JSON 工作通常需要在工具之间进行验证、重塑、提取和转换。此技能为 Claude、Codex 和 Claude Code 提供常见 JSON 转换的实用模式。

不良记录、薄弱的 schema 和不明确的规则可能会拖慢交付并掩盖数据质量风险。此技能指导 Claude、Codex 和 Claude Code 完成验证检查、报告和实用修复。

CSV 文件通常包含不一致的格式、缺失值、重复项和大型数据集。此技能提供用于解析、清洗、转换、合并和分析 CSV 数据的实用工作流。

如果没有合适的图表，原始数据很难解读。此技能通过实用的库示例，帮助创建清晰的静态和交互式可视化。

Complex data investigations lose context when questions, evidence, and conclusions remain scattered. This skill maintains them in one evolving analysis tree.

当查询在循环中重复执行时，数据库代码可能会变慢或难以维护。此技能引导 Claude、Codex 和 Claude Code 使用批量 SQLAlchemy 操作和 repository 类。

当重复的结构化数据被发送给 AI 模型时，JSON 可能会浪费 token。此技能可帮助将合适的数据转换为紧凑的 TOON，并提供验证指导。

数据和报告任务通常需要可重复的 Python 工作流，并具备清晰的输出规则。此技能指导 Claude、Codex 和 Claude Code 在沙盒环境中完成分析、图表和可下载文档生成。

图像审查通常需要结构化的视觉推理，而不只是简短说明。此技能会指导用于描述、视觉问题、OCR 和细节提取的 GLM-4V 提示词。

团队经常需要以干净格式获取 Web 内容，而无需编写自定义爬虫。此技能指导 Claude、Codex 和 Claude Code 使用 Firecrawl 的 scrape、search、map、crawl、extract 和状态检查模式。

缓慢的数据库查询会损害应用程序的可靠性和扩展能力。此技能提供实用的 PostgreSQL 模式，用于加快查询速度、提高迁移安全性，并让监控更清晰。

PostgreSQL 迁移可能通过测试，却造成锁、慢扫描或索引膨胀。此技能为 Claude、Codex 和 Claude Code 提供实用模式，用于更安全地审查架构和查询。

LLM 评估很难在不同团队和模型之间保持一致。此技能有助于设计评判提示词、量规、指标和偏差检查，用于可重复的评估。

Writing OQL queries requires exact schema names, JSON types, Candid escaping, and careful pagination. This skill provides practical patterns for reliable, read-only canister queries.

Logseq DB 图谱可能很难建模，因为类、属性和节点共享实体。此技能会解释该模式，并指导类、属性和查询设计。

Logseq 用户通常需要可靠访问页面、块、属性和关系，而不必手写每个查询。此技能为 Claude、Codex 和 Claude Code 提供用于读取本地 Logseq 图数据的结构化辅助工具。

使用原始 Datalog 查询 Logseq DB 图可能很困难。此技能提供可复用的模式，涵盖筛选器、pull、规则、日期和聚合。

Logseq Markdown 图谱在迁移到 Database 格式时可能很难保留结构。此技能通过清晰步骤帮助用户规划、导入、验证并排查迁移问题。

大型 Logseq 数据库模板很难手动审查。此技能会总结 EDN 结构、质量问题以及变体差异。

手动进行 YouTube 频道研究既慢又不一致。此技能使用 BrowserAct 收集频道数据和视频指标，并以结构化输出呈现。