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
面向 SQLite 的 Drizzle ORM（better-sqlite3、libsql/Turso、bun:sqlite、Cloudflare D1、expo-sqlite、op-sqlite）。涵盖架构定义（列模式、主键、外键、索引）、drizzle-kit 迁移（generate 与 push、重命名、自定义 SQL）、查询构建器（select、upsert、returning、EXPLAIN）、关系查询构建器（relations()、`with`、部分列）、事务和 `db.batch()`、使用 `sql.placeholder()` 的预处理语句、连接 pragma（WAL、foreign_keys、busy_timeout），以及 Drizzle 类型推断（`$inferSelect`、`$inferInsert`、`$type<>`、drizzle-zod）。用于编写、审查或重构 SQLite 的 Drizzle 代码。即使用户没有提到“性能”也要触发——现在做出的架构／迁移选择以后很难逆转，而 SQLite 特有的陷阱（单写入者模型、没有原生布尔值／日期类型、ALTER TABLE 限制、默认关闭的 FK pragma）会让未阅读 SQLite 文档就使用 Drizzle 的团队措手不及。
基于阈值监控 Scrapfly 账户指标并发送警报。配置“抓取成功率连续 10 分钟低于 95% 时提醒我”等规则，并通过电子邮件、webhook 或应用内通知接收提醒。用户要求“设置警报”“监控抓取成功率”“抓取开始失败时通知我”“针对 unblocker block rate 或 ASP block rate 发出警报”“监控特定域名”，或提出任何涉及 Scrapfly 警报产品的任务时使用。涵盖三种调用途径：REST API、MCP `alert_*` 工具和 `scrapfly alert` CLI 子命令。企业版功能。
将现有 Databricks 笔记本和作业移植到 Fabric，涵盖从 dbutils 到 notebookutils、从 secret scopes 到 Key Vault、从 DBFS 到 OneLake、将 Unity Catalog 映射到启用架构的 Lakehouse、将 Jobs 和 Delta Live Tables 转换为 Spark Job Definitions 和 Pipelines，以及从 Photon 转换到 Native Execution Engine。需要转换 Databricks 代码时使用。对于不进行迁移的 Fabric 笔记本代码，请使用 spark-cli。
面向工程经理的工程管理技能。当用户提到“engineering dashboard”“engineering leaders”“show me the dashboard”“DORA metrics”“PR health”“sprint pulse”“deployment frequency”“lead time”“change failure rate”“MTTR”“sprint velocity”“investment allocation”“engineering report”“engineering manager report”或“daily engineering brief”时使用。通过 GitHub（使用 gh CLI）、Linear（使用 zen-linear 技能）、Jira（使用 zen-jira 技能）和 Sentry（使用 zen-sentry 技能）收集真实数据。在 Zenflow 内置浏览器中呈现实时 HTML 仪表板。还可执行自动化操作：多模型 PR 审查、依赖项审计和 Bug 分类。
审计或重新校准游戏平衡时使用：构建一个由源码驱动的 Monte Carlo 平衡实验室（Rust + rayon），提取实时游戏数据，模拟不同玩家风格（AFK→高手），输出带置信区间的胜率/经济评估，并通过暴力搜索调整参数。适用于关卡不公平、商店无法到达、刷取漏洞、利息曲线骤变、内容更新后重新校准，或 CI 平衡 JSON 差异。关键词：平衡实验室、Monte Carlo、胜率、难度曲线、经济职业、玩家风格模拟、资源提取、GDScript 解析器、暴力调参。
基于 OpenSearch 构建双边信任型市场的搜索与推荐系统规划，涵盖用户意图界定、产品界面架构、索引设计、查询理解、检索策略、排序、搜索与推荐融合、效果衡量，以及用于持续决策的仪表板和告警层。涉及市场搜索、首页信息流、排序、相关性调优、OpenSearch 查询 DSL、分析器、同义词、黄金集、NDCG、A/B 测试或现有检索系统诊断的任务会触发此技能。规划新工作时，应先于 marketplace-personalisation 使用此技能；若诊断出的问题专属个性化，则移交处理。
