“Stock Analysis” 共 204 个结果
io.github.eclipse-rdf4j/rdf4j/docker-jfr-benchmark-loop
在 Docker 中针对 Linux Java 26 与 JFR CPU 时间剖析，对单个 JMH 基准运行可重复的 RDF4J 性能循环。在本仓库进行基准引导的性能改动、热点定位、JFR 解读、CPU 瓶颈分析或重复的基线-修复-重跑循环时使用。当请求提及 benchmark、profiling、JFR、hotspot、perf loop、CPU bottleneck 或 RDF4J 的 Docker 基准运行时触发。
io.github.alirezarezvani/claude-skills/app-store-optimization
面向 App Store Optimization（ASO）的工具包，用于研究关键词、分析竞争对手排名、生成元数据建议、提升应用在 Apple App Store 与 Google Play Store 的可见度。当用户询问 iOS 或 Android 上的 ASO、应用商店排名、应用元数据、应用标题与描述、应用商店列表、应用可见度或移动应用营销时使用。支持关键词研究与评分、竞争对手关键词分析、元数据优化、A/B 测试规划、上线清单与排名变化跟踪。
io.github.danielmiessler/LifeOS/Apify
通过 Apify actor 抓取社交媒体平台、商业数据与电商内容——Instagram 资料/帖子/话题标签/评论、LinkedIn 资料/职位/帖子、TikTok 资料/话题标签/视频/评论、YouTube 频道/搜索/评论、Facebook 帖子/群组/评论、Google Maps 商家搜索并提取联系方式/评论/图片、Amazon 商品/评论/价格，以及配合自定义 pageFunction 提取逻辑的通用多页网页爬取。基于文件的 TypeScript 封装（scrapeInstagramProfile、searchGoogleMaps、scrapeAmazonProduct、scrapeWebsite 等）在返回模型上下文前于代码中过滤与转换数据，相比直接走 MCP 协议可节省 95-99% 的 token。通过 Promise.all 并行查询多平台，支撑社媒监听看板。线索富化流水线：Google Maps → 合格过滤 → 可选 LinkedIn 富化。可同时在 Instagram、YouTube、TikTok 上做竞品分析。适用场景：抓取 Instagram、抓取 LinkedIn、抓取 TikTok、抓取 YouTube、抓取 Faceboo
io.github.danielmiessler/Personal_AI_Infrastructure/Apify
通过 Apify actor 抓取社交媒体平台、商业数据与电商内容——Instagram 资料/帖子/话题标签/评论、LinkedIn 资料/职位/帖子、TikTok 资料/话题标签/视频/评论、YouTube 频道/搜索/评论、Facebook 帖子/群组/评论、Google Maps 商家搜索并提取联系方式/评论/图片、Amazon 商品/评论/价格，以及配合自定义 pageFunction 提取逻辑的通用多页网页爬取。基于文件的 TypeScript 封装（scrapeInstagramProfile、searchGoogleMaps、scrapeAmazonProduct、scrapeWebsite 等）在返回模型上下文前于代码中过滤与转换数据，相比直接走 MCP 协议可节省 95-99% 的 token。通过 Promise.all 并行查询多平台，支撑社媒监听看板。线索富化流水线：Google Maps → 合格过滤 → 可选 LinkedIn 富化。可同时在 Instagram、YouTube、TikTok 上做竞品分析。适用场景：抓取 Instagram、抓取 LinkedIn、抓取 TikTok、抓取 YouTube、抓取 Faceboo
io.github.foryourhealth111-pixel/Vibe-Skills/designing-experiments
在分析之前设计实验与准实验。用于选择研究设计、处理/对照结构、结果指标、假设、科学实验失败后的验证方案，以及判断 DiD、ITS、合成控制、回归断点哪种更契合研究问题。若是在已有数据上拟合模型或估计效应，请改用 performing-causal-analysis。
io.github.eclipse-rdf4j/rdf4j/docker-jfr-benchmark-loop
在 Docker 中针对 Linux Java 26 与 JFR CPU 时间剖析，对单个 JMH 基准运行可重复的 RDF4J 性能循环。在本仓库进行基准引导的性能改动、热点定位、JFR 解读、CPU 瓶颈分析或重复的基线-修复-重跑循环时使用。当请求提及 benchmark、profiling、JFR、hotspot、perf loop、CPU bottleneck 或 RDF4J 的 Docker 基准运行时触发。
io.github.Jeffallan/claude-skills/sql-pro
优化 SQL 查询、设计数据库 schema 并排查性能问题。当用户询问查询为何变慢、需要帮助编写复杂 join 或聚合、提到数据库性能问题，或想设计/迁移 schema 时使用。用于复杂查询、窗口函数、CTE、索引策略、执行计划分析、覆盖索引创建、递归查询、解读 EXPLAIN/ANALYZE、前后基准对比，或在数据库方言（PostgreSQL、MySQL、SQL Server、Oracle）之间迁移查询。
io.github.mono/SkiaSharp/api-add-review
通过包装 Skia C++ 功能为 SkiaSharp 新增 C# API，或评审现有 API PR 的正确性与风格。两套工作流：(1) 新增：C++ 分析 → C API → 绑定 → C# 包装 → 测试 → 评审；(2) 评审：检查命名、Span 重载、属性、测试与互操作安全。触发语：“add DrawFoo method”“expose SkSurface::draw”“wrap sk_foo_bar”“add API”“expose function”“wrap method”“create binding for”“review this API”“check the API surface”“review PR #NNN for API design”，以及被归类为“New API”的 Issue（获取并分类后）。
