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
关于在 Honeycomb 的 trace 和事件数据集上构建和解读查询的实用指南 — 操作选择（用百分位数而非 AVG，用 HEATMAP 看分布）、关系字段模式（root.、parent.、any.、none.）、计算字段、查询数学，以及结果解读（P99/P50 比率、heatmap 区间、TOTAL/OTHER 行、通过 query_result_json 获取原始 JSON）。当用户想在 Honeycomb 中查询 span、trace 或日志/事件数据时使用此技能 — 例如“show me latency”“error rate”“find slow requests”“find outliers”“interpret results”“relational fields”“calculated fields”或“download raw results”。此技能涵盖除 metrics 数据集（dataset_type=metrics）之外的所有数据集类型 — 对于后者，请改用 metrics-queries。
适用于用户询问 Spree 的领域模型之间关系时——Orders、LineItems、Variants、Products、Stores、Channels、Markets、Payments、Shipments、Customers、Adjustments。仅涉及架构和关系。常见说法包括 "how does X connect to Y"、"what's the relationship between"、"where does Spree store X"、"how do I query orders across stores"、"how do channels work"、"what's the difference between Cart and Order"、"Store vs Channel vs Market"。添加新模型/新 API 资源请使用 `spree-resource` skill。字段级细节请参见已安装的 `@spree/docs` 包中的 `docs/developer/core-concepts/`。
剂量-反应 / 浓度-反应曲线拟合——基于配对的浓度与反应数据（酶/细胞试验、药物筛选、激动剂/拮抗剂药理学）计算 IC50、EC50、Hill 斜率、Emax/Emin 效能和相对效价。拟合 4 参数逻辑（Hill S 型）模型。当你拥有浓度和反应数据且需要效价值、比较两种化合物的效价或判断曲线质量时使用。不适用于图像衍生的剂量-反应（请使用 tooluniverse-image-analysis），也不适用于生存/回归分析（请使用 tooluniverse-statistical-modeling）。
Apache Doris 表设计与集群容量规划最佳实践。在编写、审查或优化 Doris CREATE TABLE 语句、分区/分桶策略、数据模型或集群配置时必须使用。每当 doris-architecture-advisor 技能产出 DDL 时也必须使用——在输出前对每条 CREATE TABLE 应用 Pre-Flight Checklist。以下任何工作负载设计也会触发：IoT、分析、仪表盘、CDC、时序、日志分析、实时数仓、点查、数据平台，以及任何正在进行表设计决策的场景。替换或迁移自 Impala、Kudu、Elasticsearch/ES、Greenplum、Presto、HBase、Hive、Hadoop、Redis 或 Lambda 式多引擎数据平台等传统分析/搜索/服务栈时也会触发，即使未明确提到 Apache Doris。当用户提供 Apache Doris 连接串或要求上手时也使用。慢查询排查、查询剖析、运行时性能诊断、tablet 倾斜分析以及表健康检查也会触发——任何以运行时证据（profile 输出、tablet 分布）指导优化的场景。集群生命周期、计费与网络属于托管服务操作，不在本项范围内——请使用所在平台的集群管理控制台处理。
使用 `az rest` 调用 Kusto REST API，对 Fabric Eventhouse 运行 KQL 查询，实现实时智能与时序分析。涵盖 KQL 运算符（where、summarize、join、render）、Eventhouse 架构发现（.show tables）、基于 bin() 的时序模式以及引入监控。当用户想要：1. 对 Eventhouse 或 KQL Database 运行只读 KQL 查询 2. 发现 Eventhouse 表架构与元数据 3. 使用 KQL 运算符分析实时或时序数据 4. 监控引入健康状况与活动 KQL 查询 5. 将 KQL 结果导出为 JSON 时使用。触发词："kql query"、"kusto query"、"eventhouse query"、"kql database"、"real-time intelligence"、"time-series kql"、"query eventhouse"、"explore eventhouse"、"show tables kql"
对一份已保存的 skore 报告进行只读审计：`audit/NN_<stem>.py`（jupytext percent），与 `experiments/` 和 `journal/` 一一对应。不要执行它。只运行一次 `materialize.py`。绝不要调用 `skore.evaluate` 或 `project.put`。触发条件：某次已完成的运行需要审计，用户要求审计、展示或重新审计某个实验，一次重跑覆盖了同一个 `put()` key，或用户想要一次过往实验的叙述性说明而没有 `journal/ideas/` 文件。停止条件：`status.setup.pending` 非空（加载 `setup-ml-project`），或没有已批准的设计、没有报告、没有 agent feature：进行说明并把用户引导到 setup、`evaluate-ml-pipeline` 或 `model-ml-pipeline`。原始数据探索或为未来实验寻找数据源时也停止。使用方法：确认 journal、experiment、smoke 和 report；从 `templates/audit.py` 放置文件；把 `templates/materialize.py` 复制到 scratch；执行一次；推导出 G-AUDIT-FINDING；然后进入继续或关闭的门禁。用 `api get` 解析 skore 符号。
CoinMarketCap 市场级 API 端点的 API 参考，包括全局指标、恐惧/贪婪、指数、热门话题和图表。当用户提到市场 API、询问恐惧/贪婪指数、想要全局指标或 BTC 主导地位数据、需要 K 线图，或正在处理市场情绪时，随时使用此技能。这是 CMC 市场级 API 问题的完整参考。触发："market API"、"fear greed API"、"global metrics API"、"CMC charts API"、"/cmc-api-market"。
使用此技能可为 Education Cloud 组织设置、创建或生成校历。根据自然语言或文档创建学年、学期（semester/quarter/trimester）、教学时段、注册窗口以及选课/退课截止日期。校验日期范围并处理重叠的教学时段，将学期关联到学年、将教学时段关联到其学期。触发条件：用户要求“创建校历”、“设置学期日期”、“生成学年”、“添加学期和教学时段”、“配置注册窗口”或“添加选课/退课截止日期”，或上传含学期或教学时段日期的日历文档（PDF、CSV、XLSX）。不触发：查询或更新现有日历记录、排课或配置课程开设。
通过 RevOS MCP 服务创建、编辑和排查 RevOS 分段——基于组织的语义模型定义的已保存受众——并将其附加到表上，使其行被限定范围。当用户想要保存、定义或更改受众或列表（"companies with an active subscription"、"deals over 50k in the EMEA pipeline"、"users who ordered twice"）、在已有分段上添加或更改条件、在表中只显示部分行（"only the stalled deals"、"filter this table to…"），或询问某个分段为何 FAILED、为空或显示错误的行时，都可使用本技能——即使用户从未说出 "segment" 一词。在首次对 `segments` 或 `table-views` 资源执行 api_write 之前请先阅读本文。
仅凭一个 LinkedIn 个人资料 URL 梳理某人认识的人，即便你看不到其联系人列表。根据其本人的工作经历、教育和帖子推导出针对此人的切入角度，将这些角度分发给并行的 Agent，对每位候选人按证据强度进行合并与打分，把每一行解析到真实个人资料和当前雇主，并产出一份可按每个人当前就职单位切分的电子表格（可筛选的人员标签页加上雇主 x 层级的透视表）。适用于任何职能（工程、招聘、销售、研究、高管）和任何职业形态。用于“这个人认识谁”“找出此 LinkedIn URL 的联系人”“梳理此人的网络”“谁在其圈子里”“他们在某家公司认识谁”“根据工作经历和帖子互动推断联系人”以及 /social-connections。
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。