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
提供 Azure Data Science Virtual Machines 开发方面的专业知识，包括故障排查、决策、架构与设计模式、安全、配置、集成与编码模式以及部署。用于管理 DSVM 映像/工具、IaC 部署（Bicep/ARM）、Key Vault 密钥、MLflow 或 GPU/Jupyter 问题，以及其他 Azure Data Science Virtual Machines 相关开发任务。不适用于 Azure Virtual Machines（使用 azure-virtual-machines）、Azure Machine Learning（使用 azure-machine-learning）、Azure Databricks（使用 azure-databricks）或 Azure HDInsight（使用 azure-hdinsight）。
Azure SQL Database 优化及平台专属功能。遇到以下情况时主动启用：(1) Azure SQL Database 优化；(2) DTU 与 vCore 的选择和规格调整；(3) 自动调优（强制使用上一个良好计划、创建/删除索引）；(4) Hyperscale 层和只读副本；(5) Serverless 层和自动暂停；(6) Azure SQL 性能监控（Query Performance Insight、Intelligent Insights）；(7) 弹性池；(8) 使用安全 enclave 的 Always Encrypted；(9) Managed Instance 与 Azure SQL DB 的权衡；(10) 故障转移组和异地复制。提供：层级选择矩阵、启用自动调优的步骤、Hyperscale 架构概览、监控查询和弹性池规格建议
使用已锁定的验证方案评估一个兼容 sklearn 的学习器，并持久化结构化 skore 报告。拆分器和任何非默认评分已由 `build-ml-pipeline` 设置在 DataOp 上。此技能编写调用时不带 `splitter=`，持久化报告并记录其定位信息。当锁定的拆分采用随数据提供的训练表和测试表时，先在训练表上拟合，再仅传入测试表并设置 `splitter="prefit"`。如果本轮由 `model-ml-pipeline` 调用，则返回定位信息。独立运行时负责关闭评估阶段。触发条件：代码调用 `cross_val_score`、`cross_validate`、`classification_report`、`.skb.cross_validate` 或手写指标输出；或用户要求对单个学习器评分、评估或运行 CV。对已持久化报告进行叙述性解读应交由 `audit-ml-pipeline`。使用方法：在任何评估调用之前，解析 G-SKORE-MODE，阅读停止条件，并在编写代码前输出 Pre-flight。使用 `python -m skore_skills api get` 确认符号。
基于 Sorftime 数据，按 ASIN 查询亚马逊产品详情和历史趋势，覆盖 14 个站点。当用户提到 Sorftime 产品详情、ASIN 详情查询、销量走势、价格曲线、价格历史、BSR 排名历史、BSR 趋势、利润分析、FBA 费用分析、毛利率、产品趋势分析、日销量/月销量、销售额趋势、Deal 促销历史、product detail、sales trend、price history、BSR ranking、profit analysis、FBA fees 时触发此技能。即使用户未明确提及“Sorftime”，只要需求涉及按 ASIN 查询亚马逊产品详情或历史趋势数据，也应触发此技能。
基于 Sorftime 数据的亚马逊多维度产品搜索与筛选，涵盖 14 个站点，支持回看历史月份快照。当用户提到 Sorftime 产品搜索、亚马逊产品筛选、竞品调研、类目分析、品牌热销、卖家分析、季节性产品、历史快照回看、产品搜索、月销量月销售额、ABA 关键词找产品、价格范围筛选、新品发现、多条件组合筛选、product search、competitor research、category analysis、brand bestsellers、seller analysis、seasonal products、historical snapshot 时触发此技能。即使用户未明确提及“Sorftime”，只要其需求涉及亚马逊产品搜索、筛选、对比或按类目／品牌／卖家维度探索产品，也应触发此技能。
