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
Azure Data Share 开发的专业知识，包括故障排查、决策、安全、配置和部署。用于估算 Data Share 成本、保护邀请、修复共享错误、配置数据集、跨区域部署，以及其他 Azure Data Share 相关开发任务。不适用于 Azure Data Box（使用 azure-data-box-family）、Azure Data Explorer（使用 azure-data-explorer）、Azure Data Factory（使用 azure-data-factory）或 Azure Open Datasets（使用 azure-open-datasets）。
Azure Oracle 开发专家知识，涵盖故障排除、安全以及集成和编码模式。适用于使用 Azure Key Vault 配置 Oracle TDE、Exadata 日志导出、Azure Monitor、Sentinel 或 PPG，以及其他 Azure Oracle 相关开发任务。不适用于 Azure SQL Database（使用 azure-sql-database）、Azure SQL Managed Instance（使用 azure-sql-managed-instance）、SQL Server on Azure Virtual Machines（使用 azure-sql-virtual-machines）或 SAP HANA on Azure Large Instances（使用 azure-sap）。
提供 Microsoft Planetary Computer Pro 开发方面的专业知识，包括故障排查、决策、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 GeoCatalog 或 STAC API、配置集合或切片、保护访问、集成 QGIS 或 ArcGIS、排查数据引入问题，以及其他 Microsoft Planetary Computer Pro 开发任务。不适用于 Azure Maps（使用 azure-maps）、Azure Open Datasets（使用 azure-open-datasets）或 Azure Data Explorer（使用 azure-data-explorer）。
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。
用户需要设置或审核 Google Ads 转化跟踪、Google Tag、Google Tag Manager、增强型转化、转化操作、归因模型、跨渠道归因、GA4 导入、电话跟踪，或排查转化数据问题时使用。触发词包括“conversion tracking”“Google tag”“gtag”“GTM”“Tag Manager”“conversion action”“enhanced conversions”“attribution model”“conversion window”“tracking not firing”“missing conversions”“GA4 import”和“phone call tracking”。此技能是 google-ads-bidding Smart Bidding 和 google-ads-audiences 再营销的前置技能。
按关键词深度分析亚马逊细分市场，涵盖垄断程度、品牌集中度、新品成功率和市场机会评分。当用户提到细分市场分析、关键词市场调研、垄断评估、品牌集中度分析、新品成功率、市场需求评分、竞争格局、亚马逊子市场探索、niche market analysis、keyword market、monopoly level、brand concentration、new product success rate、market opportunity score、competitive landscape、Jiimore data 时触发此技能。即使用户未明确提及“细分市场”，只要其需求涉及评估某个关键词维度的亚马逊市场竞争格局、品牌密度或机会潜力，也应触发此技能。
管理设备端 Drift/SQLite 数据层：package:drift 和 package:sqlite3 限定在 lib/data/ 内，位于 DAO 之后，DAO 将行映射为不可变值对象（不让任何 Drift 符号泄漏到 repository 之外），不变量下推到 schema（STRICT 表、CHECK/FK/部分 UNIQUE 索引），在 beforeOpen 中幂等地重新声明 foreign_keys/WAL pragma，每次变更一个 db.transaction，先持久化后发布，每个查询都 await，规范化整数存储，派生状态读取时重算而绝不存储，有作用域的 .watch 流，键集（seek）分页而非 OFFSET，以及 WAL 安全的备份（checkpoint + VACUUM INTO，通过重新打开验证，绝不 File.copy 活跃的 WAL 数据库）。在定义或修改 Drift Table、Companion、DAO、索引或 CHECK 时；编写 repository 事务或有作用域的 watch provider 时；配置连接/beforeOpen pragma 时；添加 SQLCipher 时；构建或验证备份时；或审查数据层 diff 时使用。迁移及其测试位于 run-migration。
提供 Azure Import Export 开发方面的专业知识，包括故障排除、限制和配额以及安全。适用于通过 Key Vault 设置 CMK、检查驱动器限制、验证先决条件、调试 Import/Export 作业失败，以及其他 Azure Import Export 相关开发任务。不适用于 Azure Data Box（使用 azure-data-box-family）、Azure Blob Storage（使用 azure-blob-storage）或 Azure Files（使用 azure-files）。
