数据分析

social-graph-ranker 是用于暖介绍发现、桥梁评分，以及跨 X 和 LinkedIn 的网络缺口分析的加权图排序层。当你需要一个可复用的 Lead Research 排序引擎，而不是完整的外联或网络维护流程时，使用 social-graph-ranker 技能。

regex-vs-llm-structured-text 技能用于在结构化文本抽取中选择 regex 还是 LLM。先用确定性解析打底，再用 LLM 对低置信度边界情况做校验，并为文档、表单、发票和数据分析构建更便宜、更可靠的流水线。

clickhouse-io 是一款面向 ClickHouse 的技能，覆盖 schema 设计、分析型 SQL、数据摄取模式和性能调优。可用于指导 MergeTree 选型、分区设计、materialized views 以及面向具体工作负载的查询优化。

data-analyst 是一个轻量级 GitHub skill，用于引导代理通过 SQL、pandas 和基础统计分析来完成数据探索。它尤其适合希望仅通过一层 `SKILL.md` 提示，就获得有代码支撑的查询、数据转换与结果解读的用户。

retro 是面向工程团队的项目复盘 skill。它会分析 commit 历史、工作模式和过往经验，生成结构清晰、前后衔接的每周 retro。适合用于 sprint review、“我们交付了什么”这类问题，以及 Project Management 周期性检查。

startup-metrics-framework 可帮助创始人、分析师和运营人员计算创业公司常用 KPI，包括 CAC、LTV、burn multiple、runway 以及增长指标，适用于 SaaS、marketplace、consumer 和 B2B 类型的初创公司。

使用 market-sizing-analysis skill，基于 top-down、bottom-up 和 value-theory 方法，构建结构化的 TAM、SAM、SOM 估算。内容涵盖安装判断所需的使用场景、关键文件、输入项、工作流，以及面向 startup 市场规模测算和 Data Analysis 的实际用法。

startup-financial-modeling 可帮助智能体搭建 3–5 年的初创公司财务模型，涵盖 cohort 收入、成本结构、burn、runway 以及融资情景。适合创始人和财务负责人在安装前了解适用场景、所需输入项，以及基于该技能 `SKILL.md` 的实际使用方式。

risk-metrics-calculation 可用于计算投资组合风险指标，如 VaR、CVaR、Sharpe、Sortino、beta、volatility 和 drawdown。它能帮助你把收益率序列转化为结构化的风险报告、Python 实现模式，以及适用于金融工作流的实用解读。

backtesting-frameworks 技能可帮助你在金融场景中设计和审查交易策略回测，并更严格地控制前视偏差、幸存者偏差、过拟合、交易成本以及 walk-forward validation 等关键问题。

spark-optimization 是一份实用指南，帮助诊断运行缓慢的 Apache Spark 作业，重点覆盖 partitioning、shuffle、skew、caching 和 memory tuning。你可以用它从 wshobson/agents 安装该 skill，阅读 SKILL.md，并结合 Spark UI 症状、集群配置与查询模式，采用有依据的优化方案。

user-personas 这项技能可基于研究数据生成 3 个精炼画像，包含 JTBD、痛点、收益和意外洞察。适用于你手头已有问卷、访谈或其他原始材料时，用于 UX Research 的 user-personas、用户分群、onboarding 策略和产品决策。

market-sizing 帮你用自上而下和自下而上的方法估算 TAM、SAM 和 SOM。适用于市场研究流程、市场进入决策、投资人路演和上市规划，尤其是在你需要一条站得住脚的推导链、可验证的假设，以及一版实用的市场初估时。

summarize-interview 会把客户访谈转写稿整理成结构化的洞察摘要，包含 JTBD、当前解决方案、满意度信号、关键洞察和行动项。可用于访谈录音整理、转写稿清洗，以及面向产品团队、研究人员、创始人或 Data Analysis 工作流的精炼总结。

user-segmentation 可将反馈、访谈、工单、问卷和使用日志转化为基于行为的清晰用户细分。它面向 Data Analysis，重点不只是人口统计，而是通过 jobs-to-be-done、动机和未被满足的需求，识别至少 3 个可落地的用户群组。

sentiment-analysis 技能可将用户反馈转化为分群级洞察、情绪评分、JTBD 和产品影响分析。它适用于评论、问卷、支持工单或社媒聆听中的 Data Analysis 场景；当你需要的是一份实用的 sentiment-analysis 指南，而不是泛泛的正负面判断时，就该用它。

sql-queries 技能可将业务问题和粗粒度分析目标转化为针对 BigQuery、PostgreSQL、MySQL 及其他方言的优化 SQL。它会读取 schema 上下文，澄清筛选条件和聚合方式，并帮助完成用于数据分析、报表和探索的 sql-queries。

对用户留存、参与度衰减和按 cohort 的功能采用情况进行 cohort-analysis。这个 cohort-analysis 技能面向需要验证、计算、可视化，并从结构化用户行为数据中获得清晰洞察的数据分析工作流。

ab-test-analysis 帮助你以统计学严谨性评估 A/B 测试结果，包括样本量校验、置信区间、显著性检验，以及上线/延长/停止建议。可用于实验复盘、split test 解读和 Data Analysis 工作流中的决策支持。

huggingface-vision-trainer 帮你安装并使用一个用于视觉训练任务的 Hugging Face 技能：目标检测、图像分类以及 SAM/SAM2 分割。内容涵盖数据集准备、云端 GPU 配置、评估、Trackio 日志记录和结果推送到 Hub。适合后端自动化和可重复的训练工作流。

huggingface-trackio 可借助 Trackio 跟踪 ML 训练运行。使用此技能可从 Python 记录指标、添加训练告警，并通过 trackio CLI 检索或分析运行记录。它支持实时仪表盘、Hugging Face Space 同步以及用于自动化的 JSON 输出，因此 huggingface-trackio 很适合实验跟踪和数据分析。

huggingface-best 技能通过查看 Hugging Face 基准排行榜，并结合设备限制和模型大小进行筛选，帮助你为具体任务找到最合适的模型。适用于编码、推理、聊天、OCR、RAG、语音、视觉或多模态场景下的模型推荐，尤其是在你需要一份实用的候选清单，而不是泛泛的模型列表时。

hv-analysis 是一项横向-纵向研究技能，可将产品、公司、概念、技术或个人转化为结构化分析报告。适合用于深度研究、竞品比较和可直接交付的报告输出，尤其是在你需要用 hv-analysis 做 Data Analysis 或打磨成 PDF 工作流时。

Workspace Data Analyst 是一款轻量级的工作区数据分析技能。它可以分析 CSV 文件、检查表头、汇总总计、平均值和异常值，并给出简洁的后续行动建议。对于在深入建模前做快速、了解文件上下文的初步审查，Workspace Data Analyst 很合适。