设、样本量、持续时间或测试内容,则改用 experiment-design。
亚马逊反向选品:基于历史商业洞察报告沉淀的指标数据池,按 30+ 项商业维度(市场规模与增长、价格区间与档位份额、竞争密度与头部集中度、人群画像如年龄/性别/收入、评论卖点与痛点等)反向筛选亚马逊赛道与关键词。当用户提到反向选品、指标筛选、细分市场反查、蓝海赛道挖掘、低竞争赛道、新人友好赛道、品牌分散市场、痛点切入、卖点反查、定价档位机会、人群画像选品、Amazon niche reverse search, niche metrics filter, low-competition niche, blue ocean niche, demographic-based selection, pain-point niche, price tier opportunity, sweet spot pricing, brand fragmentation时触发此技能。即使用户未明确说“反向选品”,只要其需求是按商业维度筛选符合条件的亚马逊赛道,也应触发此技能。
使用 ColabFold MSA-Search NIM 为蛋白质序列生成多序列比对(MSA)。适用于同源搜索、UniRef30/ColabFold 环境搜索、A3M 或 FASTA 比对、复合物的配对 MSA 搜索、PDB70 结构模板、托管的 NVIDIA API 调用或本地 Docker 部署。本地部署时,使用 aria2c 并行下载数据库,然后通过 NIM_MODEL_NAME 启动(推荐的快速方式,约需 14 分钟,而内置下载器需 80 多分钟);直接运行 docker run 则会使用较慢的内置下载器。
通过 [inference.sh](https://inference.sh) 在安全的沙盒环境中执行 Python 代码。预装:NumPy、Pandas、Matplotlib、requests、BeautifulSoup、Selenium、Playwright、MoviePy、Pillow、OpenCV、trimesh,以及 100 多个库。适用于:数据处理、网页抓取、图像处理、视频创作、3D 模型处理、PDF 生成、API 调用、自动化脚本。触发词:python、execute code、run script、web scraping、data analysis、image processing、video editing、3D models、automation、pandas、matplotlib
使用 JASPAR(基序)、UniBind、ENCODE(cCRE、ChIP-seq)、RegulomeDB(调控变异评分)、UCSC 和 Ensembl Regulatory Build(基序实例、进化上受约束的元件、TF 结合矩阵)进行转录因子结合、顺式调控元件(cCRE)、染色质可及性和调控注释;还包括基于序列的深度学习调控活性及非编码变异效应预测(AlphaGenome、Enformer、Borzoi、ChromBPNet、Evo 2)。用于调控元件注释、TF 结合位点预测、调控区域功能影响评估,以及预测非编码变异或原始 DNA 序列如何影响表达、染色质或可及性。用户询问什么调控某个基因、SNP 是否命中调控元件,或根据序列预测非编码变异的功能效应时,均可使用。
提供 Azure Data Factory 开发方面的专业知识,包括故障排查、最佳实践、决策、架构与设计模式、限制与配额、安全、配置、集成与编码模式以及部署。适用于配置 IR/SSIS/SHIR、映射数据流、SAP/SaaS 连接器、CI/CD 部署、安全 VNet/Key Vault,以及其他 Azure Data Factory 开发任务。不适用于 Azure Data Explorer(请使用 azure-data-explorer)、Azure Synapse Analytics(请使用 azure-synapse-analytics)、Azure Stream Analytics(请使用 azure-stream-analytics)或 Azure Databricks(请使用 azure-databricks)
SurrealDB 3 专家级架构与开发技能(跟踪 v3.1.4+)。涵盖 SurrealQL、多模型数据建模(文档、图、向量、时间序列、地理空间)、架构设计、安全、部署、性能调优、SDK 集成(JS、Python、Go、Rust、Java、.NET、C、PHP、Swift、Kotlin、Ruby)、Surrealism WASM 扩展、SurrealML 范围支持(预览版)、内置 MCP(v3.1+)和独立 SurrealMCP、LangChain Python 集成、编辑器工具(LSP v0.1.6、tree-sitter、CodeMirror v1.0.6、VS Code/JetBrains/Neovim/Zed)以及生态集成(Surrealist v3.9、Surreal-Sync、SurrealFS、SurrealKit v0.7、n8n、Agent Skills、setup-surreal)。适用于 30 多种 AI Agent 的通用技能。
