producthunt-launches
抓取 Product Hunt 上的产品发布与制作者资料、联系方式。
▸ 推荐理由方便跟踪新品、获取潜在合作或媒体线索。
▸ 风险提示抓取可能受目标站点规则限制，需注意反爬与版权。
全部收录
相关性达标的全量 Skills（含未精选长尾）· 共 258 个
linkedin-jobs-search
在 LinkedIn 上搜索并提取带丰富筛选的职位详细信息。
▸ 推荐理由适合精确岗位筛选与公司招聘情报收集。
▸ 风险提示可能违反 LinkedIn 使用条款且需登录/权限，存在被封号风险。
industry-key-contact-radar-api-skill
跨平台发现行业关键联系人并提取公开档案与联系方式。
▸ 推荐理由便于构建决策者名单和销售开发线索。
▸ 风险提示依赖外部搜索/平台数据，可能涉及隐私或需 API 密钥。
indeed-job-search
从 Indeed 提取职位列表与完整招聘信息并结构化输出。
▸ 推荐理由适用于岗位市场分析和批量职位监控。
▸ 风险提示抓取 Indeed 可能违反服务条款并触发风控/反爬。
google-social-media-finder
通过 Google 搜索发现并汇总目标的社交媒体资料与统计。
▸ 推荐理由快速定位个人或品牌的公开社交账号，适合营销/尽职调查。
▸ 风险提示可能涉及隐私和目标网站使用条款风险；需注意合规。
google-maps-search-api-skill
自动从 Google 地图搜索结果提取结构化商家信息。
▸ 推荐理由便于批量构建本地商户数据库和引流名单。
▸ 风险提示需 API/凭证并可能触发目标站点的反爬或使用条款问题。
google-maps-reviews-api-skill
从 Google 地图自动抓取并结构化商家评论数据。
▸ 推荐理由适合品牌舆情监控与本地商家反馈分析。
▸ 风险提示需使用外部 API/密钥并可能触及目标网站使用条款或反爬限制。
google-maps-contact-extract
从 Google Maps 及商户网站抓取电话、邮箱与社媒账号等联系信息。
▸ 推荐理由能补全商户联系资料并抓取社媒，提升外呼与渠道触达效率。
▸ 风险提示访问第三方网站并抓取联系方式可能涉及隐私和反爬风险。
google-maps-api-skill
利用 Google Maps 提取商户结构化数据（名称、类别、联系方式等）。
▸ 推荐理由高效获取本地商户信息，适合市场与本地化分析使用。
▸ 风险提示可能需 API Key 或违反 Google 使用条款并受请求限制。
business-contact-social-links-skill
根据公司名或网址抓取官网与社交媒体账号链接及相关信息。
▸ 推荐理由快速构建企业联系记录，适合销售与市场拓展使用。
▸ 风险提示会访问外部网站并抓取公开联系信息，存在隐私与反爬风险。
wiki-query
对已建维基使用 SQLite FTS5/BM25 检索并返回带引用的相关段落。
▸ 推荐理由快速定位已存知识并在写作或回答前避免重复与冲突。
wiki-builder
在本地磁盘与 SQLite FTS5 中建立可检索的 Markdown 维基与索引。
▸ 推荐理由持久化且可检索的知识库，便于长期沉淀与跨会话调用。
▸ 风险提示会在本地写入文件与数据库，需注意存储位置与权限。
neo4j-vector-index-skill
创建与管理 Neo4j 向量索引并执行向量相似度/近邻搜索。
▸ 推荐理由方便在图数据库内实现语义搜索与嵌入查询，适合推荐与检索场景。
▸ 风险提示依赖特定 Neo4j 版本与向量索引引擎配置，需升级/兼容性注意。
neo4j-spark-skill
使用 Neo4j Connector 在 Spark/Databricks 与 Neo4j 之间高效读写数据。
▸ 推荐理由便于构建并行化的大规模图数据接入与导出管道，适合数据工程场景。
▸ 风险提示需要在集群中安装 connector 并有对 Neo4j 的网络/写入权限。
neo4j-snowflake-graph-analytics-skill
在 Snowflake 内运行 Neo4j 的图算法，数据无需导出即可做 GDS 计算。
▸ 推荐理由适合数据已驻留 Snowflake 的场景，可在原地执行图分析并写回结果。
▸ 风险提示依赖 Snowflake Native App 与对应权限，需在目标环境中安装与授权。
neo4j-security-skill
以编程方式管理 Neo4j 的用户、角色与图/数据库权限与属性级访问控制。
▸ 推荐理由便于自动化权限配置与审计，适合需要大规模管理访问控制的团队。
▸ 风险提示需管理员权限，误操作可能影响整个系统的访问控制。
neo4j-query-tuning-skill
诊断并修复慢的 Neo4j Cypher 查询，给出索引、提示和改写建议。
▸ 推荐理由能解读 EXPLAIN/PROFILE 输出并提出具体优化措施，适合数据库运维与开发。
▸ 风险提示需要对数据库执行 PROFILE/EXPLAIN 的访问权限，可能暴露运行时信息。
neo4j-modeling-skill
设计、评审并重构 Neo4j 图数据模型，避免常见反模式
▸ 推荐理由涵盖节点/关系/属性设计及反模式修复，适用于数据建模阶段
neo4j-import-skill
CSV/JSON/Parquet 等数据批量导入并入 Neo4j 的最佳实践
▸ 推荐理由覆盖在线/离线导入、批量写入与错误处理，实用性强
▸ 风险提示导入大数据需要磁盘与内存权限，注意数据库备份与资源消耗
neo4j-graphrag-skill
使用 neo4j-graphrag 在 Neo4j 上构建 GraphRAG 检索增强管道
