基于 inference.sh CLI 的专业数据可视化指南，涵盖图表选型、配色理论与数据叙事最佳实践，适合快速生成商业级图表

基本信息

• 技能名称?Data Visualization
• 中文名称?专业图表一键生成 · 数据叙事指南
• 作者?okaris
• 分类?专业技能
• 版本?0.1.5
• 标签?data-visualization, charts, matplotlib, business-intelligence, storytelling, presentation, dashboard, python, cli-tool, color-theory

使用方法

使用说明
核心用法
Data Visualization 是一套系统性的数据可视化方法论，通过 inference.sh 云端执行环境快速生成专业级图表。核心工作流为：安装 CLI 工具 → 选择合适图表类型 → 调用 Python 或 HTML 渲染引擎 → 导出高清 PNG。支持折线图、柱状图、热力图、KPI 卡片等常见商业图表，内置可直接运行的代码模板。
图表选型决策树
时间趋势 → 折线图（可截断Y轴突出变化）
类别对比 → 横向柱状图（自动按数值排序）
占比构成 → 堆叠柱状图或树形图（ 强烈反对饼图 ）
分布特征 → 直方图/箱线图
相关性 → 散点图
地理数据 → 等值区域图
单一指标 → KPI 数字卡片（避免过度图表化）
设计规范亮点
| 维度 | 规则 | |------|------| | 配色 | 单图≤5-7色，优先顺序色（sequential）、离散色（diverging）或分类色（categorical），强制提供色盲友好方案 | | 文本 | 标题必须陈述洞察而非描述数据类型，如"SEO 贡献 70% 流量增长"而非"流量来源分布" | | 标注 | 直接在数据点标注关键数值，减少读者认知负担 | | 叙事 | 遵循"背景→张力→结论"三段式结构 | 显著优点

1. 即开即用 ：提供完整可执行的 Bash/Python 代码片段，复制即可生成 publication-ready 图表
2. 反模式清单 ：明确列出饼图、3D 图表、双Y轴等常见误区及替代方案
3. 多场景覆盖 ：从深色模式到响应式 KPI 卡片，适配演示文稿、仪表盘、报告等多种载体
4. 云原生执行 ：无需本地配置 Python 环境，通过 inference.sh 在隔离容器中运行
   潜在局限
   依赖 inference.sh 第三方服务，需注册登录且存在网络延迟
   复杂交互式可视化（如 D3.js 动态图表）不在范围内
   未涉及大数据量级（百万级+）的性能优化策略
   地图可视化仅提及等值区域图，未覆盖自定义底图或坐标投影
   适合人群
   产品经理/运营：快速生成周会/月报图表
   数据分析师：需要遵循一致设计规范的团队协作
   创业者：制作融资路演材料中的数据页
   对可视化有基础认知、追求效率优先的商务用户
   常规风险
   数据安全 ：代码通过云端执行，敏感数据可能离开本地环境
   渲染一致性 ：不同 DPI 设置可能导致字体换行异常
   依赖可用性 ：inference.sh 服务中断将影响全部功能
   过度简化风险 ：严格的"禁用饼图"等规则在特定场景（如展示少量占比、面向大众媒体）可能需要灵活处理

来自微软官方的 Azure CLI 技能，让你通过统一的命令行界面高效管理、自动化编排和监控所有 Azure 云资源。

基本信息

• 技能名称?azure-cli
• 中文名称?全能云端资源命令行管家
• 作者?ddevaal
• 分类?专业技能
• 版本?1.0.0
• 标签?devops, automation, backend, database, operations, devops, project-program-management

