分类 专业技能 下的文章

通过 Google Analytics Data API 只读查询 GA4 数据，支持页面流量、用户行为、转化追踪等多维度分析，需 OAuth 环境变量配置。

基本信息

  • 技能名称?GA4 Analytics
  • 中文名称?官方 GA4 数据一键查询分析
  • 作者?jdrhyne
  • 分类?专业技能
  • 版本?1.2.2
  • 标签?analytics, google-api, data-query, oauth, ga4, website-metrics, business-intelligence

使用方法

使用说明
核心用法
GA4 技能是连接 Google Analytics 4 的官方数据查询工具，基于 Analytics Data API v1 构建。用户通过环境变量配置 OAuth 凭证后，可执行只读查询获取网站分析数据，包括页面浏览量、会话数、用户数、流量来源、转化率等核心指标。
显著优点

  1. 官方 API 集成 ：直接对接 Google 官方 Analytics Data API，数据准确性与实时性有保障
  2. 只读安全设计 ：明确限定为读取权限，无法修改 GA4 属性配置或数据
  3. 灵活查询能力 ：支持多指标/维度组合、自定义日期范围、正则过滤、多种输出格式（表格/JSON/CSV）
  4. 开箱即用示例 ：提供覆盖常见场景（热门页面、流量来源、着陆页等）的现成命令模板
    潜在局限
    配置门槛 ：需预先完成 Google Cloud 项目设置、API 启用、OAuth 授权流程，对非技术用户不够友好
    凭证管理风险 ：依赖四个环境变量（含 client_secret 和 refresh_token），若配置不当存在凭证泄露隐患
    仅限 GA4 ：不支持 Universal Analytics（已停止服务），历史 UA 数据需迁移
    无可视化 ：纯 CLI/文本输出，需配合其他工具做数据可视化
    适合人群
    网站运营人员、增长黑客、数据分析师
    需要将 GA4 数据集成到自动化报告或数据管道的技术团队
    熟悉 OAuth 流程、具备基础 Python 环境的开发者
    常规风险
    OAuth refresh_token 长期有效，需妥善保管环境变量
    查询范围受 GA4 账号权限限制，无法越权访问未授权属性
    频繁 API 调用可能触及 Google 配额限制（每日 200,000 次请求）

SwiftUI性能诊断专家技能，通过代码审查与Instruments分析定位渲染卡顿、内存泄漏及布局抖动问题，提供可落地的架构优化方案

基本信息

  • 技能名称?Swiftui Performance Audit
  • 中文名称?诊断SwiftUI卡顿·优化渲染性能
  • 作者?steipete
  • 分类?专业技能
  • 版本?1.0.0
  • 标签?ios, swiftui, performance, profiling, optimization, instruments, memory-management, ui-performance

使用方法

使用说明
核心用法
本技能专为SwiftUI开发者设计，提供系统化的性能诊断与优化工作流。采用"代码先行审查→必要时引导用户进行Instruments分析"的双轨模式：用户提交代码时，立即审查视图层级、状态管理、数据流及常见性能反模式；若代码审查无法确定根因，则指导用户使用Xcode Instruments的SwiftUI模板捕获性能追踪数据，分析渲染时间线、CPU调用栈及内存峰值。
显著优点

  1. 精准定位SwiftUI特有问题 ：聚焦视图无效化风暴（view invalidation storms）、列表身份不稳定（ UUID() 每帧刷新）、过度动画层级等SwiftUI架构特有痛点，非泛泛而谈的性能建议。
  2. 可操作的修复方案 ：提供具体代码重构示例，如缓存formatter、预计算过滤排序结果、缩小 @Observable 作用域、使用 equatable() 优化昂贵子树等，均有前后代码对比。
  3. 完整验证闭环 ：要求用户复测并对比基线指标（CPU占用、帧丢失、内存峰值），确保优化效果可量化。
  4. 权威来源背书 ：源自社区知名SwiftUI开发者@Dimillian的Skills库，整合Apple WWDC23性能优化Session及官方Instruments文档。
    潜在局限
    依赖用户配合 ：Instruments分析阶段需要用户自行捕获并上传追踪文件，技术门槛较高。
    平台局限 ：仅适用于iOS/macOS SwiftUI生态，对UIKit混合项目或跨平台框架（如Compose、Flutter）无直接参考价值。
    深度优化边界 ：极端场景（如Metal着色器优化、Core Animation底层调试）超出本技能范围。
    适合人群
    遭遇列表滚动卡顿、导航转场掉帧、CPU/内存异常飙升的SwiftUI开发者
    希望建立系统性性能优化流程的中高级iOS工程师
    需要代码审查清单与诊断SOP的技术团队
    常规风险
    过度优化陷阱 ：未经验证的假设可能导致不必要的架构重构，需强调"测量先行"。
    状态粒度争议 ：过度拆分 @Observable 可能增加代码复杂度，需权衡维护成本。
    Instruments误读 ：SwiftUI时间线的符号化解析存在学习曲线，建议结合Apple官方文档交叉验证。
    ios swiftui performance profiling optimization instruments memory-management ui-performance

