数据分析

social-graph-ranker 是一個加權圖譜排名層，用於在 X 和 LinkedIn 上進行暖身介紹發掘、橋接評分與網路缺口分析。當你需要一個可重複使用的排名引擎來支援 Lead Research，而不是完整的外聯或網路維護流程時，就該使用 social-graph-ranker 技能。

regex-vs-llm-structured-text 技能可協助你在結構化文字擷取時判斷該用 regex 還是 LLM。先從可預測的解析開始，再針對低信心的邊界情況加入 LLM 驗證，適合用更便宜、更可靠的流程處理文件、表單、發票與資料分析。

clickhouse-io 是一個以 ClickHouse 為核心的技能，涵蓋 schema 設計、分析型 SQL、資料匯入模式與效能調校。可用來引導 MergeTree 的選擇、分區、materialized views，以及依工作負載進行查詢最佳化。

data-analyst 是一個精簡的 GitHub skill，會引導代理以 SQL、pandas 與基礎統計分析來進行資料探索。適合希望透過單一 SKILL.md 提示層，就能完成具程式碼支撐的查詢、轉換與結果解讀的使用者。

retro 是專為工程團隊設計的專案回顧技能。它會分析 commit 歷史、工作模式與先前的學習，產出結構化、具延續性的每週 retro。可用於 sprint 檢視、what did we ship 問題，以及 Project Management 檢查會議。

xlsx 是一項 Claude 試算表 skill，可用於建立、編輯、分析、格式化，以及重新計算 .xlsx、.xlsm、.csv、.tsv 檔案。它重視零公式錯誤、保留既有活頁簿範本、遵循財務模型格式慣例，並透過以 LibreOffice 為基礎的 recalc.py 進行重新計算。

textrazor-automation 是一個用於 Rube MCP 的 Claude skill，可透過 Composio Rube MCP 自動化 Textrazor 任務，支援 tool discovery、連線檢查，以及依 schema 執行工作流程。

rosette-text-analytics-automation 可協助代理程式透過 Composio Rube MCP 執行 Rosette Text Analytics：檢查連線、使用 RUBE_SEARCH_TOOLS 探索即時工具 schema，並執行文字分析 workflow。

microsoft_clarity-automation 可協助代理透過 Composio Rube MCP 使用 Microsoft Clarity，處理工作階段錄影、熱圖與行為分析。它強調先使用 RUBE_SEARCH_TOOLS、設定有效的 Clarity 連線，並依照 schema 進行操作。

googlebigquery-automation 可協助 agents 使用 Rube MCP 與 Metabase 存取 BigQuery data、驗證連線、檢查 metadata，並執行原生 SQL 或 MBQL analysis，不必靠猜測 schemas。

eodhd-apis-automation 可協助代理透過 Composio Rube MCP 自動化 EODHD API 工作流程，並以工具探索優先、連線檢查與 schema-aware execution 為核心。

college-football-data-automation 可協助 agents 透過 Rube MCP 與 Composio 自動化 College Football Data 任務。了解設定需求、如何使用 RUBE_SEARCH_TOOLS 探查工具、連線檢查，以及實務使用模式。

startup-metrics-framework 可協助創辦人、分析師與營運團隊計算新創 KPI，例如 CAC、LTV、burn multiple、runway 與成長指標，適用於 SaaS、marketplace、consumer 與 B2B 新創。

使用 market-sizing-analysis 技能，以 top-down、bottom-up 與 value-theory 方法建立結構化的 TAM、SAM、SOM 估算。內容涵蓋安裝判斷情境、關鍵檔案、輸入需求、工作流程，以及用於新創市場規模評估與 Data Analysis 的實務用法。

startup-financial-modeling 可協助代理建立 3–5 年的新創財務模型，涵蓋 cohort 營收、成本結構、burn、runway，以及募資情境。特別適合需要安裝判斷依據、明確輸入項目與實務使用指引的創辦人與財務負責人，內容主要來自此技能的 SKILL.md。

risk-metrics-calculation 可協助計算投資組合風險指標，例如 VaR、CVaR、Sharpe、Sortino、beta、波動率與回撤。可用來把報酬序列整理成結構化風險報告、Python 實作範式，以及適用於金融工作流程的實務解讀。

backtesting-frameworks skill 可協助你設計與審查交易策略回測，在金融情境中更完整地控制前視偏誤、生存者偏誤、過度擬合、交易成本，以及 walk-forward validation 等關鍵風險。

spark-optimization 是一份實用指南，協助診斷執行緩慢的 Apache Spark 工作，重點涵蓋 partitioning、shuffle、skew、caching 與記憶體調校。你可以用它從 wshobson/agents 安裝此技能、閱讀 SKILL.md，並根據 Spark UI 徵兆、叢集設定與查詢模式，採取有憑有據的最佳化修正。

product-analytics 可協助 agent 在 Product Management 工作流程中定義 KPI，選擇 AARRR、North Star 或 HEART frameworks，設計 dashboards，並分析 retention、cohorts、funnels 與 feature adoption。

experiment-designer 協助 Product Management 團隊設計 A/B 與功能實驗，涵蓋可驗證假設、指標、樣本數規劃、ICE 優先排序、停止規則與結果解讀。

senior-data-scientist 是用於 Machine Learning 的 Claude skill，協助 A/B test 設計、因果推論、feature engineering 與表格型 ML 評估。可用來引導樣本數規劃、指標選擇、資料洩漏檢查、SHAP review，以及類似 MLflow 的追蹤流程；其中 scripts 屬於 scaffold templates，不是完整引擎。

channel-economics 協助 RevOps 與商務主管，以完整計入的 cost-to-serve、ROI 視角，以及受限制條件下的 channel-mix 建議，比較 direct、partner、marketplace、reseller 或 OEM 通路。內含 Python scripts、data templates，以及 channel-economics 使用指南。

torchdrug 是一套以 PyTorch 為核心的分子與蛋白質機器學習工具箱。你可以透過 torchdrug 技能來選擇任務、資料集與模組化模型，涵蓋圖神經網路、蛋白質建模、知識圖譜推理、分子生成與逆合成。它最適合客製化模型開發與可重現的設定，而不只是現成示範。

適用於 PyTorch Geometric 圖神經網路的 torch-geometric 技能指南。可用來取得 torch-geometric 安裝協助、torch-geometric 使用方式、圖分類、節點分類、連結預測、異質圖、自訂 MessagePassing 層，以及為 Machine Learning 工作流程擴展 GNN。