搜索「CSV」的结果

io.clawhub.mariusfit/smart-web-scraper

从任意网页提取结构化数据，支持 CSS 选择器、表格与列表自动识别、JSON/CSV 输出格式，适用于网页抓取与数据抽取任务。

io.clawhub.tobewin/excel-studio

专业 Excel 电子表格生成器。当用户需要创建数据表、报表、图表、财务模型或 Excel 形式的结构化数据时使用。

io.clawhub.anmu14641/simple-excel

简单的 Excel 文件处理工具。用于读取、创建、编辑 .xlsx 和 .csv 文件，适合基本的数据操作任务，如读取数据、简单计算、生成表格等。

io.clawhub.ricobaboule/xlsx-pro

处理 Excel 文件（.xlsx、.xlsm、.csv、.tsv）的技能。当用户想要以下操作时使用：打开、读取、编辑或创建电子表格文件；添加列、计算公式、设置格式、生成图表、清洗数据；在表格格式之间转换。交付物必须是电子表格文件。若交付物是 Word 文档、HTML、独立 Python 脚本或 Google Sheets 集成，则不要使用。

io.clawhub.1kalin/crm-manager

管理基于本地 CSV 的 CRM，带销售管道追踪。

io.clawhub.1kalin/financial-tracker

以结构化 CSV 格式跟踪企业收入与支出。对交易分类、监控现金流、生成损益摘要、发现消费趋势。

io.clawhub.slempiam/prospector

当用户想要寻找符合 ICP（理想客户画像）的线索、潜在客户或联系人时使用此技能。它通过 Exa 搜索公司，通过 Apollo 补全联系人信息，输出为 CSV，并可选择同步到 Attio CRM。强制触发词：“find leads”、“prospecting”、“ICP search”、“find contacts”、“lead generation”、“/prospector”。

io.clawhub.gxcun17/skywork-excel

Skywork Excel（skywork）——用于任何涉及 Excel、电子表格、表格、数据分析或文件转换的任务。

飞书云空间 lark-drive

io.github.larksuite/cli/lark-drive

飞书云空间（云盘/云存储）：管理 Drive 文件和文件夹，包含上传/下载、创建文件夹、复制/移动/删除、查看元数据、查询权限设置、评论/权限/订阅、标题、版本、飞书文档密级标签（secure labels）和本地文件导入。用户需要整理云盘目录、处理云空间资源 URL/token、判断链接类型/真实 token/标题，或导入 Word/Markdown/Excel/CSV/PPTX/.base 为 docx/sheet/bitable/slides 时使用；doubao.com 云空间 URL/token 也按资源路径和 token 路由，不回退 WebFetch。不负责：文档内容编辑（走 lark-doc）、表格/Base 表内数据操作（走 lark-sheets/lark-base）、知识空间节点/成员管理（走 lark-wiki）、原生 Markdown 文件读写/patch/diff（走 lark-markdown）。

io.clawhub.benzema216/trading-coach

🏆 AI交易复盘教练 — 把你的券商CSV变成可执行的改进洞察！ 自动FIFO配对持仓，8维度质量评分(入场/出场/趋势/风险...)，10维度AI洞察。 支持富途(中/英)、老虎、中信、华泰等主流券商。 触发条件: 用户提供交易CSV、要求分析交易表现、评估交易质量、生成复盘报告、 计算盈亏统计、识别交易模式问题、"帮我复盘"、"分析我的交易"。

io.clawhub.sdk-team/alibabacloud-migration-mas-cloud-migration-survey

当用户提供迁云调研材料（Excel/Word/文本/CSV文件）并要求生成结构化调研报告时，自动分析汇总并输出 .docx 文档。涵盖客户画像、架构现状、云产品映射、版本兼容性风险、迁移风险、待确认事项。支持 AWS/Azure/GCP/华为云/腾讯云/百度云/IDC 到阿里云的迁移评估。

io.clawhub.arthasking123/ai-data-analysis

自动化完成 CSV/Excel 数据清洗、统计分析、趋势检测、异常识别、可视化与报告生成。

io.clawhub.atyachin/social-sentiment

跨 Twitter、Reddit 与 Instagram 的品牌和产品情绪分析。监控公众舆论、跟踪品牌口碑、察觉公关危机、大规模发现吐槽与好评——通过批量 CSV 导出与 Python/pandas 分析 7 万+ 帖子。基于 15 亿+ 已索引帖子的社会聆听与品牌监测。

io.clawhub.ivangdavila/sql

为任意关系型数据库编写、审阅并优化 SQL 查询，设计 schema、索引与约束，规划数据迁移。当查询很慢、EXPLAIN 显示顺序扫描或索引未被使用；JOIN 之后出现重复行、缺行或金额被放大；遇到死锁、锁等待超时、“too many connections” 或事务迟迟不提交；设计表、主键与字段类型，在规范化与反规范化的模型之间取舍，或决定用 JSON 列还是真实列；在线上表上做 ALTER TABLE、执行 expand-migrate-contract 发布、备份与恢复、处理复制延迟、连接池、分区、CSV 批量导入以及在引擎间迁移数据；编写窗口函数、CTE、keyset 分页、upsert、全文检索、多租户、行级安全，以及在 MySQL、SQLite、MariaDB 或 SQL Server 中处理时区时，都适用。不适用于 PostgreSQL 服务端内部调优（如 vacuum 与 work_mem），也不适用于框架内的 ORM schema 建模。