自动聚合全球宏观数据与政策资讯，每日定时推送，为零基础用户提供必读指标科普解读

基本信息

  • 技能名称?Macro Monitor
  • 中文名称?每日宏观数据自动聚合与科普推送
  • 作者?hmzo
  • 分类?专业技能
  • 版本?1.0.2
  • 标签?macro-economics, data-monitoring, financial-news, automated-reporting, investor-education, china-market, global-economy

使用方法

使用说明
核心用法
macro-monitor 是一款面向投资者与宏观经济关注者的自动化数据监控技能。每晚 10 点（GMT+8）自动触发，通过浏览器访问 Trading Economics、FRED、国家统计局、央行官网、财联社等免费数据源，抓取过去 24 小时发布的宏观指标与政策动态，整合为结构化报告并主动推送。
显著优点

  1. 零门槛科普 ：每个指标强制附加「小白向」科普解释，从 references/indicators.md 知识库或实时搜索获取定义、重要性及关键阈值，降低宏观经济认知门槛。
  2. 多源交叉验证 ：采用「优先知识库→多源搜索→交叉比对」的未知指标处理流程，避免单一来源偏差。
  3. 定时自动化 ：基于 cron 调度无需人工干预，支持手动触发补充。
  4. 结构化呈现 ：按「国际数据/国内数据/政策动态/重要资讯」四级分类，数值对比预期/前值并标注超预期/不及预期。
    潜在局限
    数据源依赖 ：全部依赖公开免费网站，若源站反爬升级或临时宕机，存在采集失败风险。
    时效性边界 ：仅覆盖「过去 24 小时」已发布数据，非实时行情；高频交易场景不适用。
    知识库覆盖 ：非常见指标需实时搜索，可能增加响应延迟；知识库更新依赖人工维护。
    无预测功能 ：仅做数据整合与科普，不提供趋势预测或投资建议。
    适合人群
    宏观经济学习者与入门投资者
    需每日快速浏览政策与数据动态的理财用户
    希望降低信息筛选成本的中长期配置者
    常规风险
    信息延迟 ：官方数据发布本身存在滞后，技能无法消除。
    解释偏差 ：实时搜索的科普内容虽经交叉验证，仍可能存在时效性或权威性不足。
    隐私与合规 ：浏览器自动化操作需遵守各数据源 robots.txt 及使用条款，存在潜在合规边界。

通过托管 OAuth 安全接入 Google People API，实现联系人、联系人群组的增删改查与智能搜索，适合需要自动化通讯录管理的个人与团队。

基本信息

  • 技能名称?Google Contacts
  • 中文名称?托管 OAuth 轻松管理 Google 通讯录
  • 作者?byungkyu
  • 分类?专业技能
  • 版本?1.0.4
  • 标签?google-api, contacts, oauth, crm, address-book, people-api, email, productivity

使用方法

使用说明
核心用法
本技能是 Google People API 的代理封装，通过 Maton 平台提供托管 OAuth 认证，让用户无需处理复杂的 Google OAuth 流程即可操作 Google 通讯录。核心能力覆盖三大场景：

  1. 联系人全生命周期管理
    支持单条/批量查询、创建、更新、删除联系人
    提供 personFields 精细字段控制（姓名、邮箱、电话、地址、公司、生日、备注等）
    支持 etag 乐观锁并发控制，防止数据覆盖
  2. 联系人群组管理
    系统内置群组（星标、家人、同事、好友等）与用户自定义群组
    群组成员批量增删，支持连带删除选项
  3. 智能搜索与其他联系人
    全文搜索联系人姓名、邮箱等信息
    管理"其他联系人"（邮件往来但未正式添加的联系人），可一键转正
    使用时需设置 MATON_API_KEY 环境变量，所有请求通过 https://api.maton.ai/google-contacts/{path} 代理转发，Maton 自动注入 OAuth Token。多账号场景下可通过 Maton-Connection 头部指定具体连接。
    显著优点
    零 OAuth 配置成本 ：托管认证省去客户端 ID/Secret 管理、Token 刷新、权限范围配置等繁琐步骤
    完整 API 覆盖 ：完整映射 Google People API，包括批量操作、分页、搜索等高级功能
    多语言友好 ：提供 Python、JavaScript、Bash/curl 等多种代码示例，降低接入门槛
    多账号支持 ：同一 Maton 密钥可管理多个 Google 账号的通讯录连接
    潜在缺点与局限性
    供应商锁定 ：完全依赖 Maton 代理服务，若服务中断或定价调整将直接影响使用
    网络依赖 ：所有请求必须经过 Maton 服务器中转，无法离线或直连 Google API
    搜索延迟 ：新建联系人存在索引延迟，搜索结果可能不包含最新数据
    写入需确认 ：技能文档明确要求写操作前需用户确认，自动化场景下可能增加交互复杂度
    并发限制 ：同一用户的变更请求建议串行发送，高并发写入可能触发限流或失败
    适合人群
    需要快速集成 Google 通讯录功能的开发者与自动化工程师
    无 OAuth 开发经验但希望使用 Google People API 的个人用户
    管理多个 Google 账号通讯录的运维人员
    构建 CRM 同步、客户管理、通讯录备份等场景的工具开发者
    常规风险
    | 风险类型 | 说明 | |---------|------| | 数据隐私 | 联系人数据流经 Maton 代理服务器，需信任第三方数据处理能力 | | Token 安全 | MATON_API_KEY 泄露将导致对应 Google 账号的通讯录被完全控制 | | 误操作风险 | 批量删除、群组连带删除等操作不可逆，需谨慎确认 | | 服务可用性 | 依赖 Maton 服务稳定性，建议实现本地缓存与降级方案 | | 合规风险 | 处理欧盟 GDPR、中国个人信息保护法等场景需额外评估 | 建议生产环境启用连接审计日志，定期轮换 API Key，并为敏感操作设置二次确认机制。

