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
在 PostHog 数据仓库视图（HogQL）或外部 dbt 项目上构建可复用的转化模型 —— 漏斗/步骤转化率、流失和转化所需时间。当用户想要建模、定义或计算转化率、漏斗、步骤完成、流失、激活漏斗、注册到付费，或任何“做过 A 的用户中有多少 %（在 N 天内）接着做了 B”这类指标时使用。涵盖漏斗模型（有序步骤、转化窗口时限、严格顺序与任意顺序）、个人与分组聚合单位、整体转化与逐步转化（两个不同的数字）、细分归因，以及何时用保存的漏斗洞察优于仓库视图。在 PostHog 上，用 windowFunnel 以 HogQL 建模漏斗；在 dbt 中，暂存事件流并计算带测试的 fct_conversion 数据集市。先阅读 modeling-warehouse-foundations 了解视图与 dbt 的机制；与 query-funnel 配合进行交互式分析。
查询已发送的 Zyte API 请求的使用统计，包括费用、请求量、响应时间、状态码、筛选、分组和分页。凡是回答需要查询已记录的 Zyte API 使用情况、支出、请求数、响应时间、分组统计或筛选统计时，都使用此技能；也包括明确根据实际记录的使用情况推算未来支出或用量（例如“根据本月截至目前的用量，预测月底支出”）。如果用户询问某个爬虫、任务或工作负载可能会产生什么数据，则不要使用；这是没有已记录数据可供查询的假设性估算，即使项目中存在该爬虫也一样。只有用户明确以过去或当前的已记录用量为依据，预测才符合条件。也不要用于仪表板设置、文档、配置或账户帮助问题。
将从数据源到预测器的整个流水线声明为 skrub DataOps 图。无状态步骤使用 `.skb.apply_func`，有状态步骤使用 `.skb.apply`。图构建完成后，附加锁定的拆分器和任何非默认评分。不要执行 fit、tune、持久化或 `skore.evaluate`。编写或编辑从数据源到预测器的任何环节时触发（加载器、预处理、特征、组合、最终估计器），包括该路径上的纯 Python 函数、添加或重排步骤、顶层使用裸 `sklearn.Pipeline`，或请求构建流水线、分类器或回归器。使用方法：在第一行声明式代码之前，以及每次结构性编辑时使用。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` 确认新名称。
当用户希望通过 gate-cli 研究 Gate.info / Gate.news 时使用此技能，包括单币分析、市场概览、多币比较、技术分析、宏观分析或研究加新闻。触发短语包括：分析 SOL、BTC 怎么样、比较 BTC 和 ETH、技术分析、NFP 影响、结合新闻研究。Info 为主要信息源；news 为辅助信息源。委派：gate-info-risk（安全）、gate-info-web3（链上数据为主）、gate-news-intel（新闻优先）。v0.7.6+ 在可用时使用 playbook 快捷方式；低于 0.7.6 时使用旧版多步骤回退流程。
在 PostHog 数据仓库视图（HogQL）或外部 dbt 项目上构建可复用的激活模型——一个激活率指标和一个按用户/按账户的已激活标记。当用户希望定义、建模或衡量激活、"aha moment"、引导成功，或哪些早期行为能预测用户留存时使用。此技能贯彻的核心思想：激活不是一个假定的单一事件——它是经留存验证的早期行为组合，通过在覆盖度（足够多的用户触发它）和预测力（触发它的用户留存明显更好）之间取得平衡来选择。涵盖寻找候选行为、用留存提升验证它们、计数阈值和行为组合、按产品以及 B2B 组级别的激活，并将最终胜出的定义建模为可长期使用的已激活标记 + 激活率模型。请先阅读 modeling-warehouse-foundations；配合 modeling-product-usage-metrics 进行留存验证。
