搜索「Data Extraction」的结果

io.github.jeremylongshore/claude-code-plugins-plus-skills/sql-transform-helper

辅助 SQL 转换相关操作，属于 Data Pipelines 的自动激活 skill。触发词：sql transform helper、sql helper、sql。在处理 SQL 转换功能时使用。

io.github.danielmiessler/LifeOS/Apify

通过 Apify actor 抓取社交平台、商业数据与电商内容——Instagram、LinkedIn、TikTok、YouTube、Facebook、Google Maps、Amazon 及通用网页爬取——并在代码中过滤。适用场景：抓取 Instagram/LinkedIn/TikTok/YouTube/Facebook、Google Maps 销售线索、Amazon 评论、商业智能、多平台社媒监听、竞品分析、线索生成、社媒监控、Apify actor、网页爬取、提取联系人。不适用于 X/Twitter 操作（用 _X）、四级代理递进式抓取（用 BrightData）、真实 Chrome 反爬绕过与 computer use（用 Interceptor）。

io.github.dotnet/skills/writing-mstest-tests

编写、现代化或修复全面的 MSTest 单元测试，覆盖 MSTest 3.x/4.x API。适用：编写、创建、评审或现代化 MSTest 测试与断言，比 Assert.IsTrue 更好的 MSTest 断言，用 IsInstanceOfType 替代硬转义，MSTest 断言 API（Contains、ContainsSingle、HasCount、IsEmpty、IsNotEmpty、DoesNotContain、AreSame、IsNull、StartsWith、EndsWith、MatchesRegex、IsGreaterThan、IsLessThan、IsInRange），纠正 Assert.AreEqual 颠倒的 Expected/Actual 参数，用 Assert.Throws 替换 ExpectedException，数据驱动（DataRow、DynamicData、ValueTuples），生命周期（TestInitialize、TestCleanup、TestContext），异步与取消测试，条件执行/重试/清理（OSCondition、Retry），并行化（Parallelize/DoNotParallelize），MSTest.Sdk 配置，MSTESTxxxx 分析器修复。不适用：测试质量审计（用 test-anti-patterns）、运行测试（用 run-tests）、MSTest 版本迁移（用 migrate-mstest 技能）、xUnit/NUnit/TUnit、非 .NET 语言。

io.github.runceel/ReactiveProperty/writing-mstest-tests

编写新的 MSTest 3.x/4.x 单元测试、并在既有 MSTest 代码中实施具体修复的最佳实践。当用户要求编写、创建、实现、修复或现代化测试（包括“看起来有问题、修复一下”这类指令）时使用。是修改代码的首选方案，例如纠正 Assert.AreEqual 参数顺序颠倒、替换过时的断言模式、把 DynamicData 从 IEnumerable<object[]> 改为基于 ValueTuple 的数据集。涵盖现代断言、数据驱动测试、测试生命周期、MSTest.Sdk、sealed 类、Assert.Throws、配合 ValueTuple 的 DynamicData、TestContext 与条件执行。不要用于宽泛的测试质量审计、不稳定测试（flaky）排查或测试异味检测报告——那些请改用 test-anti-patterns。

io.github.remix-run/react-router/react-router

以 Framework、Data、Declarative 及不稳定 RSC 模式构建 React Router 应用。适用于配置路由、路由模块、loader、action、表单、fetcher、导航、pending UI、SSR/SPA/预渲染、中间件、URL params/search params,或 React Router 升级。

io.github.TanStack/table/compose-with-tanstack-query

`@tanstack/react-table` v9 与 `@tanstack/react-query` 的服务端与异步数据流。规范写法：用 `useCreateAtom<PaginationState>` 创建外部分页 atom 并通过 `options.atoms` 传入（而不是 `state` 加 `on*Change`），把分页对象纳入 `queryKey`，设置 `manualPagination: true`，用 `placeholderData: keepPreviousData` 避免闪现 0 行，并用 `defaultData = useMemo(() => [], [])` 让 `data` 引用在多次请求间保持稳定。`rowCount` 取自接口响应，这样 `getPageCount()` 才能正确工作。

io.github.vercel-labs/agent-skills/vercel-optimize

用于已部署项目的 Vercel 成本与性能优化，尤其适合 Next.js、SvelteKit、Nuxt 以及部分 Astro 应用。先收集 Vercel 指标、用量、项目配置与代码扫描结果；只排查有指标支撑的候选项；产出基于已核实文件、并对齐 Vercel 与框架版本文档的排序建议。当用户要求降低 Vercel 账单、优化缓慢或高开销路由、寻找缓存机会，或提到 Function Invocations、Build Minutes、Fast Data Transfer、Core Web Vitals、Bot Management、Fluid compute、成本明细时使用。

io.github.a5c-ai/babysitter/sql-query-optimizer

跨不同数据仓库平台（Snowflake、BigQuery、Redshift、Databricks）分析并优化 SQL 查询，给出平台专属建议

io.github.nexu-io/open-design/export-download-debugging

诊断并修复浏览器、预览或 Electron 的导出/下载失败，尤其涉及 Save As、Blob/Data URL、File System Access API、createWritable 失败与 0 KB 文件的图像导出问题。