Otterline 官方 AI 体育博彩预测技能，基于多模型共识算法提供 NBA/NHL 胜负预测，免费样本数据即开即用，适合体育爱好者娱乐参考。

基本信息

  • 技能名称?otterline
  • 中文名称?AI 驱动的体育赛事胜负预测专家
  • 作者?ChrisLyonsHFX
  • 分类?专业技能
  • 版本?v1.0.7
  • 标签?sports, data-analytics, api, content-media, entertainment

使用方法

使用说明
核心用法
Otterline 是一个专注于体育博彩预测的 AI 技能，通过调用 Supabase Edge Functions 提供的公开 API 端点，获取 NBA 和 NHL 比赛的免费样本预测数据。用户无需任何认证即可使用，支持按日期查询历史或当日预测。核心功能包括：获取指定日期的比赛胜负预测（moneyline）、查看 AI 模型的置信度分层（Elite/Verified/Strong/Lean/Pass）、以及获取共识模型数量和组合胜率等元数据。
显著优点

  1. 零门槛使用 ：无需 API Key 或任何身份验证，开箱即用，极大降低了用户体验成本。
  2. 专业分层体系 ：采用四级置信度标签（Elite/Verified/Strong/Lean），帮助用户快速识别高价值预测，比单一预测更具参考价值。
  3. 多模型共识机制 ：通过聚合多个独立模型的预测结果生成最终推荐，理论上比单一模型更稳健。
  4. 清晰的商业化路径 ：免费样本与付费完整版形成明确区隔，用户可低成本体验后再决策。
  5. 完善的展示规范 ：SKILL.md 提供了详细的输出格式指南，确保不同平台呈现一致性体验。
    潜在缺点与局限性
  6. 数据覆盖有限 ：免费端点仅返回 3-4 条样本预测，完整数据需付费订阅，对重度用户价值受限。
  7. 预测时效性风险 ：体育比赛受伤病、阵容轮换等临场因素影响，AI 模型基于历史数据的预测可能滞后于实时变化。
  8. 博彩本质风险 ：任何预测模型都无法保证胜率，长期投注仍存在资金损失风险，"For entertainment only" 的免责声明也暗示了这一点。
  9. 单一数据源依赖 ：所有数据来自 Otterline 自有 API，缺乏第三方交叉验证渠道。
  10. 功能边界清晰 ：仅支持 moneyline（胜负盘）预测，不包含让分盘、大小分等其他博彩玩法。
    适合的目标群体
    体育博彩爱好者，希望获得结构化 AI 预测参考的娱乐型用户
    NBA/NHL 球迷，对比赛结果预测感兴趣但不愿投入大量研究时间的 casual 用户
    希望测试 AI 预测模型效果、评估付费价值前的潜在订阅者
    需要快速获取当日焦点比赛胜负倾向的内容创作者或分析师
    使用风险
    API 稳定性风险 ：免费端点可能受速率限制或服务商策略调整影响
    预测准确性风险 ：历史胜率不代表未来表现，模型可能在特定赛季或规则变化后失效
    合规风险 ：体育博彩在部分司法管辖区属非法行为，用户需自行确认当地法规
    心理账户风险 ：AI 标签的"权威性"可能导致用户过度信任，忽视资金管理原则
  1. 1
  2. ...
  3. 65
  4. 66
  5. 67
  6. 68
  7. 69
  8. 70
  9. 71
  10. ...
  11. 624