Alibaba Cloud Tair 开发工具包：涵盖架构选型、数据结构设计、实例创建与配置、连接管理、性能监控、错误排查以及备份与恢复，共 7 项能力。通过 aliyun CLI 执行真实云操作（创建实例、修改白名单、管理备份、恢复数据）。恢复操作风险较高，会覆盖当前数据。请确保 RAM 账号具有所需权限（参见 references/ram-policies.md）。触发词：“tair”、“create tair instance”、“tair instance”、“redis”、“data structure”、“backup”、“PITR”、“tair architecture”、“tair connection”、“tair error”。
提供 Azure AI Personalizer 开发方面的专业知识，包括故障排除、决策、安全性、配置、集成和编码模式。适用于选择单槽或多槽设置、调整策略或探索、使用学徒模式、可解释性或本地推理，以及其他 Azure AI Personalizer 相关开发任务。不适用于 Azure AI Search（使用 azure-cognitive-search）、Azure Machine Learning（使用 azure-machine-learning）、Azure AI Metrics Advisor（使用 azure-metrics-advisor）或 Azure AI Anomaly Detector（使用 azure-anomaly-detector）。
通过 Python 包 `datalens-sdk` 执行任何 Yandex DataLens 自动化任务时使用此技能。触发条件：DataLens、datalens、даталенс、chart、чарт、график、dashboard、дашборд、dataset、датасет、connection、подключение、workbook、воркбук、collection、коллекция、wizard chart、QL chart、editor chart、BI 自动化、自动化 DataLens、“create a dashboard”、“построй дашборд”、“создай чарт”、“export dataset”或“clone dashboard”；实体 ID，例如 dataset_id、chart_id、dashboard_id 或 workbook_id；以及通过代码创建、更新、检查、导入、导出、复制或诊断 DataLens 对象的请求。不适用于：关于指标值的业务问题；查看或截图 DataLens Web UI；嵌入或 iframe；不管理 DataLens 实体的原始 SQL/YQL 分析；原始 HTTP API 调用；独立 HTML 页面或报告，但通过此 SDK 发布或管理它们的情况除外。
ADF 工具的 Windows 和 Git Bash 兼容性。主动用于：(1) 在 ADF CLI 工具中使用 MSYS_NO_PATHCONV；(2) 运行 ADF npm 构建时 Git Bash 的路径转换；(3) 从 Git Bash 调用用于 ADF 的 PowerShell 脚本；(4) 在 Windows 上通过 Git Bash 使用 Azure CLI 部署 ADF；(5) Windows 上 ARM 模板导出问题；(6) Windows 上的 ADF utilities npm 包；(7) JSON 管道定义中的换行符问题。提供：MSYS 环境变量方案、Windows 上 npm 的修复方法、从 Bash 调用 PowerShell 的模式，以及 Git Bash 上 Azure CLI 的身份验证方法。
Azure Data Factory（ADF）的 CI/CD、部署和管道开发。主动用于：（1）ADF CI/CD 设置（npm 验证、ARM 模板导出）；（2）ADF ARM 模板部署；（3）CI 中的 ADF npm 构建验证；（4）用于触发器和资源清理的 PrePostDeploymentScript；（5）ADF GitHub Actions 工作流；（6）ADF Azure DevOps 管道；（7）ADF Git 集成（协作分支与发布分支）；（8）跨环境参数化链接服务和数据集；（9）ADF 触发器（计划、滚动窗口、事件）；（10）ADF 部署槽位和蓝绿部署。提供：适用于 GitHub Actions 和 Azure DevOps 的完整 CI/CD YAML、PrePostDeploymentScript 参考、参数化模式和触发器管理方案。
