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
当用户希望在本地文件（parquet/csv/json）、URL、S3 路径或远程数据库（Postgres、MySQL、MongoDB、ClickHouse Cloud、Iceberg、Delta Lake）上运行 SQL，尤其是分析型 SQL，且无需搭建服务端时使用。提供 chDB——Python 中嵌入式的 ClickHouse SQL，包含 1000 多个函数、用于有状态多步流水线的 Session、参数化查询，以及通过 `s3()`、`mysql()`、`postgresql()`、`iceberg()`、`deltaLake()`、`remoteSecure()` 表函数进行跨数据源联接。触发条件：用户希望在 parquet/csv/文件或远程分析数据源上运行 SQL；使用 ClickHouse SQL 特性（窗口函数、windowFunnel、geoToH3、JSON 路径操作、Session、参数化查询）；导入 `chdb` 或调用 `chdb.query()`。若用户需要 pandas 风格的 DataFrame 方法链式调用（改用 chdb-datastore）或 ClickHouse 服务端管理，则不要使用此技能。
从任何包含编码器的 KERMT 检查点（grover_base / cmim / hybrid / finetuned）提取逐分子嵌入。每种 readout 类型（atom_from_atom、bond_from_atom、atom_from_bond、bond_from_bond）各写入一个 .npy 文件，另有 canonical_smiles.npy 和 validity.npy。调用 task/extract_embeddings.py（该脚本会即时提取 SMILES 特征，无需预先计算特征）。
Azure Databricks 开发的专业知识，涵盖故障排除、最佳实践、决策制定、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。适用于使用 Unity Catalog、Lakeflow pipelines、Lakebase、AI Runtime/agents 或外部连接器/BI 工具，以及其他 Azure Databricks 相关开发任务。不适用于 Azure Synapse Analytics（使用 azure-synapse-analytics）、Azure HDInsight（使用 azure-hdinsight）、Azure Data Factory（使用 azure-data-factory）、Azure Machine Learning（使用 azure-machine-learning）。
提供 Azure AI Document Intelligence 开发方面的专业知识，包括故障排除、最佳实践、决策、限制与配额、安全、配置、集成与编码模式以及部署。使用 AnalyzeDocument API、自定义/分类/模板模型、批量分析、容器或迁移到 v4.0，以及其他 Azure AI Document Intelligence 开发任务时使用。不适用于 Azure AI Vision（使用 azure-ai-vision）、Azure AI Custom Vision（使用 azure-custom-vision）、Azure AI Search（使用 azure-cognitive-search）或 Azure AI Video Indexer（使用 azure-video-indexer）。
MiniQMT 迅投量化交易接口，基于 XtQuant Python 库（xtdata 行情／xttrader 交易），供外部 Python 程序连接 MiniQMT 客户端，支持 A 股、期货和期权的行情获取（K 线、分笔、财务数据等）和交易下单（报单、撤单、查询资产／委托／持仓）。当用户提及 miniqmt、xtquant、获取实时行情、量化交易下单、获取回测数据，或需要用外部 Python 程序连接 MiniQMT 客户端进行程序化交易时使用。若需在 QMT 客户端内编写或回测内置策略（ContextInfo/passorder），请使用 qmt-strategy 技能。
用于以方法和资料库体系规划并综合产品／用户研究：根据目标选择合适的方法（生成式访谈、可用性测试、概念测试或验证），以明确的置信度计算基于方法的饱和度／样本量，或将编码后的观察综合为洞察，同时标记单一来源的轶事。绝不捏造用户洞察；洞察必须在不同参与者中反复出现。不同于 product-team/ux-researcher-designer（人物角色／用户旅程产物）、product-discovery（发现冲刺规划）和 experiment-designer（线上 A/B）；这是研究运营中的方法与洞察资料库层。
通过内置的 tradingview MCP 服务查询 TradingView 市场数据，无需桌面应用或登录。用户需要技术分析结果（RSI、MACD、Bollinger 评级、买入/卖出摘要）、多时间周期对齐（周线→日线→4h→1h→15m）、全交易所扫描（Bollinger 挤压、成交量突破、连续蜡烛、智能成交量）、按交易所筛选涨幅/跌幅榜、期货市场数据（NQ/ES/CL/GC 概览、隔夜异动、分类快照）、盘前/盘后报价、快速查看期权链或异常期权活动（按行权价统计成交量/OI）、批量股价、全球市场概览、策略回测（Sharpe、回撤、胜率）或加密货币交易所扫描时使用。触发语包括“TA on X”“multi-timeframe read”“BB squeeze scan”“futures movers”“NQ overnight”“pre-market price”“unusual options activity”“backtest RSI on AAPL”和“top gainers on NASDAQ”。查询期权希腊值、自选列表、提醒或图表截图时，请改用 tradingview-reader。
用户明确请求 Flink/Ververica/Realtime Compute Console 工作空间操作时使用：草稿、SQL 校验/执行、部署、作业、Session Cluster、命名空间、表、成员、变量或 checkpoint 超时诊断，尤其是涉及工作空间/部署/作业 ID（w-*、d-*、j-*、sc-*、draft-*）时。用户要求测试/验证 Flink Console 生命周期流程、安全护栏或这些操作的参数校验时也使用。包括创建草稿、部署草稿、列出部署、启动/停止作业、创建/列出 session cluster、获取表、列出变量等请求。用户明确要求运行 `python scripts/flink_ververica_ops.py` 执行 Flink Console 工作空间操作时也使用。与此无关的“workspace”语境或通用云/平台任务（ECS、OSS、RDS、Kafka、Spark、Kubernetes、账单、天气）不要触发。Flink 实例生命周期操作（创建/扩缩容/删除/续期）不要触发；这些操作归 alibabacloud-flink-instance-manage 负责。
Alibaba Cloud PolarDB 数据库 AI 助手。用于 PolarDB MySQL/PostgreSQL 集群管理、实例检查、性能诊断、参数说明与变更评估、SQL/日志分析、备份、安全审计、高可用/灾难恢复、事件分析及其他 PolarDB 运维操作。用户的问题涉及 PolarDB、以 pc- 开头的集群 ID、PolarDB 内核/代理版本、参数、主备切换、IMCI 列存储或 PolarDB 控制台操作时使用。此 Skill 仅适用于 PolarDB。
针对 NSE/BSE 印度股票的系统化图表解读与技术分析。涵盖趋势识别、支撑位/阻力位绘制、成交量分析、指标仪表板和概率情景构建。使用 Groww MCP 获取实时数据，使用 yfinance 获取历史数据。用户要求解读图表、识别趋势、寻找支撑位/阻力位、查看指标（RSI、MACD、Bollinger、ADX、Stochastic）、分析成交量或构建交易情景时使用。触发语句包括：“[stock] 的趋势如何”“[stock] 的支撑阻力位”“[stock] 的指标”“[stock] 看涨还是看跌”“成交量分析”“图表分析”，以及任何解读印度股票价格走势的请求。
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。