io.github.microsoft/skills-for-fabric/sqldw-operations-cli

通过 CLI 使用 sqlcmd 与 queryinsights 视图分析 Fabric Data Warehouse 性能。诊断慢查询、SQL 池压力、缓存冷热状态并推荐聚簇键（clustering key）。触发语：DW slow query analysis、slowest queries warehouse、queryinsights long running、warehouse CPU resource consumers、SQL pool pressure window、pressure events warehouse、DW cache warmth cold start、cache warmth analysis、warehouse cluster key recommendation、cluster tables performance、DW performance baseline comparison、performance degraded warehouse、warehouse user query patterns、queryinsights diagnostics、DW optimization sqlcmd。

io.github.microsoft/skills-for-fabric/sqldw-authoring-cli

在智能体 CLI 环境中，针对 Microsoft Fabric Data Warehouse 与 SQL endpoint 执行 T-SQL 创作（DDL、DML、数据摄取、事务、schema 变更）。当用户想要：(1) 从终端创建/修改/删除表；(2) 通过 CLI 执行 insert/update/delete/merge；(3) 运行 COPY INTO 或 OPENROWSET 摄取；(4) 管理事务或存储过程；(5) 执行 schema 演进；(6) 使用 time travel 或快照；(7) 生成 ETL/ELT shell 脚本；(8) 在 Lakehouse SQLEP 上创建视图/函数/过程。触发语：create table in warehouse、insert data via T-SQL、load from ADLS、COPY INTO、run ETL with T-SQL、alter warehouse table、upsert with T-SQL、merge into warehouse、create T-SQL procedure、warehouse time travel、recover deleted warehouse data、create warehouse schema、deploy warehouse、transaction conflict、snapshot isolation error。

io.github.microsoft/skills-for-fabric/sqldw-operations-cli

通过 CLI 使用 sqlcmd 与 queryinsights 视图分析 Fabric Data Warehouse 性能。诊断慢查询、SQL 池压力、缓存冷启动并推荐聚集索引键。触发词：“DW slow query analysis”“slowest queries warehouse”“queryinsights long running”“warehouse CPU resource consumers”“SQL pool pressure window”“pressure events warehouse”“DW cache warmth cold start”“cache warmth analysis”“warehouse cluster key recommendation”“cluster tables performance”“DW performance baseline comparison”“performance degraded warehouse”“warehouse user query patterns”“queryinsights diagnostics”“DW optimization sqlcmd”。

io.github.danielmiessler/LifeOS/Browser

通过 agent-browser 实现无头浏览器自动化——Rust CLI 守护进程，带持久化 auth profile，支持快速、可脚本化、并行的浏览器工作。支持批量命令、网络拦截、设备模拟、按站点 auth profile（一次有头登录，此后始终无头）、通过 --session 并行隔离会话。工作流：ReviewStories（将 YAML 用户故事分发到并行 UIReviewer）、Automate（加载并运行参数化 recipe 模板）、Update。通过 agent-browser 指令委派给通用 agent 做后台并行抓取。若站点有 bot 检测则回退到 Interceptor。适用场景：无头浏览器、批量抓取、快速截图、dev server 测试、并行浏览器、后台自动化、提取数据、审查 stories、自动化 recipe、批量截图、并行抓取多页。不适用于真实 Chrome 的部署验证或 UI 确认（用 Interceptor）。不适用于简单单 URL 抓取（用 WebFetch）。不适用于验证码或 bot 检测绕过（用 BrightData 或

io.github.danielmiessler/Personal_AI_Infrastructure/Browser

通过 agent-browser 实现无头浏览器自动化——Rust CLI 守护进程，带持久化 auth profile，支持快速、可脚本化、并行的浏览器工作。支持批量命令、网络拦截、设备模拟、按站点 auth profile（一次有头登录，此后始终无头）、通过 --session 并行隔离会话。工作流：ReviewStories（将 YAML 用户故事分发到并行 UIReviewer）、Automate（加载并运行参数化 recipe 模板）、Update。通过 agent-browser 指令委派给通用 agent 做后台并行抓取。若站点有 bot 检测则回退到 Interceptor。适用场景：无头浏览器、批量抓取、快速截图、dev server 测试、并行浏览器、后台自动化、提取数据、审查 stories、自动化 recipe、批量截图、并行抓取多页。不适用于真实 Chrome 的部署验证或 UI 确认（用 Interceptor）。不适用于简单单 URL 抓取（用 WebFetch）。不适用于验证码或 bot 检测绕过（用 BrightData 或

io.github.dotnet/efcore/sqlite-adonet

Microsoft.Data.Sqlite ADO.NET 提供者的实现细节。在修改 `src/Microsoft.Data.Sqlite.Core/` 下的文件时使用。

io.github.anthropics/knowledge-work-plugins/sql-queries

在主流数据仓库方言（Snowflake、BigQuery、Databricks、PostgreSQL 等）中编写正确且高性能的 SQL。用于编写查询、优化慢 SQL、跨方言转换，或用 CTE、窗口函数、聚合构建复杂分析查询。