io.github.midudev/autoskills/python-executor
通过 [inference.sh](https://inference.sh) 在安全沙箱环境中执行 Python 代码。预装：NumPy、Pandas、Matplotlib、requests、BeautifulSoup、Selenium、Playwright、MoviePy、Pillow、OpenCV、trimesh 及 100 多个其他库。适用于：数据处理、网页抓取、图像编辑、视频创作、3D 模型处理、PDF 生成、API 调用、自动化脚本。触发词：python、执行代码、运行脚本、网页抓取、数据分析、图像处理、视频剪辑、3D 模型、自动化、pandas、matplotlib。
io.github.openakita/openakita/python-executor
通过 [inference.sh](https://inference.sh) 在安全的沙箱环境中执行 Python 代码。预装：NumPy、Pandas、Matplotlib、requests、BeautifulSoup、Selenium、Playwright、MoviePy、Pillow、OpenCV、trimesh 及 100+ 其他库。适用：数据处理、网页抓取、图像操作、视频创作、3D 模型处理、PDF 生成、API 调用、自动化脚本。触发词：python、execute code、run script、web scraping、data analysis、image processing、video editing、3D models、automation、pandas、matplotlib
io.github.open-metadata/OpenMetadata/connector-review
依据黄金标准审查 OpenMetadata 连接器。运行多 agent 分析，覆盖架构、代码质量、类型安全、测试与性能。给出 PR 编号时，自动将质量摘要发布到 PR 描述，并以 PR 评论形式发布详细审查。
io.github.majiayu000/claude-skill-registry-data/css-performance
优化 CSS 性能——关键 CSS、代码分割、无用样式清除与打包分析
io.github.majiayu000/claude-skill-registry-data/automation-debugger
Power Automate、n8n、Make、Zapier 等工作流平台的专家级自动化错误调试器。分析含错误信息的 JSON 流程定义，检索官方文档，并生成可直接复制粘贴的完整修复 JSON。当用户提供报错 JSON 文件、含错误的工作流 JSON、错误信息、调试请求或失败的自动化内容时触发。返回含根因分析与可运行修复 JSON 的结构化调试报告。
io.github.sickn33/antigravity-awesome-skills/code-review-excellence
通过建设性反馈、系统化分析与协作改进，把代码审查从把关转变为知识共享。
io.github.sickn33/antigravity-awesome-skills/code-review-ai-ai-review
你是精通 AI 驱动代码审查的专家，融合自动化静态分析、智能模式识别与现代 DevOps 实践，善用 GitHub Copilot、Qodo、GPT-5 等 AI 工具。
io.github.sickn33/antigravity-awesome-skills/code-documentation-doc-generate
你是专注于从代码生成全面且可维护文档的文档专家。利用 AI 分析与行业最佳实践，生成 API 文档、架构图、用户指南与技术参考。
io.github.sickn33/antigravity-awesome-skills/sql-optimization-patterns
通过系统化优化、合理索引与执行计划分析，把缓慢的数据库查询变成极快的操作。
io.github.sickn33/antigravity-awesome-skills/security-scanning-security-sast
面向多语言、多框架代码漏洞分析的静态应用安全测试（SAST）。
io.github.sickn33/antigravity-awesome-skills/security-scanning-security-dependencies
你是安全专家，专注于依赖漏洞分析、SBOM 生成与供应链安全。跨多个生态扫描项目依赖以识别漏洞、评估风险，并提供自动化修复策略。
io.github.easychen/opc-methodology/opc-dashboard-review
使用轻量指标、瓶颈分析与止损逻辑，审查一人公司的经营健康状况。当 Codex 需要在必要时讲解审查概念、核验可用输出、每次只提一个问题、给出多种瓶颈假设，并把用户确认的输出写入 `opc-doc/` 时使用。
io.github.Lionad-Morotar/local-tools/css-debug
系统化的 CSS 调试。涵盖特异性分析、继承链追踪、计算值检查、布局调试（overflow、意外尺寸、外边距塌陷）、CSS containment 问题、z-index 层叠上下文梳理、自定义属性解析链以及绘制/布局性能诊断，并使用 outline 技巧进行可视化调试。在调试 CSS、修布局 bug、解决特异性冲突、追查 z-index 问题或诊断渲染性能时使用。
io.github.davila7/claude-code-templates/code-review-excellence
通过建设性反馈、系统化分析与协作式改进，把代码审查从把关转变为知识共享。
io.github.brycewang-stanford/Auto-Empirical-Research-Skills/python-panel-data
使用 linearmodels 与 pandas 进行面板数据分析。
io.github.brycewang-stanford/Auto-Empirical-Research-Skills/algorithm-designer
设计并撰写统计算法文档，包含伪代码与复杂度分析。
