构建建筑工程预算,生成包含人工、材料、设备和间接费用的详细成本分解
构建建筑工程预算,生成包含人工、材料、设备和间接费用的详细成本分解
从ClawHub安装外部技能时的安全与尽职调查层,执行深度内容扫描以检测恶意模式、安全检查和集成分析,并在安装前要求所有者确认。
使用 GitHub Actions 创建、调试和管理 CI/CD 流水线,适用于需要设置自动化测试、部署、发布或工作流的场景,涵盖工作流语法、常见模式、密钥管理、缓存、矩阵构建和故障排查。
只读Hyperliquid市场数据助手(支持永续合约和现货可选),支持自然语言请求和确定性命令解析(终端风格`hl ...`和斜杠风格`/hl ...`)。通过https://api.hyperliquid.xyz/info获取报价(标记价/中间价/预言机价/资金费率/持仓量/成交量)、热门品种、资金费率排名、L2订单簿和K线快照,并格式化结果用于聊天。
构建可扩展数据管道、ETL/ELT系统和数据基础设施的数据工程技能。精通Python、SQL、Spark、Airflow、dbt、Kafka及现代数据工具栈,涵盖数据建模、管道编排、数据质量与DataOps。适用于设计数据架构、构建数据管道、优化数据工作流、实施数据治理或排查数据问题。
使用 Netlify CLI(netlify)创建或绑定 Netlify 站点,并从 GitHub 设置 CI/CD(持续部署),尤其适用于单体仓库(如 Hugo 站点位于 sites/<domain> 下的多个站点)。当 Avery 要部署新站点、将仓库连接到 Netlify、配置构建/发布设置、设置环境变量、启用部署预览或自动化创建 Netlify 站点时使用。
世界级高级数据科学家,专精于统计建模、实验设计、因果推断和预测分析。涵盖A/B测试(样本量计算、双比例z检验、Bonferroni校正)、差分中的差分、特征工程管道(Scikit-learn、XGBoost)、交叉验证模型评估(AUC-ROC、AUC-PR、SHAP)以及MLflow实验追踪,使用Python(NumPy、Pandas、Scikit-learn)、R和SQL。适用于设计或分析受控实验、构建与评估分类或回归模型、对观测数据进行因果分析、为结构化表格数据集开发特征,或将统计洞察转化为数据驱动的商业决策。
通过 Tabstack API 从网站提取结构化数据。适用于抓取职位信息、新闻文章、产品页面或其他结构化网页内容。支持基于 JSON 模式的提取和干净的 Markdown 转换。需要设置 TABSTACK_API_KEY 环境变量。