28 个 ScraperAPI MCP 工具的知识库。涵盖 scrape、Google（search、news、jobs、shopping、maps）、Amazon（product、search、offers）、Walmart（search、product、category、review）、eBay（search、product）、Redfin（for_sale、for_rent、search、agent）、爬虫工具，以及用于可复用自定义提取的 AI Parser（create、get_details、parse_url、list、update、delete）。提供工具选择、参数优化、额度成本指引和错误恢复。需要 ScraperAPI MCP 服务和有效的 SCRAPERAPI_API_KEY。适用于：网页抓取、抓取 URL、读取受机器人防护的网站、Google 搜索查询、时事和新闻查询、职位列表、商品价格比较、购物调研、Amazon/Walmart/eBay 商品查询或搜索、电商数据提取、Redfin 房产列表、房产搜索、租房搜索、网站爬取、自定义结构化提取、构建可复用解析器、从任意网站提取字段、SERP 监控、SEO 跟踪、竞争情报或市场调研。注意：用户提供的查询、URL 和内容会传输给 ScraperAPI。
需要在 Spring Boot 应用中添加或审查 Mongock MongoDB 数据迁移时使用——包括 Maven 坐标、Spring Data MongoDB 驱动、迁移扫描包、@ChangeUnit 类、锁/事务设置，以及可选的、经策略批准的 MongoDB 集成验证。以下请求均应触发：在 Spring Boot 中添加 Mongock 迁移；审查 Spring MongoDB 数据迁移；配置 Spring Data MongoDB 的 Mongock change unit；创建 Spring Boot MongoDB 的 Mongock change unit；审查 Spring 服务中的 Mongock 迁移顺序。属于 Plinth Toolkit
提供 Azure Machine Learning 开发方面的专业知识，包括故障排除、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。适用于在 Azure ML 中使用 AutoML、Prompt Flow、在线/批处理终结点、向量存储/RAG 或 Model Catalog，以及其他与 Azure Machine Learning 相关的开发任务。不适用于 Azure Databricks（使用 azure-databricks）、Azure Synapse Analytics（使用 azure-synapse-analytics）、Azure Data Science Virtual Machines（使用 azure-data-science-vm）或 Azure HDInsight（使用 azure-hdinsight）。
通过 Etherscan API V2 追踪链上资金流，并编写单个 Etherscan Flow Case JSON 文件（节点 + 边）。输入：交易哈希、钱包/合约地址、业务/实体范围（“将 ENS DAO 作为业务展示”）、粘贴的笔记/草稿，或包含地址和资金流主张的用户输入链接（gist、tweet/X、文章），并进行实时验证。两种模式：用于交易/地址调查的严格追踪，以及用于收入/支出/财库问题的业务/实体档案。用户说“追踪这笔交易”“可视化此交易”“追踪资金流”“为这起诈骗建立案例”“展示该 DAO 的收入和支出”，或粘贴 0x 哈希/地址时使用。仅输出 JSON；每个地址、金额和 txhash 均来自实时 API 响应，绝不捏造。默认使用 Ethereum，也支持其他 EVM 链。安全事件还会重建有证据支持的事件机制、置信度、损失和替代解释。传输优先级：官方 etherscan CLI、Etherscan MCP、内联 apikey=，然后是其他 HTTP 密钥来源。
在 Micronaut 应用中添加或审查 Mongock MongoDB 数据迁移时使用，包括 Mongock runner/driver 选择、Micronaut Bean 装配、迁移扫描包、@ChangeUnit 类、锁/事务设置以及 Testcontainers 验证。以下请求应触发此项：在 Micronaut 中添加 Mongock 迁移；审查 Micronaut MongoDB 数据迁移；使用 Micronaut Data MongoDB 配置 Mongock change unit；为 Micronaut MongoDB 创建 Mongock change unit；审查 Micronaut 服务中的 Mongock 迁移顺序。属于 Plinth Toolkit
基于 Bright Data 的 Discover API 构建 RAG（检索增强生成）流水线或自定义搜索引擎，使用按意图排序的网页结果和解析后的页面内容，为 LLM 或向量存储提供检索／摄取层。适用于用户想要“构建 RAG 流水线”“为我的 LLM／Agent 添加网页搜索”“用实时网页数据为模型提供依据”“构建全网搜索引擎”“将网页内容摄取到向量数据库／知识库”或“为聊天机器人添加检索”时。涵盖实时检索（查询时使用 Discover 作为基于网页的检索器）和内容摄取（Discover → 分块 → 嵌入 → 向量存储 → 检索）。基于 `discover-api` 技能构建。一次性书面报告请使用 `live-research`；提取已知特定 URL 的原始 Markdown 请使用 `scrape`。