io.clawhub.ivangdavila/crm

运行一套 CRM：联系人、公司、商机、管道阶段、跟进，以及让它保持可用的数据治理。适用于搭建、抢救或运营 CRM（个人、自由职业、销售、捐赠者或求职场景）；需要梳理管道、跟进沉寂商机、为业绩预测给出依据，或发现某位联系人已数月未联系时；联系人重复、退信或信息过期时；导入导出线索 CSV，或在纯文本文件、Notion、HubSpot、Salesforce 之间迁移时；纠结该用哪种 CRM、或想弄清为什么没人更新现有系统时；定义阶段、字段、标签、线索评分或赢单/输单原因时；记录一通电话或一封邮件以便后续跟随时；以及必须落实删除、退订或请勿联系请求时。不适用于通讯录与生日维护（people）、客户交付本身（clients）、外联推广（outreach）、人才寻访（recruiter）或客服工单（customer-support）。

io.clawhub.neuhanli/smart-charts

32 types of charts, 3 themes, generate in 2 steps: 1. Upload data — drag and drop data files in CSV / Excel / JSON and other formats into the dialog box; 2. View results — interactive charts (HTML), and you can save the charts as images.

io.clawhub.ivangdavila/json

解析、校验、转换并设计能经受真实解析器、客户端与数据规模考验的 JSON 载荷：处理字节偏移解析失败、尾逗号、精度丢失、乱码、重复键、schema 误判、$ref 解析失败、超大文件流式读取、jq/JMESPath/JSONPath 表达式、文档 diff 与补丁、webhook 签名、不可信输入安全解析与响应兼容性演进，覆盖 NDJSON、JSON Patch、规范形式、SQL JSON 列与 JSON5/JSONC 配置。不适用于约束 LLM 输出、YAML/TOML/XML/CSV 或 REST 端点设计。

io.clawhub.tevfikgulep/instagram-analyzer

分析 Instagram 主页与帖子：详细互动指标、浏览追踪、粉丝比率，以及以 Reels 为核心的分析，支持导出 JSON/CSV。

io.github.docling-project/docling/docling

用 Docling 理解任意受支持格式文档的内容——PDF（原生数字或扫描件）、DOCX、PPTX、XLSX、HTML、Markdown、AsciiDoc、CSV、图片、音频与 XML——把它们统一转换为 DoclingDocument（Markdown 或结构化 JSON）。当你需要读取、解析、转换、提取或切分无法直接阅读的文档时使用，例如“这份 PDF 里有什么”“转成 markdown”“提取表格”“为 RAG 切块”“读这份扫描文档”“解析这个 DOCX/PPTX”。涵盖 docling CLI、Python SDK（DocumentConverter 与 PipelineOptions）、远程 Service Client（自托管或托管的 docling-serve），以及用于最小依赖体积的 docling-slim install extras。

io.github.bytedance/deer-flow/data-analysis

当用户上传 Excel（.xlsx/.xls）或 CSV 文件并希望做数据分析、生成统计、创建摘要、透视表、SQL 查询或任何结构化数据探索时使用。支持多 Sheet Excel 工作簿、聚合、过滤、连接，并将结果导出为 CSV/JSON/Markdown。

io.github.code-yeongyu/oh-my-openagent/data-scientist

以混合引擎策略进行专业数据处理：优先使用常驻内核引擎——DuckDB 加上常驻的 Python 技术栈（Polars/numpy/matplotlib），在 harness 支持的 js/py eval 内核中保持常驻，其他环境则用 bun/uv 单次执行——并按动作决定放置方式（内存内、流式、远端就地）。触发词：analyze the data、what is in this CSV/parquet/json、summarize this、group by、filter rows、sort by、join these files、merge datasets、time series trend、compare yesterday and today、distribution/histogram、correlation、clean duplicates、handle missing values、dataset larger than RAM、SQL query on files、DataFrame operations、chart/plot this data、DuckDB vs Polars selection、quick data exploration CLI。不适用于：纯文本/代码查看、配置文件或极小的内联计算。

io.github.github/awesome-copilot/geofeed-tuner

当用户提到 IP 地理定位馈送、RFC 8805、geofeed，或想创建、调优、验证、发布 CSV 格式的自建 IP 地理定位馈送时使用。目标用户为网络运营商、ISP、移动运营商、云服务商、托管公司、IXP 或卫星服务商，涉及 IP 地理定位准确性或 geofeed 编写最佳实践。帮助创建、完善和改进 CSV 格式的 IP 地理定位馈送，给出超出 RFC 8805 合规要求的定制化建议。不适用于私有或内部 IP 地址管理，仅面向可公网路由的 IP。

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

通过 CLI 对 Fabric Data Warehouse、Lakehouse SQL Endpoint 和 Mirrored Database 执行只读 T-SQL 查询。对任何 lakehouse 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。当用户想要：(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。针对 Fabric notebook 单元格（%%sql 或其他 notebook magic）请使用 `spark-authoring-cli` 而非本技能。触发语：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.microclaw/microclaw/sql

编写、运行并解释 SQL 查询，并借助 sqlite3 CLI 对 CSV/SQLite 数据做快速本地分析。当用户要求编写或修复 SQL 查询、查询 .db/.sqlite 文件，或用 SQL 分析 CSV（联表、分组、窗口函数）时使用。触发词包括 SQL、query、SELECT、JOIN、GROUP BY、sqlite、database table、查询、数据库、写个 sql、联表、分组。