使用方法

使用说明
核心用法
本技能基于微软官方、开源的跨平台命令行工具 Azure CLI（ az ），提供了一套完整的知识体系和即用型辅助脚本。它的核心用途是让你脱离 Azure 门户网站，直接在终端中高效管理所有 Azure 云资源。无论是创建虚拟机、配置网络、管理存储账户、部署 Kubernetes (AKS) 集群，还是进行成本分析和资源清理，你都能通过统一的 az 命令完成。技能从基础的身份认证（ az login ）、资源组管理讲起，逐步深入到计算、网络、存储、数据库、AI、DevOps 等 66 个主要命令模块 的高级操作。它还专门提供了输出查询（JMESPath）、错误处理和自动化脚本编写等高阶模式，并附带了 5 个可直接使用的 Shell 辅助脚本，用于检查虚机状态、清理闲置资源、分析存储成本等。
显著优点
官方权威，极致可信： 该技能直接来源于微软官方的 Azure CLI 工具（GitHub 超 4,400 Stars，1,200+ 贡献者），并由顶级维护者提供，安全和信誉评级最高（T1 来源，S 级安全）。
功能全面，覆盖面广： 它涵盖了 Azure 几乎所有核心服务领域，从基础架构即服务 (IaaS) 的虚拟机，到平台即服务 (PaaS) 的 Web 应用和函数，再到数据、AI 和 DevOps，是目前最完整的 Azure CLI 参考技能之一。
自动化与效率导向： 技能不仅教授命令，更着重于如何通过脚本实现批处理、带退出码的错误处理、设置默认参数减少重复输入以及使用 --no-wait 实现异步操作，能显著提升云端运维和 DevOps 的工作效率。
安全机制完善： 所有辅助脚本均内置安全最佳实践，如设置 set -e 确保错误时立即退出，资源清理脚本默认开启“干运行”模式（需显式标志才执行删除），从根本上防止误操作。经全面扫描，该技能零后门、零数据外泄、零第三方依赖。
跨平台兼容： 明确支持 macOS、Linux 和 Windows，安装和配置说明清晰易懂，上手门槛低。
潜在缺点或局限性
技能内容可能滞后于 CLI 更新： 技能文档基于 Azure CLI v2.50+ 版本编写。由于云平台服务迭代极快，部分命令或参数可能会在新版中发生变化或弃用，用户需留意微软官方的更新日志并自行同步知识。
强大的权限意味着高风险： 虽然技能本身安全，但使用不当仍有风险。Azure CLI 是一个强大的管理工具，执行的命令直接影响云环境，若认证信息泄露或误操作（如错误地批量删除资源），会造成严重生产事故。
缺乏交互式引导： 技能以文档和脚本的方式呈现，对于完全不熟悉命令行的纯新手用户，缺少 GUI 那样的视觉反馈和错误纠正引导，学习曲线相对陡峭。
适合的目标群体
云架构师与运维（DevOps）工程师： 这是最核心的目标用户，他们需要高效、可脚本化的方式来管理基础设施即代码 (IaC) 和持续集成/持续部署 (CI/CD) 流水线。
后端与全栈开发人员： 需要在日常工作中快速创建、测试和管理 Azure 资源（如数据库、存储、容器服务）的开发者。
系统管理员： 负责监控、维护和优化 Azure 云环境成本与性能的 IT 管理员。
希望通过认证的学习者： 任何正在学习 Microsoft Azure (如 AZ-104, AZ-204) 并希望熟练掌握命令行管理方式的认证考生。
使用可能存在的常规风险
凭据管理风险： 技能在演示中使用了认证命令。若用户将包含服务主体凭据（客户端密钥、证书）的脚本硬编码或上传至不安全的代码仓库，将导致严重的安全泄露。
误操作导致的服务中断： 使用技能提供的模板或自动化脚本进行批量操作（如删除所有未使用的资源）时，如果未充分理解脚本逻辑或未在测试环境中先行验证，可能导致正在运行的生产服务被意外停止或删除。
成本失控风险： 通过脚本可以快速创建大量或高规格的云资源（如 GPU 虚拟机、Kubernetes 集群）。若配合自动化定时任务使用，一旦配置错误，可能导致在无人监控的情况下产生巨额云服务账单。
依赖项单一但环境要求明确： 技能没有第三方依赖是优点，但其唯一的运行时依赖就是 Azure CLI。如果目标执行环境中未安装或版本过旧，所有命令和脚本都将无法运行。
devops automation backend database operations devops project-program-management

连接 LightRAG 知识库 API，支持多服务器管理与多模式智能检索，为写作和决策提供上下文支持

基本信息

• 技能名称?LightRAG Search Skill
• 中文名称?私有化知识库的智能检索中枢
• 作者?ruslanlanket
• 分类?专业技能
• 版本?1.0.1
• 标签?rag, knowledge-base, api-client, context-retrieval, self-hosted, multi-server, writing-assistant

使用方法

使用说明
核心用法
LightRAG Skill 是一款面向知识库检索与管理的工具技能，允许用户通过 API 与部署的 LightRAG 服务器交互。核心功能包括：