编写、编辑和调整 PostHog Signals scouts——定期扫描项目并将发现发送到 Signals 收件箱的 Agent。适用于用户希望为自己的设置自定义规范 scout（缩小范围、调整阈值、添加排除条件）、调整 scout 的计划或试运行设置，或针对特定用途（自定义事件、规范 scout 未覆盖的产品界面）从头编写新 scout 的情况。涵盖 scout 的 SKILL.md 结构、发送契约、去重与临时记忆约定、团队技能存储路径与规范仓库内路径，以及发送并检查的测试循环（可选使用 dry-run 作为安全保障）。在“编写/编辑/自定义 signals scout”“为 X 新建 scout”“调整我的 scout 计划”“创建一个监视 <event> 的 scout”等请求时触发。
Azure HDInsight 开发的专家知识，包括故障排除、最佳实践、决策、架构和设计模式、限制和配额、安全、配置、集成和编码模式以及部署。用于处理 HDInsight Spark/Hive/Kafka/HBase 集群、Ambari/Oozie 管道或 Azure 集成存储/BI，以及其他 Azure HDInsight 相关开发任务。不适用于 Azure Databricks（使用 azure-databricks）、Azure Synapse Analytics（使用 azure-synapse-analytics）、Azure Stream Analytics（使用 azure-stream-analytics）。
创建、验证、格式化和修改 Infrahub schema YAML 文件——节点、泛型、属性、关系和扩展。还会检查 Infrahub Marketplace 是否已有可复用的已发布 schema，然后再从头建模领域。以下情况触发：设计数据模型、添加 schema 节点、验证 schema 定义、规划 schema 迁移、修改或扩展现有 schema、更改节点类型上的属性或关系、调试 schema 加载失败或迁移被拒的原因、在 Marketplace 中查找现成 schema、建模文件对象／附件／上传内容（PDF、图像、证书、文档）、格式化 schema 文件、规范 schema 键顺序，或运行 `infrahubctl schema format`（包括作为 CI 门禁）。以下情况不触发：填充或编辑对象数据文件（使用 infrahub-managing-objects）、编写检查／生成器／转换、查询实时数据、规划 Infrahub 版本升级（使用 infrahub-planning-upgrades）。
通过 jinko-sdk 创建、运行、轮询并查看 Jinkō CMA-ES 校准的结果：将数据表和/或高级输出集作为适应度函数来源挂载，设置 CMA-ES 选项和参数先验，启动并监控运行，读取性能/结果载荷。当用户需要构建或驱动 Calibration 对象的 SDK 机制时使用。此技能不用于校准业务规则（默认值、诊断、交付物规则）。此技能不用于高级输出集/评分设计的编写——请使用 jinko-output-set。此技能不用于数据表创建或 validForFitnessFunction 检查——请使用 jinko-data-table。此技能不用于模型或协议编写——请使用 jinko-model / jinko-protocol。此技能不用于校准计划编排或迭代工作流。
通过 jinko-sdk 构建或编辑 Jinkō 计算模型（QSP/PK-PD）：参数、分类参数、区室、物种、ODE、反应、给药事件、代数规则、基线检查、求解选项、单位和组件标签。每当用户想从头创建模型、创建空模型、编辑现有模型、添加或修改组件、应用输入/来源/输出标签、配置单位检查、定义模型级给药事件、合并两个模型并解决冲突、验证诊断结果，或调试模型合理性或 simple_solve 错误时，都使用此技能。优先编辑现有模型，而不是重新创建。此技能不用于运行试验；试验执行请使用 jinko-trial。
通过 jinko-sdk 为 Jinkō 的 in-silico 试验创建、合理性检查、运行、轮询、下载结果并计算绘图数据。当用户想基于计算模型和简单输出集搭建试验，可选地附加 vpop、方案、数据表或高级评分输出集，启动试验、等待完成、查看已完成的试验、将 TimeSeries 和 Scalar 结果下载为 pandas DataFrame，或获取计算好的绘图数据（标量分布、时间序列分位带、生存曲线、贡献/龙卷风分析、逐患者散点值），并按描述符过滤或分组以自行绘图时，请使用本技能。不要用本技能编辑模型、创建 vpop、撰写方案设计、上传数据表、创建/编辑输出集，或配置已保存的 TrialVisualization。
