校招推荐 skill。用于根据简历内容或求职意向/学历/专业/城市推荐校招岗位，并支持“更多”“下一页”继续翻页。当用户说“校招推荐”“适合我投哪些校招”“再看下一页校招”时使用。

岗位匹配 skill。用于对照 JD 评估简历匹配度，提取强项、差距、缺失关键词和优先改写方向。当用户说“岗位匹配”“看这个 JD 适不适合我”“对照职位改简历”时使用。

这是一个用于检测文本敏感信息的 Skill，通过调用 UCAP 平台的安全防护接口，快速识别文本内容中的敏感数据，适用于内容审核、数据合规等场景。

- `daily` = `摸鱼日报`

专业股票分析技能整合 akshare 数据 + 技术指标 + 板块轮动 + 持仓诊断。通过 AKShare CLI 调用A股/基金/期货实时行情数据，计算MACD/RSI/MA等技术指标，分析板块轮动趋势，诊断持仓风险与收益，输出结构化JSON结果。适用场景：股票行情查询、技术指标分析、持仓组合诊断、板块热点追踪、财经数据统计。触发关键词：分析股票、今日行情、持仓诊断、推荐股票、今日财经、股票代码、涨跌幅、北向资金。无需API密钥，直接调用 akshare 获取A股/基金/期货实时数据。

安全的 Excel/CSV 文件处理技能，支持读取、写入、清洗、转换和合并表格数据。**本版本已移除任意代码执行功能，使用安全的 exceljs 库替代有漏洞的 xlsx 库。**

在新数据集接入前检查字段、单位、缺失率、异常值与可用性。；use for data, dataset, audit workflows；do not use for 伪造统计结果, 替代正式数据治理平台.

分析退货原因并区分产品问题、预期错配、物流问题和描述问题。；use for ecommerce, returns, analysis workflows；do not use for 伪造订单数据, 替代客服系统.

Upload any data file (CSV, Excel, JSON, SQL export) and get a complete analysis report with insights, anomalies, and actionable recommendations — no code required.

AutoSkills - 智能AgentSkills自动检测与安装系统。自动检测项目类型（Web/Python/学术/金融等），推荐并安装对应的AgentSkills。触发词：autoskills、项目类型检测、智能安装。

抖音数据导出技能 - 获取用户主页视频数据

3-in-1 China 12306 query — tickets, route stops, transfer plans. Zero login. Filter 高铁/动车/火车 by type, time, duration. Pure Python, text/json/csv output. 火车票/余票/经停站/中转换乘.

天眼查招投标数据查询工具 - 基于浏览器自动化技术批量查询企业招投标/中标公示信息，导出结构化 CSV 报表。支持 macOS 和 Windows 跨平台运行。

每日统计 DataWorks 任务运行情况，成功/失败汇总，失败任务告警

工作进度检查技能 - 定期检查待办事项 + 子代理超时/消失检测与自动恢复 + 全量会话监控

交互式数据清洗 CLI，支持自动类型推断、缺失值处理、重复检测

与 Quicker 自动化工具集成，读取、搜索和执行 Quicker 动作列表。支持 CSV 和数据库双数据源，智能匹配用户需求并调用本地 QuickerStarter 执行。

处理 Office 文档（Word/Excel/PPT/PDF）的技能。当用户要求读取、创建、编辑 Word 文档（.docx）、Excel 表格（.xlsx/.csv）、PPT（.pptx）或 PDF 时使用。基于 python-docx、openpyxl、python-pptx、pypdf 库。Requires: python-docx, openpyxl, python-pptx, pypdf, pandoc, LibreOffice（验证用）。