在 PostHog 数据仓库视图（HogQL）或外部 dbt 项目上，构建可复用的产品使用与参与度模型——留存、粘性和生命周期。当用户想要建模、定义或计算用户是否会回流（留存 / 流失）、参与频率（粘性 / 重度用户 / DAU-WAU-MAU 比率），或活跃用户群的构成（新客 / 回访 / 复活 / 沉默生命周期）时使用。这三者同属一个参与度族，共享起始事件/回流事件词汇和区间粒度；本技能将它们一并处理，并帮助选出合适的视角：留存对应回访率群组矩阵，粘性对应频率分布，生命周期对应增长质量。在 PostHog 上，用 HogQL 建模（对应 query-retention / query-stickiness / query-lifecycle）；在 dbt 中，构建带测试的 fct_retention / fct_stickiness / fct_lifecycle 数据集市。请先阅读 modeling-warehouse-foundations；它为 modeling-activation-metrics 使用的留存校验提供输入。
在 PostHog 数据仓库视图（HogQL）或外部 dbt 项目上构建可复用的收入模型——MRR、ARR、总收入、新增/扩展/收缩/流失、ARPU、LTV，以及按客户/按账户的收入。当用户想要建模、定义或计算经常性收入、月度/年度经常性收入、收入的流失或留存、生命周期价值、每用户平均收入，或按客户、群组、产品或货币划分的收入时使用。在 PostHog 上，基于由 Stripe 或自定义收入事件写入的受管 *_revenue_view 视图（revenue_item、mrr、customer、subscription、charge、product）构建——而非原始 Stripe 表——并用 convertCurrency() 统一货币。在 dbt 中，暂存支付源数据，并用测试计算 fct_mrr / fct_revenue_item / dim_customer 数据集市。涵盖如何选择正确的数据源、会让 MRR 为空的订阅配置陷阱、货币处理，以及将收入关联到个人/群组。视图与 dbt 的机制请先阅读 modeling-warehouse-foundations。
展示 AI 编码使用情况洞察：成本、token、会话活动，以及按成员、模型、Agent、项目、产品或提示词质量的细分。还能找出 Team（CawPlan 产品线）中谁尚未提交每日编码报告、汇总 Team 的成本、标记高成本/低代码变更的会话，以及标记某成员的成本增长。适用于：用户询问编码成本、AI 使用统计、团队会话活动、模型开销、Agent 使用情况、提示词质量、生产力指标、哪些团队成员尚未提交/提交编码报告、Team 的总编码成本、成本与代码改动严重不匹配的会话，或某人的编码成本是否显著增长时。不适用于：提交报告、创建工单、产品健康指标或发布跟踪。
生成用于批量内容操作的 Enonic XP 脚本，使用 lib-content 和 lib-node API 创建、更新、查询、迁移和转换内容。涵盖查询 DSL（NoQL）、聚合、批处理、用于长时间运行操作的任务控制器，以及导出/导入工作流。适用于编写批量创建、更新或删除内容的脚本、使用 NoQL 语法查询、在环境之间迁移内容、运行长时间任务操作，或处理聚合和分页检索。不要用于 Guillotine GraphQL 前端查询、内容类型架构定义、单次 contentLib.get() 调用，或非 Enonic 数据迁移工具。
为星型模型构建可复用的维度表 / 查找表——国家/地区、时区、货币、日期、套餐/产品，以及其他描述性属性——在 PostHog 数据仓库视图（HogQL）或外部 dbt 项目上均可。当用户想要建模维度表、查找表、星型模型、一致维度，或想用国家、地区、时区、套餐或货币属性丰富事件/收入/使用数据而不重复 JOIN 时使用。涵盖维度数据的获取（上传、仓库数据源或从事件派生）、将其整理为带别名的每实体一行视图（由于维度很少变化，可选地按低频计划物化），并通过保存的 join 或 person join 将其挂接到事实表，使其列可当作原生字段读取。关键规则：货币请使用内置的 convertCurrency()，而不要自行编写汇率表。请先阅读 modeling-warehouse-foundations；此处的维度会被收入、转化、激活和产品使用建模技能复用。