从互联网获取内容的一站式工具——视频下载、音频提取并转文字、字幕下载、评论采集、博主数据、网页抓取、搜索聚合、跨平台发布与数据分析，覆盖 30+ 个平台（抖音/TikTok/YouTube/B站/小红书/知乎/公众号/视频号/微博/Reddit/HackerNews/即刻/知识星球/雪球/贴吧/头条/Twitter 等），按降级链自动选择最优工具。用户说“下载”“下个视频”“帮我抓”“抓一下”“爬”“爬取”“读一下”“读这个链接”“看看这个网址”“转文字”“转录”“听写字幕”“评论”“看看评论”“抓评论”“博主数据”“博主更新”“up主”“谁谁最近发了什么”“封面”“发抖音”“发小红书”“定时发布”“草稿”“账号数据”“粉丝数”“给我截图”“网页正文”“这个页面讲了啥”，或提供任意 URL／短链接／BV 号／视频号链接／公众号文章链接并要求获取内容，或提到抖音/TikTok/YouTube/B站/小红书/知乎/公众号/视频号/微博等具体平台并要求下载内容、搜索内容、读取评论、采集数据，以及任何涉及从互联网获取内容的操作时使用。优先按降级链选择工具：搜索使用 anysearch→opencli→agent-reach；下载按平台路由；抓取使用 Scrapling→browser-use→web-access；浏览器操作（登录状态页面/JS 渲染/多步交互/跨站搬运）优先使用 huashu-chrome MCP（自 2026-10-21 起，真实登录状态 + 效果证据，替代 chrome-devtools MCP）。纯技术查证／搜索教程和心得类内容（不含平台名、不获取内容）交由 laohan-sousuo（Jeffrey 于 2026-10-02 拍板）。
诊断并解决 PostHog 数据摄取警告，即事件摄取期间记录的问题（事件丢弃、人员合并被拒、负载过大、数据无效）。当用户询问事件为何缺失、被丢弃或计数偏低，identify/alias 调用为何无效或账户仍重复，人员或群组属性为何未更新或个人资料看起来异常膨胀，录制为何有缺口、热图为何为空、LLM 令牌计数为何缺失、无 Cookie 事件为何消失，或 `ingestion_warning` 健康检查触发时，使用此技能。说明严重性分类（error = 丢弃，warning = 已修改，info = 有意行为），并将所有警告类型——大小限制与增强、合并与 distinct ID、高频 distinct ID、`$process_person_profile`、时间戳、无 Cookie、热图、转换、会话回放——导向相应问题的参考文件，其中包含代码级原因和各 SDK 的修复方法。
开发 Microsoft Fabric Spark/数据工程工作流，并在 Fabric Notebook 单元格中编写代码，同时路由到相关资源。提供工作区/lakehouse 管理、Notebook 代码编写（PySpark、Scala、SparkR、SQL）和 Materialized Lake View（MLV）编写（Spark SQL MLV 支持增量刷新；PySpark 仅支持全量刷新）。可路由至数据工程模式、开发工作流或基础设施编排。对于现有 MLV 的刷新或计划管理，请使用 `mlv-operations-cli`。触发词："develop notebook"、"Delta Lake patterns"、"Spark development"、"lakehouse configuration"、"write notebook code"、"notebookutils"、"notebook cell"、"PySpark notebook"、"%%sql cell"、"%%configure"、"fabric notebook"、"run notebook"、"notebook deployment"、"materialized lake view"、"MLV"、"CREATE MATERIALIZED LAKE VIEW"、"MLV incremental refresh"、"review MLV for incremental refresh"、"MLV refresh policy"
时间机器。在你冒一美元风险之前，重放交易的所有可能结果：进行 10,000 次模拟交易时段，并回测该策略过去每次触发的情况。接收 trader-exit 的计划（入场、止损、目标价），根据该股票过去 60 天的 5 分钟 K 线，将当天剩余时间重建 10,000 次，并在过去每个交易时段重新运行相同规则。输出收盘前先到达目标价、先触及止损、两者都未触及的概率，收盘价、平均 R、历史记录和一条坦诚的结论，然后交给 /trader-budget。用户说“run the time machine”“replay this trade”“what are the odds”“simulate this trade”“monte carlo”“backtest this setup”“how often does this hit the target”“is this a coin flip”，或 /trader-exit 写出计划后、/trader-budget 之前使用。
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。