1. 多服务器配置 ：通过 ~/.lightrag_config.json 管理多个服务器别名，支持 API 密钥认证
2. 五模检索 ： local （局部）、 global （全局）、 hybrid （混合）、 mix （融合）、 naive （朴素）五种查询模式
3. 上下文提取 ： --only-context 标志可将检索结果作为下游任务（写作、分析）的输入素材
   显著优点
   灵活架构 ：支持多服务器热切换，适合企业多知识库场景
   模式丰富 ：五种检索策略适配不同深度与广度的信息需求
   无缝集成 ：检索结果可直接注入写作工作流，降低上下文切换成本
   潜在局限
   依赖自建服务 ：需自行部署 LightRAG 后端，无托管 SaaS 选项
   配置门槛 ：JSON 配置文件对非技术用户不够友好
   安全风险 ：API 密钥以明文存储于本地文件，缺乏密钥管理服务集成
   适合人群
   需要基于私有知识库进行 RAG（检索增强生成）的技术团队
   研究人员、内容创作者需将领域知识库作为写作上下文
   已部署 LightRAG 基础设施的企业用户
   常规风险
   密钥泄露 ：本地明文存储 API 密钥，共享设备或权限配置不当可导致未授权访问
   服务端风险 ：依赖自建服务器的安全性与可用性，无内置故障转移机制
   数据边界模糊 ： --only-context 输出可能混入敏感信息，需人工审核后再用于下游任务

跨链安全基础设施，审计员质押USDC为AI技能背书，用户微付费使用验证技能，恶意行为通过去中心化治理削减，基于Arc CCTP构建。

基本信息

• 技能名称?Arc Security - Agent Trust Protocol
• 中文名称?链上质押背书 · 微付费安全验证
• 作者?shaivpidadi
• 分类?专业技能
• 版本?1.0.1
• 标签?blockchain, staking, governance, cctp, cross-chain, smart-contract, defi, openclaw, auditing

使用方法

使用说明
核心用法
Arc Security 是 OpenClaw 生态的链无关安全协议，通过经济激励构建技能信任层。核心流程包含三重角色互动： 审计员 质押 USDC 为技能安全背书， 用户 支付 0.10 USDC 微费用获取验证技能， 治理层 通过 72 小时投票裁决恶意举报并执行削减。
CLI 提供六大命令：
check ：查询链上保证金状态、审计员数量、使用次数及综合信任评分（40% 金额 + 40% 使用量 + 20% 审计员数）
use ：通过 x402 支付墙下载技能，自动选择 Arc/ Base/ Arbitrum/ Ethereum Sepolia 最优支付路径
bond ：跨链质押 USDC（支持 CCTP 桥接），若技能被判定恶意则损失 50% 保证金
report ：提交 1 USDC 反垃圾押金举报恶意技能，证据需上链 IPFS
vote-claim ：质押者按 √(总质押) × (成功审计率) 权重参与投票
claim-earnings ：提取 70% 用户费用分成（按质押比例分配）
显著优点

1. 链抽象体验 ：用户无需感知底层链，CCTP 自动完成 USDC 跨链燃烧铸造
2. 经济安全模型 ：审计员与技能安全利益绑定，举报-投票-削减形成闭环威慑
3. 渐进式信任 ：信任评分随使用量和审计员数量动态增长，新技能有机会冷启动
4. 费用可持续 ：70/30 分润模式既激励审计又建立保险池缓冲风险
   潜在缺点与局限性
5. 测试网阶段 ：当前仅支持 Arc Testnet 及 Sepolia 测试网，主网流动性与安全性未经验证
6. 中心化风险 ：x402 支付服务器为链下组件，若宕机则技能分发中断
7. 投票参与率 ：低质押者参与度可能导致治理僵局，恶意技能清理延迟
8. CCTP 依赖 ：Circle 跨链协议若出现漏洞或暂停，全链路瘫痪
9. 证据主观性 ：IPFS 证据无标准化格式，恶意举报与误伤难以量化区分
   适合人群
   OpenClaw 生态重度用户：需高频使用第三方技能且关注安全
   安全研究者/白帽：愿质押资金换取审计收益与生态影响力
   跨链开发者：研究 CCTP 与 x402 支付墙结合的实际案例
   常规风险
   智能合约风险 ：SkillSecurityRegistry 代码未经公开审计（报告占位符提示未扫描）
   私钥管理 ：配置要求明文存储 PRIVATE_KEY ，存在泄露风险
   价格波动 ：USDC 脱锚将直接侵蚀保证金价值与费用经济模型
   治理攻击 ：大户串联操控投票结果，错误削减诚实审计员