在 Node.js 后端环境中使用 Univer（电子表格引擎）进行无头数据处理、批量报告生成、服务端公式计算和自动化工作簿操作。适用于用户需要在没有浏览器的情况下在服务器上创建、读取或修改电子表格，在 Node.js 中运行 Univer，使用 createUniverOnNode、UniverRPCNodeMainPlugin、child_process fork 处理公式工作进程、进行服务端 XLSX/JSON 处理，或在后端通过 Facade API 批量操作单元格。触发词包括“Node.js”“server side”“backend”“headless”“batch generate”“automated report”“createUniverOnNode”“rpc-node”“formula worker”或“Univer in Node”。
在 Quarkus 应用中添加或审查 Mongock MongoDB 数据迁移时使用，包括 Quarkiverse Mongock 扩展、Quarkus MongoDB 客户端配置、启动时迁移、@ChangeUnit 类、锁/事务设置以及 Quarkus 测试验证。以下请求应触发此项：在 Quarkus 中添加 Mongock 迁移；配置 quarkus-mongock；审查 Quarkus MongoDB 数据迁移；为 Quarkus MongoDB 创建 Mongock change unit；审查 Quarkus 服务中的 Mongock 迁移顺序。属于 Plinth Toolkit
在审查、设计或修改 Java 企业系统时使用：这些系统会跨用户、企业、互联产品、云提供商、API、事件流、AI 数据管道、数据空间或 SaaS 平台公开、交换、存储、处理、导出或移植数据，并需要符合 EU Data Act 的工程控制。以下请求应触发此项：审查 Java 平台的 EU Data Act 控制；设计数据访问和可移植性证明；添加数据共享请求工作流、导出格式、互操作性、元数据、审计日志、云切换支持、非个人数据保障或商业秘密交接；评估生产发布前的 Data Act 工程准备情况。属于 Plinth Toolkit
当用户有表格数据（pandas DataFrame、parquet、csv、Arrow、json），并想要筛选、分组、聚合、连接数据，或加速运行缓慢的 pandas 时使用。提供 chDB DataStore——使用相同的 pandas API，底层由 ClickHouse 引擎驱动。还可将 S3、MySQL、PostgreSQL、MongoDB、ClickHouse Cloud、Iceberg、Delta Lake 中的数据读取为 DataFrame，并跨数据源连接。触发条件：用户提到 DataFrame、parquet、csv、“fast pandas”、“speed up pandas”或跨数据源 DataFrame 连接；用户导入 `chdb.datastore` 或 `from datastore import DataStore`。原始 SQL 语法请跳过此技能（改用 chdb-sql）；ClickHouse 服务器管理或非 Python 的 DataStore API 工作也请跳过。
通过 `posthog:insight-create` 或 `posthog:insight-update` 创建或更新洞察时，选择合适的 Y 轴单位——适用于 TrendsQuery（`trendsFilter.aggregationAxisFormat`）和 SQL 洞察（`DataVisualizationNode`、`chartSettings.yAxis[].settings.formatting`）。当 Agent 准备仅为转换单位而添加 `formula`（例如将秒数除以 60 以显示分钟）时、`math_property` 或 SQL 列表示时长、货币、比率或较大计数时，或用户在图表洞察情境中提到“格式化 Y 轴”“时长”“秒”“分钟”“小时”“毫秒”“ms”“百分比”“%%”“货币”“小数位”“轴标签”或“轴单位”时使用。
检查 URL 路径，并提出、测试、排序和应用项目级路径清理规则，将动态片段（数字 ID、UUID、slug、日期）归并为易读的别名。用户说“清理路径”“规范化 URL”“归类相似页面”“不同路径太多”“/users/123 和 /users/456 是同一个页面”“设置路径清理”，或询问 Web 分析或 Paths 细分为何被数千个几乎相同的 URL 拆散时使用。涵盖正则表达式语法（re2）、别名占位符约定、规则排序、测试工作流，以及通过 path-cleaning-rules-update MCP 工具应用规则。
面向市场平台推荐系统的特征工程：从原始平台资产（房源照片、业主填写的房源元数据、宠物保姆向导问卷回答）中提取特征，用于支持物品到物品（相似房源）、用户到物品（首页信息流排序）或用户到用户（双向匹配）推荐。涵盖资产审计、基于第一性原理的特征分解、视觉特征提取（CLIP、房间类型、设施、美学）、房源文本与元数据编码、宠物保姆向导设计、i2i / u2i / u2u 的衍生组合模式（ANN 候选集、双塔、双向匹配）、特征质量治理（训练与服务一致性、漂移、PII），以及增量价值验证（消融 A/B、淘汰评审、无特征基线）。即使用户没有明确说“特征工程”，只要询问如何从房源照片、房源元数据或宠物保姆入门向导中提取更多信号，或如何在不盲目引入新模型的情况下提升 i2i / u2i / u2u 质量，也应触发。
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。