▸ 推荐理由支持多种检索器与外部向量库，便于把图信息纳入 RAG
▸ 风险提示可能需外部向量库与 API 密钥，注意凭证和数据外泄风险
neo4j-genai-plugin-skill
在 Cypher 中使用 Neo4j GenAI 插件进行嵌入、补全与批量注入
▸ 推荐理由可直接在数据库内生成嵌入和结构化输出，方便构建 GraphRAG
▸ 风险提示可能调用外部 LLM 服务并产生计费或数据外泄风险
neo4j-gds-skill
覆盖 Neo4j Graph Data Science 插件的图算法与内存投影用法
▸ 推荐理由便于在数据库中运行 PageRank、Louvain 等常用图算法
▸ 风险提示运行图算法可能占用大量内存与 CPU，需留意资源
neo4j-document-import-skill
把 PDF/HTML/Markdown 等文档切块并导入 Neo4j，生成实体与嵌入。
▸ 推荐理由方便把非结构化内容转成知识图谱与向量索引，适合知识库构建。
▸ 风险提示导入与 LLM 抽取过程可能泄露敏感文档内容或调用外部模型。
neo4j-aura-graph-analytics-skill
在 Aura Graph Analytics 环境中运行 GDS 会话与图算法操作。
▸ 推荐理由方便把分布式/托管 Neo4j 上的图分析流程标准化与调用。
▸ 风险提示图分析可能触发大规模计算，存在性能和计费风险。
neo4j-agent-memory-skill
基于 Neo4j 的 agent 记忆库，提供短期/长期/推理层级记忆。
▸ 推荐理由为需要图形化持久记忆的智能代理提供成熟的图数据库实现。
▸ 风险提示使用托管服务或写入图可能上传敏感上下文到第三方。
pm-metrics
审查产品关键指标，定位趋势与异常并给出根因与建议。
▸ 推荐理由覆盖North Star分解与A/B阅读，适合产品与数据团队使用。
▸ 风险提示需要接入敏感指标数据，注意权限与数据安全。
pm-feedback
对用户反馈做分类、情感与主题聚类并输出可执行洞察。
▸ 推荐理由能把杂乱反馈结构化为Top-10痛点与行动建议，实操性强。
▸ 风险提示需处理用户数据，注意隐私合规与脱敏。
wiki_capture
为分析型助手维护可复用的组织知识库页面与捕获工作流。
▸ 推荐理由把组织约定、度量和偏好写成可复用页面，便于在对话中复用规则与定义。
sl
ktx 的语义层规范，定义源、度量、joins 与通过 sl_query 的查询方式。
▸ 推荐理由官方语义层规格与查询指南，是理解并正确使用 ktx 指标的关键文档。
sl_capture
指导何时以及如何将可复用的度量、段或 join 捕获进 ktx 的语义层目录。
▸ 推荐理由帮助团队把业务度量和共通模式抽象成可复用的 catalog，提升长期维护性。
sigma_ingest
把 Sigma 的数据模型规格与工作簿摘要转换为 ktx 的 wiki 知识条目。
▸ 推荐理由将 Sigma 产物标准化为 ktx 可读知识，并避免重写已存在的语义层项。
▸ 风险提示需要读取 Sigma 项目输出，可能涉及访问受限的企业数据模型。
metricflow_ingest
将 MetricFlow 的 semantic_model 或 metric 映射并加载为 ktx 语义层源。
▸ 推荐理由覆盖度量类型与继承展平，便于将 MetricFlow 指标迁移到 ktx。
▸ 风险提示需读取 MetricFlow 项目文件或导出，存在对内部指标定义的访问需求。
metabase_ingest
把 Metabase 的 questions、models 和 metrics 转换成 ktx 的语义层源定义。
▸ 推荐理由处理类型映射、主外键检测和去重，适合迁移 Metabase 资源时使用。
▸ 风险提示需要访问 Metabase 导出文件或数据库元数据，可能包含敏感查询信息。
lookml_ingest
将 LookML view/model/explore 映射为 ktx 语义层源并处理继承与 join 等关系。
▸ 推荐理由提供详尽映射表与示例，便于把 LookML 资产系统化导入 ktx。
▸ 风险提示需要读取项目内的 LookML 文件与配置，可能涉及敏感仓库访问。
looker_ingest
把 Looker 导出的 dashboard/Look/explore JSON 转换并载入 ktx 知识与语义层建议。
▸ 推荐理由自动把运行时实体规范化为可长期存证的证据，适合大量 Looker 资产的团队。
▸ 风险提示需要访问和处理机构内部 Looker 导出数据，可能包含敏感信息。
live_database_ingest
从实时数据库快照捕获表与语义层的更新并写入 ktx。
▸ 推荐理由适合需要把数据库架构变更及时反映到语义层的团队。
▸ 风险提示需要数据库访问权限并可能读取敏感 schema 信息。
ingest_triage
在数据摄取时分类并解决结构/定义冲突与重复问题。
▸ 推荐理由自动化解决摄取冲突，保持项目元数据一致性。
historic_sql_table_digest
将单表的历史 SQL 使用聚合为结构化的表使用证据。
▸ 推荐理由有助于了解表的实际使用与变更影响范围。
historic_sql_patterns
从历史 SQL 使用中识别跨表的重复分析模式并生成证据。
▸ 推荐理由用于构建确定性的 wiki 投影和分析模板发现。
gdrive_synthesize
把 Google Drive 文档合成为可持久化的 ktx wiki 页面。
▸ 推荐理由适合把散落文档转换为结构化知识库的场景。
▸ 风险提示需要访问 Google Drive 数据，涉及用户隐私与权限。