AKShare财经数据接口库封装，提供股票、期货、期权、基金、外汇、债券、指数、加密货币等金融产品的基本面数据、实时和历史行情数据、衍生数据。

trading-coach

批量处理 Excel 文件的自动化工具，支持合并、拆分、格式转换、数据清洗等操作。

基于 Tushare API 的 A 股数据批量导出工具，支持日线/周线/月线数据导出为 Excel/CSV 格式。

>

针对Pandas DataFrame，按行计算非空且非零元素的排名分位数，并返回该行每个元素对应的分位数值。用于数据标准化或特征工程。

使用Python pandas或Java POI将Excel文件中的多个Sheet合并到一个Sheet中，并新增一列记录数据来源的Sheet名称。

用于处理包含时间区间字段和字典字段的Excel表格，计算字典中键位于指定时间区间内且值为正数的平均值。

针对金融K线OHLC数据进行降维分析，包括数据预处理（变化率计算、标准化）、标准PCA降维以及基于随机化SVD的伪PCA降维的Python实现步骤。

用于读取CSV文件数据，将大量数据点的横坐标映射到指定线性范围（如0-60）进行绘图，并自动标记波峰位置。

在对具有多层索引的Pandas DataFrame进行分组计算时，确保返回的结果保留原始的完整索引结构，而不是仅保留分组键。

根据DataFrame中的日期字段创建季节字段，将月份映射为春夏秋冬。

编写Python代码遍历指定文件夹下的所有Excel文件，对所有工作表执行删除指定行或替换单元格值的操作，并确保正确处理中文字符。

在R中实现对数据框按主分组（如年龄）筛选后，对子分组（如学历）之间的数值变量（如PCA）进行独立样本t检验，并输出统计结果。

根据样本表型数据，计算每个SNP位点上表现最好的纯合基因型，忽略杂合基因型和缺失数据，并输出结果文件。

使用Python的openpyxl库读取两个Excel文件，将数据合并到一个新文件中，并确保去除重复行。

讀取CSV文件，僅使用csv庫且不使用SequenceMatcher，計算第一列目標基因型與後續每一列基因型的相似度。

对数据按指定列分组后进行OLS回归，提取各变量的系数、t值和p值，并将结果汇总保存为CSV文件。

用于将包含自定义时间列（如'bob'）的Excel金融数据读入Backtrader。该技能包含处理时间格式转换、映射OHLCV列，以及通过Pandas倒序解决K线图时间轴反向问题的完整流程。

使用Python根据基准文件的第一列顺序，对多个Excel文件进行行重排序，保持文件内容不变且输出结构一致。

针对股票日度面板数据，按日期分组后，根据各指标列的30%和70%分位数筛选出底部和头部的股票代码，并横向合并为DataFrame。

针对具有Datetime索引的时间序列DataFrame，计算指定日期在历史上同月同日数据中的相对分位值（基于最大最小值计算）。

用于从Excel文件读取问题，调用LLM接口获取答案，将答案格式化为JSON字符串后写回Excel指定列的自动化脚本任务。

使用 Pandas 和 SQLAlchemy 将 DataFrame 同步到 MySQL，处理 Merge 后缀，并应用复杂的字段比较逻辑（JSON解析、数值归一化、条件排除、字符串排序）以实现精确的 Upsert。

用于读取、预处理股票5分钟K线CSV数据，并使用tslearn库的TimeSeriesKMeans进行聚类分析的技能。包含数据清洗（长度过滤、NaN过滤）、百分比变化计算、模型训练、保存及代表性样本提取。

用于将Pandas DataFrame同步到MySQL数据库的技能，包含针对JSON字段、数值类型（int/float）、字符串顺序（如effect_desc）的归一化比较逻辑，以及基于type字段的条件排除规则。

用于在Pandas DataFrame执行合并操作后，清理由merge产生的后缀列（_x, _y）和指示列，使其符合数据库表结构以便进行to_sql插入操作。

使用Python和pandas读取Excel文件，对比“依存关系”和“识别的依存关系”列，在剔除特定符号（如?）后计算正确率和错误率，并将不匹配的记录保存到新的Excel文件中。

使用Python Tkinter Treeview组件读取Excel文件，实现点击列头排序、添加动态行序号、双击单元格弹窗显示内容以及自定义列宽的功能。

Advanced Python visualization expert supporting Pandas DataFrames and raw data. Handles dynamic single/dual-axis plotting, Chinese font configuration, Tensor conversion, and safe file saving without display.

使用Hugging Face Transformers和sacrebleu库，对预训练的机器翻译模型进行评估。支持从制表符分隔的CSV文件读取源文本和参考翻译，计算BLEU分数，并提供Seq2SeqTrainer的compute_metrics函数实现。

读取股票5分钟K线CSV文件，按日期分组，计算基于昨日收盘价的百分比变化，过滤无效数据（长度不一致、NaN、Inf），进行Z-score归一化，并使用TimeSeriesKMeans（DTW/SoftDTW度量）进行聚类。