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
可绕过机器人检测的隐身 Chromium 浏览器自动化。当用户想要抓取、截图、导出 PDF 或自动化某个会拦截普通无头浏览器的网站时使用此技能 —— 例如 Cloudflare Turnstile、reCAPTCHA v3、FingerprintJS、ShieldSquare、BrowserScan、"Access Denied" 响应、普通 `curl` 遭遇可疑的 403/429，或任何会让 Playwright/Puppeteer 被识破的网站。当用户提到 CloakBrowser、隐身 Chromium、反机器人绕过、"headless detection"、"real Chrome fingerprint"，或想要一次性检查 "what does this page actually render" 时也适用。对于任何位于 CDN 或机器人检测层之后的网站，优先使用此技能，而非直接用 `curl`/`fetch`。
机构级投研报告生成技能。覆盖中国A股、港股、美股上市公司。输出模式：1）投资速览：3-5页，含公司概览、核心财务指标、估值倍数、投资逻辑与风险因素；2）深度研报：≥25页，含行业分析、产业链图谱、三表模型、DCF估值、情景分析与敏感性测试。触发条件：1）直接请求：分析/看看/研究/调研/介绍一下 + 公司名或股票；2）投资询问：你怎么看/能不能买/值得投吗/帮我看看/扒一扒 + 公司或股票；3）关键词：研报、投资简报、投资速览、公司一页纸、深度研报、深度研究、深度分析、个股分析、一页纸、速览、公司速览、投研报告；4）股票代码：标准格式（如 600519.SH、0700.HK、AAPL、TSLA、BYD）。意图不明确时主动询问输出模式，禁止默认推断。
当用户有一份姓名或公司清单，想要查询他们的职位、雇主、工作经历、LinkedIn 网址或公司档案，或想要查找符合条件的人或公司时使用——在出现诸如 \"enrich these contacts\"、\"find their LinkedIn\"、\"look up these people\"、\"who works at X\"、\"find directors at Y\"、\"enrich these companies\" 或 \"get firmographics for\" 等短语时触发。使用 People Data Labs（PDL）的 Person 和 Company 数据进行丰富与搜索，并将结果写入 .xlsx。五项操作：将指定的 PEOPLE 丰富为个人档案、工作经历和 LinkedIn 网址；将身份不明的人 IDENTIFY 为多个带评分的人选；按条件（公司、职位、地点）SEARCH 人员；将 COMPANIES 丰富为公司概况（行业、规模、员工数、总部、成立时间、LinkedIn）；以及按条件 SEARCH 公司。不要直接抓取 LinkedIn——出于法律和可靠性考虑，这里改用有授权的数据聚合商（PDL）。
在向 Искрон 写入节点（现象、крия、вимарш、轮廓、角色）时使用。触发词：“запиши”“зафиксируй”“добавь узел”“создай крию”“положи в граф”、create phenomenon、add to graph、iskron_add；并且在调用 iskron_add_*、iskron_batch 以及补写正文的 iskron_update 前始终使用。当节点类型、given_as 或模态不明确时也使用。即使只写入一个节点，类型选错也会在整个图谱中造成偏差。不同于 design（从目标出发的路径）、weaving（修复现有结构）、methodology-work（方法论本身的演进）。
数据可视化，涵盖图表选择、色彩理论和标注最佳实践。包括图表类型（柱状图、折线图、散点图、热力图）、坐标轴规则以及用数据讲故事。适用场景：图表、图形、仪表盘、报告、演示、信息图、数据故事。触发词：data visualization、chart、graph、data chart、bar chart、line chart、scatter plot、data viz、visualization、dashboard chart、infographic data、data presentation、chart design、plot、heatmap、pie chart alternative
用于推荐服务（AWS Personalize、Databricks Model Serving、内部微服务）以及由 OpenSearch 支撑的搜索/信息流端点的 Django 后端模式。涵盖扇出编排（asyncio.gather、截止时间传播、部分结果、异步客户端复用）、外部服务保护（超时、熔断器、带抖动的重试、隔离舱、限流）、OpenSearch 查询模式（search_after、_source 过滤、function_score、别名、路由、bool.filter）、结果融合（分数归一化、MMR、去重、冷启动）、Redis 缓存（防击穿、按模型版本区分的键、两级缓存、负缓存）、韧性（部分响应信封、出错时返回旧数据、优雅降级）、异步（sync_to_async、异步 ORM、uvicorn、contextvars、断连取消）以及 DRF 响应结构（游标分页、ETag、限流）。适用于构建、审查或重构此类 Django 后端时。即使没有明确的“规模”提示也会触发。包含 5 个脚手架模板。