来自可验证开发者的 Cursor CLI 官方工具完整使用指南，涵盖安装、认证、交互/非交互模式及 CI/CD 自动化，助力开发者高效完成代码审查、重构与调试任务。

基本信息

• 技能名称?cursor-agent
• 中文名称?Cursor CLI 全场景自动化指南
• 作者?swiftlysingh
• 分类?专业技能
• 版本?v2.1.0
• 标签?development-engineering, devops, automation, cli, productivity, ai-ml

使用方法

使用说明
核心用法
cursor-agent Skill 是一份面向 Cursor CLI 工具的综合性使用文档，旨在帮助开发者掌握这一 AI 驱动的终端编程助手。该 Skill 覆盖了从基础安装到高级自动化工作流的完整使用链路。
安装与认证 ：支持 macOS、Linux 及 Windows WSL 多平台，提供标准 curl 安装和 Homebrew 两种途径，安装后需通过 agent login 浏览器认证或 API Key 环境变量配置完成授权。
交互模式 ：通过 agent 命令启动对话式会话，支持 @ 符号快速引用文件/目录作为上下文，内置 /models 切换模型、、 /compress 压缩对话历史、、 /rules 管理规则等斜杠命令，以及 Shift+Enter 多行输入、、 Ctrl+R 审查变更等快捷键。
非交互/CI 模式 ：专为自动化场景设计，使用 -p 或 --print 参数执行单次任务，支持 text / / json / / stream-json 三种输出格式，， --force 参数可自动应用变更无需确认，适合集成到 CI/CD 流水线执行代码审计、测试覆盖报告生成等任务。
关键自动化方案 ：针对 AI Agent 调用场景，文档特别强调必须使用 tmux 创建伪终端（PTY），因为 Cursor CLI 的 TUI 依赖真实 TTY，直接子进程调用会导致无限挂起。提供了完整的 tmux 会话创建、命令发送、输出捕获的脚本模板。
显著优点

1. 功能覆盖全面 ：从个人开发到企业 CI/CD 的全场景支持，既满足日常编码辅助，也支持批量自动化处理。
2. 上下文感知能力强 ：通过 @ 符号精准注入文件/目录上下文，结合自动加载的 .cursor/rules 、 、 AGENTS.md` 等配置，实现项目级知识融合。
3. MCP 生态集成 ：原生支持 Model Context Protocol 服务器动态启停，可扩展工具链能力。
4. 输出格式灵活 ：JSON 和流式 JSON 输出便于程序化处理，适配现代 DevOps 工具链。
5. 会话持久化 ：支持会话列表查看与指定会话恢复，长任务可中断续作。
   潜在缺点与局限性
6. TTY 强依赖限制 ：自动化场景必须借助 tmux 等工具模拟终端，增加了部署复杂度，容器化环境需额外配置。
7. 平台覆盖缺口 ：Windows 原生环境仅支持 WSL，无原生 Windows 终端支持。
8. 成本不透明 ：依赖 Cursor 官方 API，高频 CI 使用可能产生显著费用，文档未提供成本估算指引。
9. 变更不可控风险 ： --force 模式自动应用代码变更，缺乏人工审查环节，可能引入回归问题。
10. 网络依赖严格 ：安装脚本、模型切换、API 调用均需稳定网络，离线环境无法使用。
    适合的目标群体
    全栈开发者 ：需要快速完成代码审查、重构、调试等日常任务
    DevOps/平台工程师 ：构建智能化 CI/CD 流水线，实现自动化代码审计与测试
    技术团队 Lead ：制定团队编码规范，通过 .cursor/rules 统一代码风格
    AI 工作流构建者 ：开发基于 Cursor 能力的自动化 Agent 系统
    使用风险
    性能风险 ：大文件分析或复杂重构任务可能消耗大量 Token 与 API 配额
    依赖项风险 ：tmux 为自动化场景必需依赖，环境缺失将导致任务挂死
    安全风险 ： --force 模式可能未经充分测试即提交变更，建议配合代码审查流程使用
    供应商锁定 ：深度集成 Cursor 生态后，迁移至其他 AI 编程工具成本较高