提供 Azure Open Datasets 开发方面的专业知识，包括限制和配额。适用于处理非 Spark 数据集下载、限流行为、配额限制、重试逻辑、速率限制的变通方法，以及其他 Azure Open Datasets 相关开发任务。不适用于 Azure Data Explorer（使用 azure-data-explorer）、Azure Synapse Analytics（使用 azure-synapse-analytics）、Azure Databricks（使用 azure-databricks）或 Azure Machine Learning（使用 azure-machine-learning）。
ADF 与 Microsoft Fabric / OneLake 2025 集成。主动用于：（1）ADF 中的 Fabric Lakehouse 连接器；（2）ADF 中的 Fabric Warehouse 连接器；（3）OneLake 快捷方式和跨工作区数据；（4）用于跨平台编排的 Invoke Pipeline 活动（ADF -> Fabric、Fabric -> ADF）；（5）在 ADF 和 Microsoft Fabric 工作区之间复制数据；（6）使用 Fabric 工作区身份验证；（7）跨平台参数传递；（8）混合 ADF + Fabric 管道模式。提供：Fabric 连接器设置、Invoke Pipeline 模板、OneLake 快捷方式模式，以及从 ADF 迁移到 Fabric 的指南。
查询并分析极目数据的亚马逊细分市场洞察，包括市场指标、买家评论、竞争格局、价格走势和增长趋势。当用户提到细分市场分析、市场洞察、细分市场数据、市场竞争分析、品牌集中度、新品上架成功率、断货率、价格趋势、评论洞察、市场需求评分、niche market insights、market metrics、competition analysis、price trends、growth trends、Jiimore data、market intelligence、out-of-stock rate 时触发此技能。即使用户未明确提及“极目”或“细分市场”，只要其需求涉及通过市场 ID 查询特定亚马逊细分市场的市场级情报，也应触发此技能。
拆解指定关键词下所有竞品 ASIN 的流量来源，包括自然搜索、SP 广告、SB 品牌广告、SBV 视频广告、SP 推荐、AC/ER/TR 等推荐位；支持按 ASIN、日期范围及新进流量词等条件筛选。当用户提到关键词流量来源、该关键词下哪些竞品在争夺流量、自然流量与付费流量占比、SP 广告曝光、品牌广告占比、SP 推荐位、推荐位广告/非广告拆分、搜索展示分析、Amazon's Choice 或编辑推荐曝光、关键词竞争格局、ASIN 流量构成、keyword traffic、traffic structure analysis、search share、ad share、traffic source distribution、SIF、traffic analysis、SP recommendation、recommend position breakdown 时触发此技能。即使用户未明确提及“SIF”，只要其需求涉及分析某个关键词下竞品 ASIN 的流量来源分布，也应触发此技能。
高级 SQLModel 模式，以及使用 Alembic 进行全面的数据库迁移。创建 SQLModel 模型、定义关系（一对多、多对多、自引用）、设置数据库迁移、优化查询、解决 N+1 问题、实现继承模式、使用复合键、创建索引、执行数据迁移或排查 Alembic 问题时使用。触发词包括“SQLModel”“Alembic migration”“database model”“relationship”“foreign key”“migration”“N+1 query”“query optimization”“database schema”，或有关 ORM 模式的问题。
按 ASIN 查找亚马逊同细分市场（Niche）竞品，支持按点击转化率、综合转化率、点击量、销量、评论、评分、价格、毛利率等多个维度筛选潜力竞品。当用户提到同细分竞品、ASIN 竞品挖掘、Niche 竞品分析、同类商品对标、ASIN 对标分析、细分市场竞品列表、高转化竞品筛选、极目产品挖掘、niche competitor by ASIN、ASIN competitor analysis、same niche products、similar products discovery、conversion rate comparison、potential competitor screening、Jiimore ASIN mining 时触发此技能。即使用户未明确提及“细分市场”或“Niche”，只要其需求涉及根据某个 ASIN 挖掘同细分市场的竞品列表或筛选潜力竞品，也应触发此技能。
将工程分析（PR / CI）数据转换为保存的 PostHog 洞察、仪表板和订阅，并说明如何用 SQL 直接查询产品数据。涵盖：通过 engineering-analytics-sources 发现各团队的 GitHub 仓库表；在 HogQL 中复刻精选列的语义；在产品逻辑相关处（CI 成本、带指纹的失败行、提交归属）读取暴露的 engineering_analytics_* 仓库视图；用 insight-create 保存查询；用 subscriptions-create 安排投递。当被问及「save this as an insight」「put CI health / merge times on a dashboard」「email me PR throughput weekly」「chart CI cost」「track time to first review」「subscribe to these numbers」「alert on CI success rate」「what data/tables/views does engineering analytics read」时使用。对于临时的 CI 与合并问题，使用 diagnosing-ci-and-merge-bottlenecks；调查某个具体的 CI 失败时使用 investigating-ci-failures。
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。