使用 @datocms/cda-client 查询 DatoCMS Content Delivery API (CDA)——只读 GraphQL API。适用于用户请求 GraphQL 内容读取:获取文章/页面/项目,按日期/文本/字段筛选,排序/顺序,分页/加载更多,通过正则筛选器匹配文本模式,本地化和回退区域设置,模块化内容片段,包含区块/内联记录的 Structured Text (DAST),响应式图片(srcset/blur-up/imgix),SEO 元数据(_seoMetaTags、favicons、global SEO),视频/Mux 字段,草稿或预览读取,按环境读取,通过 rawExecuteQuery 使用缓存标签,排查响应未命中 CDN 缓存或触及速率限制的原因,以及用于可视化编辑的 Content Link 元数据。也适用于使用 gql.tada 或 GraphQL Code Generator 生成 CDA 查询类型。
将研究材料转化为可执行的 PM 洞察。综合客户访谈、用户研究笔记、支持工单评审、销售通话记录、调查数据和应用内反馈,为其应支持的决策提供依据。这是一种将原始探索数据转化为清晰产品方向的方法,既不在综合过程中丢失信号,也不编造并不存在的洞察。适用于研究综合、客户访谈综合、用户研究分析、探索研究汇报、研究洞察、销售通话分析、支持工单分析和定性数据分析。团队已完成研究却无法将其转化为决策、综合结果只有精美演示文稿却未推动路线图,或即将做出的 PM 决策需要基于已有研究时,也适用。
将自然语言问题转换为安全、可执行的 SQL,用于查询 Ascend PyTorch Profiler / msprof 数据库中的算子耗时、通信、调度及其他性能数据。支持从官方文档提取表结构。用户希望分析 Ascend profiling 数据库、查询算子性能数据、分析通信和调度瓶颈,或检查 profiling 数据表结构时使用。触发词包括“profiler db”“sqlite”“sql”“table”“schema”“ascend-pytorch-profiler”“msprof”“operator time”“communication time”“dispatch analysis”“性能分析”“算子耗时”“数据库查询”“性能数据”“性能瓶颈”。
使用已发布的 Python SDK v0.3.4(包 `helix-db`,导入 `helixdb`,Python 3.10+)编写和修改 HelixDB 查询。适用于 `read_batch`、`write_batch`、直接使用 `to_query_request`/`to_query_json` 负载、行绑定、遍历构建器、投影、参数、带遍历范围预筛选的向量和 BM25 搜索、同步 `Client`,以及通过 `AsyncClient` 进行异步服务器端或嵌入式执行。存储的路由和查询包不是 v3 SDK API。目标为 Helix Cloud 时,始终先使用 helix-mcp。
使用卖家精灵数据在亚马逊上查找和分析竞品,覆盖 12 个站点,包含销量、BSR、定价、评分和增长趋势等商品指标。当用户提到竞品查询、竞品分析、ASIN 反查、竞争商品研究、查找相似商品、市场竞品发现、商品对标、竞品销量估算、分析竞争 Listing、competitor analysis、ASIN reverse lookup、competitor sales、competitor research、SellerSprite、market competitor discovery、competitor trends 时触发。即使用户未明确提及“卖家精灵”或“竞品查询”,只要需求涉及通过 ASIN、关键词、卖家名称、品牌或品类发现和分析亚马逊竞品,也应触发此技能。
在 Neon 上构建和运营多租户 AI Agent 平台。当用户设计 Agent/应用构建器、为每个用户/应用/Agent 运行创建 Neon 项目或数据库、管理数千个租户项目、区分赞助的免费用户与付费客户、在组织间迁移项目、选择 `@neon/sdk` 或 `@neon/tools`、选择个人级、组织级或项目级 API 密钥、跟踪集群用量或 Agent Plan 成本、创建结合数据库快照与源代码修订/密钥/部署元数据的复合检查点,或编排生成应用的快照/恢复流程时,使用此技能。Neon Agent Program、Agent Plan、组织/项目限制、HIPAA、联合营销、支持或 neondatabase/neon-for-agent-platforms 示例也适用。
用户希望在 Spree 6 项目中添加新模型、数据库表或 REST API 端点时使用。涵盖 `spree:api_resource`(模型 + 迁移 + Store/Admin API 控制器 + 序列化器 + 工厂 + 控制器规范 + 路由 + 权限范围)和 `spree:model`(仅模型 + 迁移)。常见说法包括“添加 Brand 模型”“创建新资源”“将 X 暴露为 API 端点”“为 Y 添加 Admin API”“搭建 Spree 资源脚手架”“创建不带 API 的 Spree 模型”“内部模型”“将我的模型限定到商店范围”。
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。
