Skills
收录 97,501 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
解析、浏览和查询材料科学本体结构——浏览类层级、检查各个类及其属性、查找对象属性和数据属性定义及其 domain/range、按关键词搜索本体术语,以及解析或总结原始 OWL/XML 文件。目前支持 CMSO 和 ASMO;更广泛的 OCDO 生态(CDCO、PODO、PLDO、LDO)计划后续支持。适用于探索本体提供哪些类或属性、为晶体结构或模拟概念查找合适的 CMSO 术语、理解父子类关系,或熟悉不熟悉的材料本体;即使用户只问“哪些本体术语可以描述我的 FCC 铜模拟”或“显示 CMSO 类层级”,也适用。
Airflow 语言 SDK 的语言无关基础:使用非 Python 语言实现任务逻辑,同时让 DAG 保持为 Python。适用于用户想用其他语言(Java、Kotlin、Go 或其他 JVM/原生语言)运行 Airflow 任务,询问 Python `@task.stub` 如何与原生任务代码配合、两侧的任务/DAG ID 如何匹配、数据如何通过 XCom 以 JSON 传递,或有哪些语言 SDK。此技能负责共享的 Python 存根模式和概念模型;关于特定语言的原生 API、构建和运行时,请使用对应语言的技能(例如 authoring-java-sdk-tasks、authoring-go-sdk-tasks)。
Azure Resource Graph 开发专家知识,涵盖故障排查、最佳实践、决策、限制与配额、配置、集成和编码模式。适用于通过 CLI/PowerShell/REST 查询、使用 GET/LIST 与 Query、处理分页和配额,或创建 Power BI ARG 报告,以及其他 Azure Resource Graph 相关开发任务。不适用于 Azure Monitor(使用 azure-monitor)、Azure Policy(使用 azure-policy)、Cost Management(使用 azure-cost-management)或 Azure Resource Manager(使用 azure-resource-manager)。
配置 Airflow 以运行语言 SDK 任务(Java、Go 及未来的原生 SDK):注册协调器、将队列映射到协调器、确保工作节点上有运行时/制品,并调整协调器选项。用户希望 Airflow 将队列路由到原生语言协调器,询问 `[sdk]` `coordinators`/`queue_to_coordinator` 设置、`AIRFLOW__SDK__COORDINATORS`、`jars_root`、`executables_root` 或其他协调器 `kwargs`、`task_startup_timeout`,或询问原生任务为何未被调度时使用。涵盖通用路由机制和各协调器选项(例如 JavaCoordinator、ExecutableCoordinator)。
两个适用范围:(1)通过 computer-use 驱动 Kimi.app,执行 Work/Agent 数据插件查询(天眼查、同花顺 iFinD、SEC、IMF 等)以及使用 Chat 内置的深度研究报告;(2)kimi-cu macOS 桌面自动化指南,涵盖 AX set_value / keyboard / click 通道选择、切换到前台、AX 树恢复,以及表单和对话框操作方法。适用于“用 Kimi 查”“操作 Kimi 客户端”“Kimi 插件”“Kimi 深度研究”,以及通过 kimi-cu 操作任何 macOS 桌面应用(Electron/webview/native)。不适用于 kimi.com 浏览器自动化(请使用 kimi-webbridge)或直接访问 iFinD API。
使用 Airflow Go SDK 编写 Airflow 任务逻辑。适用于用户希望用 Go 实现 Airflow 任务,询问 `BundleProvider`/`RegisterDags`、`bundlev1` Registry/Dag 接口、注册 Go 任务(`AddTask`/`AddTaskWithName`)、按参数类型进行依赖注入(`context.Context`、`sdk.TIRunContext`、`*slog.Logger`、`sdk.Client`),或从 Go 读取连接、变量和 XCom 的情况。此技能涵盖 Go 专用原生 API;通用的 Python 存根模式和概念模型见 authoring-language-sdk-tasks。构建、打包和发布 bundle,请参阅 deploying-go-sdk-bundles;配置协调器,请参阅 configuring-airflow-language-sdks。
帮助用户从“我想看录屏,但不知道看哪些”出发,筛选出值得观看的少量高价值会话。用户询问该看哪些会话或回放、希望找到有趣/有用的录屏、表示不知道从哪里开始查看会话回放,或想观看与某个目标相关的会话(注册、定价、引导、结账、某项功能、愤怒点击、错误、移动端、特定人员),但未指定精确筛选条件时使用。通过 `query-session-recordings-list` 将模糊意图转化为聚焦的 RecordingsQuery,随后为最佳候选添加深层链接,并交接给 `investigating-replay`。如果用户已有录屏/会话 ID(使用 investigating-replay),或想查看已知错误问题的回放(使用 finding-replay-for-issue),则不要使用。
