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
诊断 PostHog 实验中的偏差、异常和奇怪结果。涵盖 0 曝光实验、样本比例失配、身份碎片化、多变体曝光、不均匀分流导致的排除偏差、显著性陷阱（窥视数据、A/A、贝叶斯与频率学派）、PostHog 与 SQL 结果不一致、中途编辑后出现意外，以及通过按变体划分的调查问卷进行定性跟进。 触发条件：用户询问“我的实验有偏差吗？”或“为什么曝光数为 0？”，提到偏差横幅，表示某个变体看起来奇怪/不对/异常，发现显著性反复变化或 A/A 显著性，发现 PostHog 数值与 SQL 不一致，报告实验中途编辑后出现意外，或希望获取实验的定性反馈或调查问卷。 不要触发：创建实验时（使用 creating-experiments）；仅配置发布流程时（使用 configuring-experiment-rollout）或指标时（使用 configuring-experiment-analytics）；仅询问生命周期问题时（使用 managing-experiment-lifecycle）。
CoinMarketCap 加密货币端点的 API 参考，包括行情、列表、OHLCV、趋势和分类。只要用户提到 CMC API、询问如何以编程方式获取加密货币数据、想要构建价格集成，或需要 REST 端点文档，就使用此 skill。这是任何 CMC 加密货币 API 问题的首选参考。触发：「CMC API」「coinmarketcap api」「crypto price API」「get bitcoin price via API」「/cmc-api-crypto」
将 PostHog 端点（以 API 路由形式暴露的已保存 HogQL/insight 查询）复制到同一组织中的另一个项目，或在同一项目下以新名称复制一份。适用于用户想要复制端点、把端点从 staging 提升到 production、在另一个工作区中复现端点的查询/变量/新鲜度配置，或克隆端点以便迭代的场景。与 feature flag 和实验不同，端点没有原生的跨项目复制工具——本技能涵盖先读取再重建的流程（endpoint-get 然后 endpoint-create）、所需的 active-project 切换、名称冲突检查，以及安全默认值（在目标中以未物化方式落地，用 endpoint-run 验证）。不涵盖编辑端点版本（参见 managing-endpoint-versions）或从头编写全新端点（参见 creating-an-endpoint）。
Salesforce Data Cloud 集成模式和架构（2025 年）。在以下情况主动启用：(1) Data Cloud 设置和数据摄取；(2) Data Streams（云端、移动端、Web SDK、摄取 API）；(3) 数据模型对象（DMO）和源对象（DSO）；(4) 身份解析和统一档案；(5) 计算洞察和细分；(6) 激活至 Marketing Cloud、广告平台、Salesforce CRM；(7) 使用 Snowflake、BigQuery、Databricks 实现自带数据湖（BYOL）；(8) 零拷贝数据共享；(9) Data Cloud + Agentforce grounding；(10) 同意管理和合规。提供：数据流选择矩阵、身份解析规则、细分模式、BYOL 配置和激活指南。
DatoCMS 内容建模的决策框架——模式结构、字段选择、内容复用、分类体系、内容与呈现的区分，以及管理界面组织。用于建模决策，而非实现：model 与 block；single_block、Modular Content 与 Structured Text；引用与嵌入式 block；分类体系结构（扁平/树状/多面向）；将页面型模式重构为可复用内容；满足 300 KB / 500-block / 5-level 记录限制；模型行为（singleton、draft mode、all_locales_required、sortable/tree/ordering_field、presentation_title_field、collection_appearance、inverse_relationships_enabled）；字段配置（validator + appearance——enum + string_select、slug 自动填充、required_alt_title、structured_text 允许列表、带框或无框的 single_block）。也用于模式审查（复用、编辑器易用性、全渠道）。创建模式 → `datocms-cli` 或 `datocms-cma`。查询/渲染 → `datocms-cda` + `datocms-frontend-integrations`
使用 `skore.evaluate` 评估一个学习器。拆分器和任何非默认评分已在 build-ml-pipeline 的 DataOp 上设置。此技能编写不带 `splitter=` 的调用、保存报告并记录定位符。如果锁定拆分是随数据提供的训练表和测试表，则在训练表上拟合，然后仅传入测试表，并设置 `splitter="prefit"`。如果 model-ml-pipeline 在本轮执行，则返回定位符。独立执行时还负责关闭 evaluate 阶段。当代码调用 `cross_val_score`、`cross_validate`、`classification_report`、`.skb.cross_validate` 或手写指标输出，或用户要求为一个学习器评分、评估或运行 CV 时触发。对已保存报告的叙述性解读属于 audit-ml-pipeline。使用方法：任何评估调用之前，解析 G-SKORE-MODE，读取停止规则，并在编写代码前输出 Pre-flight。使用 `python -m skore_skills api get` 确认符号。
Pelosi 追踪器。追踪国会议员根据 STOCK Act 必须披露的股票交易：房众议院书记员公开的定期交易报告（PTR）一经发布便立即读取，每有新报告时提醒一次，并将每份 PDF 转换为整洁的记录（交易人、持有人、股票、股票代码、买入或卖出、期权行权价和到期日、交易日期、金额范围、披露所用天数）。标记你持有的股票相关交易。参议院报告通过有文档记录的手动流程处理。当用户说“Pelosi 在买什么”“追踪 Nancy Pelosi”“国会议员交易”“政客股票交易”“有没有国会议员买入 X”“Pelosi 提交文件时提醒我”或“运行 Pelosi skill”时使用。
让 Datadog LLM-Obs 评估器拟合人工标注。接收一个标注队列，找出被标注属性在 trace 中的实际位置，起草一个预测人工标注的 LLM-judge，用与用户商定的指标将该 judge 与已标注行进行评分对比，然后对其进行爬山式优化——检查错误、做一处有针对性的修改、重新评分、仅当优于最佳结果时才保留——迭代次数有上限，最后将胜出者作为 DISABLED 评估器发布到 Datadog（不是 Datadog 草稿——而是带 `enabled: false` 的真实评估器）。当用户说“从我的标注构建 eval”“从标注队列构建评估器”“把我的标注变成评估器”“从我的标注中学习评估器”“让 judge 拟合标注队列”“自动标注”“自动化这个标注队列”“扩大我的人工标注规模”，或希望队列其余部分按人工标注前几行的方式进行评分时使用。需要一个标注队列，且人工标注中至少存在两个类别（例如布尔值的 true 和 false 各一）。
管理 Alibaba Cloud E-MapReduce (EMR) ECS 集群的完整生命周期，包括创建、扩缩容、续费和状态查询。用户想要搭建大数据集群、查看集群状态、添加节点、释放节点、配置自动扩缩容、检查集群和节点状态或诊断创建失败时，使用此技能。也适用于“创建 Hadoop 集群”“数据湖集群”“资源不足”“查看我的集群”“续费”等场景。注意：此技能在任何情况下都不支持删除、释放或终止集群。任何删除或终止集群的请求都会被拒绝，并引导至 EMR 控制台。
使用 Omni 内置评估系统评估 Omni AI 的准确性：定义提示词集，针对模型（或分支）运行裁判评估，并查看准确性裁判的判定。只要有人想评估 Omni AI、对 Blobby 进行基准测试、运行回归测试、比较不同分支或模型上下文变更下的 AI 输出、衡量 AI 质量、对模型变更进行 A/B 测试、评估 ai_context 或建模变更的影响，或提出“运行评估”“测试 Blobby”“对查询生成进行基准测试”“比较 AI 结果”“回归测试”“AI 有多准确”或“衡量我的更改所带来的影响”等类似请求时，都应使用。
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。