结构性 pytest：预测数量必须与 predict-grid 行数一致。触发条件：已批准的实验需要冒烟测试、`pytest tests/smoke/` 因行数不匹配而失败、用户询问冒烟测试失败原因、流水线编辑需要验证，或实验脚本改变了流水线结构。若 `status.setup.pending` 非空（加载 `setup-ml-project`），或没有已批准的设计或匹配的实验脚本，则停止：说明情况并引导用户进行设置，或继续使用 `build-ml-pipeline`。用户拒绝过 git 后不要再次询问。“冒烟测试为什么失败？”仍由此技能处理。本操作不涵盖回归测试或 CV 结果解读。不要编写 `skore.evaluate`。使用方法：运行 `status`，阅读日志和实验，编写 `tests/smoke/test_NN_*.py`，然后运行 `python -m skore_skills smoke run --stem <stem>`。红色 JSON 表示需要在 `build-ml-pipeline` 中修复流水线。不要放宽断言。
从任意网站提取结构化数据的通用操作手册 —— 酒店价格、机票票价、电商商品列表、房地产、招聘信息、竞品产品目录，凡是目标是将一个或多个 URL 变成磁盘上整洁记录的场景。只要用户提到从网站抓取、采集、提取或拉取数据；点名想要获取数据的某个网站或竞品；询问如何处理 JavaScript 渲染页面、Cloudflare 封锁、机器人检测、Turnstile 挑战或 Playwright；想要长期监控价格；需要自动化一项复制粘贴式调研任务；或说出“直接从 X 拿数据”、“我需要一个能从网站 Y 抓取 N 的脚本”之类的话，就使用本技能。涵盖侦察、选择能奏效的最轻量提取工具、应对反机器人防御，以及写出带运行清单的整洁 JSONL 输出。范围仅限于抓取 —— 将数据落库、调度和下游管道工作明确不在范围内，属于其他工具。
将一封外发营销文案与用户现有的营销活动进行基准对比——哪些有效、哪些无效、获胜者有何不同——并给出明确的结论和按优先级排序的修改建议。当用户想知道某个营销活动或序列是否优秀、将草稿与过往活动对比、对照真实表现审计营销文案、在上线前对序列做压力测试、在正式发布前验证序列，或询问 \"is this campaign as good as my best ones\" 时使用。触发词：\"challenge this campaign\"、\"benchmark this sequence\"、\"is this campaign good\"、\"audit my copy\"、\"pressure-test before launch\"、\"compare to my best campaigns\"、\"should I launch this\"。连接后从 La Growth Machine MCP 拉取现有的营销活动表现数据；否则基于用户粘贴的统计数据和文案工作；没有活动历史时则回退到最佳实践基线。适用于 SDR、RevOps、Growth、销售/营销负责人以及启动外发营销的创始人。由 La Growth Machine 维护。
按真实营收影响对触达活动进行排名——哪些活动真正带来了交易、商机或会议——方法是将用户的 La Growth Machine 活动数据与其 CRM 交易数据（目前为 HubSpot）交叉比对。适用于用户想知道哪些活动推动了商机、比较活动 ROI、查看哪些活动应继续 / 停止 / 调整、审计活动影响、审查归因、提出“我的哪些活动真正有效”，或希望按交易或营收对活动绩效排名时。触发词：'which campaigns drove pipeline'、'rank my campaigns by deals'、'campaign ROI'、'campaign impact'、'which campaigns to stop'、'which to scale'、'attribution review'、'pipeline by campaign'。已连接时从 La Growth Machine MCP 和 HubSpot MCP 拉取实时数据；否则基于粘贴的导出数据运行。面向进行活动绩效复盘的 RevOps、销售/市场负责人、创始人和增长负责人。由 La Growth Machine 维护。