只要代码会构建、返回、获取或执行针对用户真实 Postgres 数据库运行的 SQL,就应使用本技能——即使请求看起来只是普通功能或错误修复,也没有提到“安全”“注入”或“SafeSqlFragment”。涵盖:编写或编辑任何 pg-meta 函数、查询构建器或端点,以构建/返回针对数据库对象(表、视图、函数、DB 触发器、索引、RLS 策略)的 SQL;将 schema/table/column/search/route-param 值插入 SQL 文本;存储、获取或重新运行从数据库往返的 SQL(策略定义、函数/视图定义、已保存的代码片段内容);以及任何向项目数据库发送 SQL 的“Run”/“Apply”/“Execute”操作(SQL 编辑器运行选定内容、策略编辑器应用、代码片段运行器)。编写此类代码之前就加载本技能,不要等到审查完成的 diff 时才加载。只有在变更完全不涉及 SQL 文本或执行时才跳过,例如样式、无关的数据钩子、非 SQL 表单验证或 UI 布局工作。
提供 Azure Synapse Analytics 开发方面的专家知识,包括故障排除、最佳实践、决策、架构与设计模式、限制与配额、安全性、配置、集成与编码模式,以及部署。适用于 Synapse SQL 池、Spark 池、Delta Lake、Synapse Link(Cosmos/SQL)、通过 PolyBase 执行 ELT,以及其他 Azure Synapse Analytics 开发任务。不适用于 Azure Data Factory(使用 azure-data-factory)、Azure Data Explorer(使用 azure-data-explorer)、Azure Databricks(使用 azure-databricks)或 Azure Stream Analytics(使用 azure-stream-analytics)。
指导 Agent 创建 Replay Vision 扫描器并安全设定其规模:选择扫描器类型(monitor/classifier/scorer/summarizer),构造用于选择会话的 RecordingsQuery,尤其要在创建前估算所需额度并检查组织剩余预算,避免范围过广的扫描器在首次定时扫描时耗尽预算。 触发条件:用户要求创建、设置或配置 Replay Vision 扫描器;即将调用 vision-scanners-create;或通过 vision-scanners-update 扩大现有扫描器的 query、sampling_rate 或 sampling_mode 范围(或将其改用更昂贵的模型)。 不要触发:仅查看扫描器或观察结果、删除扫描器,或按需对会话运行现有扫描器(vision-scanners-scan-session/-scan-sessions)。若只是临时询问已有会话,请使用 vision-scanners-inline-scan,而不要创建扫描器;技能的第一部分说明了适用情况。
构建、打包并部署编译后的 Airflow Go SDK 包,以便 ExecutableCoordinator 运行它们。用户需要编译 Go 任务包,询问 `go build`、`go tool airflow-go-pack`、AFBNDL01 自包含可执行包、打包或检查程序包、将其放入 `executables_root`、为 worker 交叉编译程序包、`go-sdk` 模块版本/标签/伪版本,或将程序包部署到 Airflow worker(Docker、Kubernetes 或 Astro)时使用。任务代码请参阅 authoring-go-sdk-tasks;共享协调器设置请参阅 configuring-airflow-language-sdks。
提供 SQL Server on Azure Virtual Machines 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。用于规划 SQL VM 与 Managed Instance 的选型、Always On/FCI HADR、Azure 存储与备份、Key Vault/MI 身份验证、KQL 遥测,以及其他 SQL Server on Azure Virtual Machines 开发任务。不适用于 Azure SQL Database(使用 azure-sql-database)、Azure SQL Managed Instance(使用 azure-sql-managed-instance)、Azure Virtual Machines(使用 azure-virtual-machines)或 SAP HANA on Azure Large Instances(使用 azure-sap)。
使用 Google 的 TimesFM 基础模型进行零样本时间序列预测。无需训练自定义模型,即可预测任何单变量时间序列——包括销售额、传感器读数、股价、能源需求、患者生命体征、天气或科学测量数据。支持基础预测,以及使用动态和静态外生变量的高级协变量预测(XReg)。加载模型前自动检查系统 RAM/GPU,处理前验证数据集是否适配,支持 CSV/DataFrame/数组输入,并返回点预测和经过校准的预测区间。附带预检系统检查脚本,首次使用前必须运行,以验证机器能否加载模型并处理指定数据集。
在构建、修改、部署或调试 Keboola Apps(Streamlit 或 Python/JS)时使用。涵盖完整生命周期 —— 选择应用类型、Python/JS 的 prod-app-and-drafts 模型(绝不创建第二个应用)、配置 keboola-config/、存储访问(RO workspace、RW Query Service、input mapping)、身份认证、用 DuckDB 缓存提升性能、默认 Keboola 样式、仪表盘模式、可选的 Kai 聊天集成,以及三种客户端路径(仅 MCP、带文件系统的 Claude Code、kbagent CLI)。
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。