如何探索和理解 PostHog Signals scout——即扫描项目并把报告写入 Signals 收件箱的定时 Agent。当用户想了解自己有哪些 scout、每个 scout 的表现如何，以及整个 scout 群是否真的在正常工作时使用。涵盖：盘点 scout 群及其计划、阅读最近的 scout 运行记录并深入单次运行的推理、检查 scout 群积累的持久 scratchpad 记忆、追踪一次运行所写入或编辑的报告、阅读仍在衡量某份报告的后续检查，以及评估某个 scout 随时间变化的健康状况与表现（节奏、成功率、报告率、信噪比）。只读且探索性质——若要编写或调整 scout，请改用 `authoring-scouts`。触发词为 "what are my scouts doing"、"how is my <x> scout performing"、"show me recent scout runs"、"why did this scout find/report nothing"、"what has the fleet learned"、"explore scout run <id>"、"is my scout working"。
通过 Gate-Info 和 Gate-News MCP 实现宏观驱动的加密货币分析。只要宏观数据（CPI、NFP、Fed、利率、非农就业）与加密货币、日历或指标—价格关联相关，就使用此技能。触发短语包括 CPI and BTC、macro today、Fed、NFP、rates。路由：价格/技术面 → gate-info-coinanalysis 或 gate-info-trendanalysis；新闻头条 → gate-news-briefing；归因 → gate-news-eventexplain。工具：info_macro_*（calendar、indicator、summary）、news_feed_search_news、info_marketsnapshot_get_market_snapshot。
使用 dbt-materialize 适配器通过 dbt 管理 Materialize 流式管道。涵盖物化（source、source_table、view、materialized_view、sink、table、seed）、profile 配置、索引创建、蓝绿部署（deploy_init、deploy_promote、deploy_cleanup）、集群管理、严格模式和测试。每当用户询问为 Materialize 编写 dbt 模型、为 Materialize 配置 dbt profile、对 Materialize 运行 dbt、使用 dbt 进行蓝绿或零停机部署、在 dbt 中创建 source 或 sink、排查 dbt-materialize 问题，或将现有 dbt 项目迁移到 Materialize 时，请使用此 skill。当用户在 dbt 语境下提到 dbt-materialize、materialized_view 物化、deploy_init、deploy_promote、deploy_await、strict_mode、refresh_interval、retain_history 或 partition_by 时也触发。
在 AnalyticDB for PostgreSQL（ADBPG）上实施 AI Coaching 最佳实践：利用 Supabase 项目（训练数据管理）+ 具备向量优化的 ADBPG 实例，构建 RAG 驱动的辅导系统，引导用户完成特定领域的工作流、决策或技能培养。使用场景：用户想要创建 Supabase 项目（spb-xxx）、ADBPG 实例（gp-xxx）、向量知识库，或在 ADBPG 上构建 RAG 驱动的辅导系统。触发词："Supabase"、"ADBPG"、"vector database"、"knowledge base"、"RAG"、"AI coaching"、"coaching system"、"spb-xxx"、"gp-xxx"
审计 PostHog 项目数据仓库源与同步的健康状况——找出每一个损坏或降级的源连接、同步 schema 和 webhook 通道。适用于用户询问"为什么我的导入失败？""我的源出了什么问题？""为什么我的仓库数据是陈旧的？"，或希望在决定深入排查之前对源/同步健康状况做一次性分诊时。生成按严重程度分组并附带建议后续步骤的优先级报告。物化视图健康请使用 `auditing-warehouse-view-health`；单个失败的同步请使用 `diagnosing-failed-warehouse-syncs`。
在没有检出 Nango 项目的情况下，通过 Nango 的 /functions compile、dryrun、dryrun status 和部署 API，并使用 NANGO_SERVER_URL 和 NANGO_SECRET_KEY 来构建 Nango Functions。在通过 API 或单文件负载远程创建、更新、验证、测试或部署 Nango action 或 sync 时使用。此内容与 building-nango-functions 有重叠，但增加了远程 API 工作流的细节，因此只要涉及远程、API、/functions/compile、/functions/dryruns、/functions/deployments 或无本地项目工作流，就加载本技能而不是 building-nango-functions。
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。