在 Confluent Cloud 上使用 Debezium 源连接器、Flink 进行转换、Tableflow 进行数据湖集成，搭建端到端的变更数据捕获（CDC）管道。支持 JSON_SR、Avro 和 Protobuf 格式。处理无 schema 主题（不含 SR 的纯 JSON）和多事件主题。该技能处理从数据库到 Iceberg/Delta 表的完整工作流。当用户希望通过 Confluent Cloud Tableflow 捕获数据库变更并将其物化到 Iceberg 或 Delta Lake 表时使用此技能。触发短语包括「CDC to Tableflow」、「database to Iceberg」、「database to Delta Lake」、「stream database changes to data lake」、「set up Tableflow pipeline」、「schemaless topic to Tableflow」或「multi-event topic to Iceberg」。对于不涉及 Tableflow 或以 Iceberg/Delta Lake 为目的地的通用 CDC、Debezium 或数据库复制请求，请勿触发。
为 Drizzle ORM + SQLite 搭建样板代码：新建 `drizzle.config.ts`、配置合适 pragma 的单例客户端、包含显式主键/索引外键/relations()/推断类型的逐表 schema 文件、包含 `.returning()` + `inArray()` + `.onConflictDoUpdate()` 的逐表 repository 模块，或 drizzle-zod 验证器。为三种驱动（better-sqlite3、libsql/Turso、bun:sqlite）生成强制遵循约定的模板。即使用户没有说“scaffold”也应触发——“为 X 添加表”“在这个项目中配置 Drizzle”“接入 SQLite”“为 X 创建 CRUD 模块”或“初始化 DB 层”等表达都应触发。与 `drizzle-sqlite` skill 配合使用，该 skill 涵盖这些模板所编码的 45 条规则；需要例外时请阅读。
仅用于普通电子表格 Sheet 与多维表格 Bitable/Base，不是所有数据或 JSON 请求的通用入口。用户要求读写单元格、导入导出表格、设置样式/筛选视图/条件/下拉框/原生单元格图片/浮动图片，或操作多维表格的表、字段、记录、视图、角色、协作者、仪表盘、表单、工作流和数据聚合时使用；也覆盖 --as bot 的 cron/无人值守 Bitable 场景时必须使用本 Skill。明确禁止用于文档权限/协作者、消息/事件订阅和未封装 OpenAPI 通用透传；它们分别使用 feishu-cli-storage、feishu-cli-messaging 和 feishu-cli-platform。文档内 Markdown 表格使用 feishu-cli-docs；数据图表展示使用 feishu-cli-visual。
覆盖所有数据库引擎（MySQL、PostgreSQL、SQL Server、MariaDB、GaussDB for MySQL、TaurusDB）的 Huawei Cloud RDS（关系型数据库服务）全场景智能服务。提供六大能力领域：（1）针对 RDS 产品功能、最佳实践和规格的基础智能问答；（2）通过慢日志分析、Top SQL、执行计划指导和索引建议优化 SQL 语句性能；（3）数据库实例日常运维，包括健康检查、重启、规格变更、磁盘扩容、主备切换和只读副本管理；（4）通过错误日志、复制状态、连接诊断和恢复时间窗口进行在线故障定位与排查；（5）参数调优，包括参数组管理、修改建议和性能参数调整指导；（6）备份与恢复指导，包括备份策略管理、创建手动备份、恢复到新建或现有实例，以及时间点恢复。采用 CLI→SDK→API 三级回退机制，以实现最大兼容性。所有变更操作均需用户明确确认。触发词包括：“RDS”“关系型数据库”“数据库实例”“慢SQL”“SQL优化”“数据库运维”“数据库故障”“故障排查”“参数调优”“备份恢复”“数据库巡检”“RDS诊断”“数据库诊断”“DBA”“数据库性能”“主从延迟”“连接数”“数据库备份”“数据恢复”“RDS智能服务”“database instance”“RDS troubleshooting”“slow query”“SQL performance”“database backup”“parameter tuning”“RDS ops”“database diagnose”。
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。