io.github.microsoft/skills-for-fabric/sqldw-authoring-cli

在智能体 CLI 环境中，通过授权类 T-SQL（DDL、DML、数据摄取、事务、schema 变更）操作 Microsoft Fabric Data Warehouse 与 SQL endpoint。适用场景：(1) 从终端建/改/删表；(2) 通过 CLI 执行 insert/update/delete/merge；(3) 运行 COPY INTO 或 OPENROWSET 摄取；(4) 管理事务或存储过程；(5) schema 演进；(6) time travel 或快照；(7) 生成 ETL/ELT shell 脚本；(8) 在 Lakehouse SQLEP 上创建视图/函数/存储过程。触发词：“create table in warehouse”“insert data via T-SQL”“load from ADLS”“COPY INTO”“run ETL with T-SQL”“alter warehouse table”“upsert with T-SQL”“merge into warehouse”“create T-SQL procedure”“warehouse time travel”“recover deleted warehouse data”“create warehouse schema”“deploy warehouse”“transaction conflict”“snapshot isolation error”。

io.github.microsoft/skills-for-fabric/sqldw-consumption-cli

通过 CLI 对 Fabric Data Warehouse、Lakehouse SQL Endpoint 与 Mirrored Database 执行只读 T-SQL 查询。任何湖仓数据查询（行数、SELECT、过滤、聚合）的默认技能，除非用户明确要求 PySpark 或 Spark DataFrame。适用场景：(1) 查询 warehouse/lakehouse 数据；(2) 统计行数或探索 lakehouse 表；(3) 发现 schema/列；(4) 生成 T-SQL 脚本；(5) 监控 SQL 性能；(6) 导出结果为 CSV/JSON。触发词：“warehouse”“SQL query”“T-SQL”“query warehouse”“show warehouse tables”“show lakehouse tables”“query lakehouse”“lakehouse table”“how many rows”“count rows”“SQL endpoint”“describe warehouse schema”“generate T-SQL script”“warehouse performance”“export SQL data”“connect to warehouse”“lakehouse data”“explore lakehouse”。

io.github.Dicklesworthstone/pi_agent_rust/sql-query-optimizer

优化 SQL 查询。属于数据分析类别的自动激活技能。触发条件：sql query optimizer。在涉及 sql query optimizer 功能时使用，可用触发短语包括 sql query optimizer、sql optimizer、sql。

io.github.Dicklesworthstone/pi_agent_rust/sql-transform-helper

协助 SQL 数据变换操作。属于数据管道类别的自动激活技能。触发条件：sql transform helper。在涉及 sql transform helper 功能时使用，可用触发短语包括 sql transform helper、sql helper、sql。

io.github.ToolJet/ToolJet/create-plugin

Create, build, generate, scaffold, update, or validate a ToolJet marketplace plugin (connector, integration, or data source) under marketplace/plugins/, from an OpenAPI spec, Postman collection, npm package, database driver, or API docs. Use for any request to add or check a ToolJet marketplace plugin, connector, or data source. Not for built-in connectors in plugins/packages/.

io.github.cathrynlavery/diagram-design/diagram-design

Create branded architecture, architecture delta, IT current-state, flowchart, sequence, state machine, ER/data model, timeline, swimlane, quadrant, radar/spider, polar chart (polar/radial lollipop), loop/flywheel, nested, tree, org chart, layer stack, exploded axonometric, axonometric plan, Venn, pyramid/funnel, treemap and marimekko, heatmap, bar and dumbbell, waterfall, line (slopegraph, ridgeline, streamgraph, bump), Gantt and scatter charts (bubble, beeswarm), high-level, process, medallion, data flow, DP integration, DP security matrix, Sankey, fishbone, Wardley map, kanban, user journey, deployment, dependency graph, UML class, story map, or database schema diagrams as HTML/SVG/PNG, with .drawio, Mermaid, and .excalidraw import, plus lifecycle phase maps, block decomposition trees, and onboarding guidance.

io.github.heygen-com/hyperframes/motion-graphics

以运动本身传递信息的短设计型 motion graphic——动态字体、数字滚动、图表/数据可视化呈现、logo 片头/品牌定格、下三分之一字幕条/浮层/社媒 overlay、动画地图（区域高亮、地点连线、缩放到某地）、推文/新闻文章/标题动画、网页/UI 动画（滚动、光标、callout），或将真实图片的几何结构融入图表。通常 10 秒以内（最长约 30 秒），无旁白与真人实拍；渲染为 MP4 或透明 overlay。更长的/有旁白的/多场景的用 /general-video；不明确的用 /hyperframes。

io.github.pytorch/pytorch/ci-metrics

查询 PyTorch CI、GitHub Actions、HUD、Grafana 与基础设施指标。当用户询问 CI 耗时、任务失败、排队时长、工作流趋势、runner 健康度、看板数据或 PyTorch 基础设施指标时使用。