数值线性代数工具包是一个专注于高性能数学计算的技能，提供矩阵分解、特征值计算、稀疏矩阵处理和迭代求解等核心线性代数操作。适用于科学计算、工程仿真、量化金融建模和机器学习算法开发等领域，帮助用户高效解决大规模数值计算问题。关键词：数值线性代数，矩阵分解，特征值计算，稀疏矩阵，迭代求解器，科学计算，高性能计算，数学建模。

数据可视化技能提供一个系统框架，用于选择和实现有效的数据可视化，匹配数据特征与分析目的，确保清晰性、可访问性和性能优化。关键词包括数据可视化、图表选择、可访问性、性能优化、数据分析、仪表板构建。

数据迁移技能专注于安全、高效地执行数据库和数据系统的迁移工作，包括规划迁移策略、实施数据转换、确保零停机部署以及设计回滚机制，以维护数据完整性和系统稳定性。关键词：数据库迁移，数据转换，零停机，安全架构，回滚策略，数据完整性。

这个技能用于将Parquet格式的数据文件转换为CSV格式，实现数据格式转换和导出功能。适用于数据工程、ETL处理和数据兼容性场景。关键词：Parquet, CSV, 数据转换, Spark, 数据导出, 格式转换, 数据工程。

KPI聚合器是一款专为风险投资机构设计的工具，用于从投资组合公司自动收集、标准化和聚合关键绩效指标。它解决了不同公司报告格式和指标定义不一致的问题，提供标准化的投资组合分析、趋势跟踪和报告生成功能。关键词：KPI聚合、风险投资、投资组合分析、指标标准化、数据收集、趋势分析、VC报告、绩效指标、商业智能、财务分析。

这个技能专注于时间序列数据分析，帮助识别模式、趋势、季节性和异常点，并使用统计和机器学习方法进行预测。关键词：时间序列分析、趋势预测、季节性分解、异常检测、ARIMA模型、机器学习预测、量化交易、数据分析、预测建模。

Kafka工程师技能专注于Apache Kafka分布式流处理平台，提供实时数据管道构建、事件驱动架构设计、流处理应用开发（Kafka Streams/ksqlDB）以及数据集成（Kafka Connect）的专业能力。核心关键词包括：实时数据处理、事件流、微服务通信、数据管道、流计算、消息队列、大数据集成、容错系统、性能调优。适用于构建高吞吐、低延迟的实时数据平台，支撑金融风控、电商交易、物联网监控等场景。

此技能专用于生成 Starlake 项目的自动化文档网站，涵盖所有数据领域、表结构、属性定义、转换逻辑及关系图，支持 Docusaurus MDX 和 JSON 多种输出格式，便于数据治理、可视化分析和项目协作，提升数据透明度和可维护性。关键词包括：数据文档、网站生成、数据治理、Starlake、Docusaurus、JSON 输出、自动化文档。

ParaView科学可视化器是一款专为三维科学数据渲染与分析设计的技能工具，支持VTK格式处理、体渲染、等值面提取、流线可视化、动画生成及Python脚本自动化。适用于科研数据分析、工程仿真可视化、医学影像处理等领域，帮助用户高效实现复杂科学数据的交互式可视化与洞察。关键词：ParaView可视化，三维科学数据，体渲染，等值面，流线动画，VTK数据处理，科研绘图，仿真可视化。

本skill提供数据库架构设计的详细指导，包括规范化策略、表设计模式、约束策略、数据类型选择、架构演进和性能优化等，旨在帮助设计出可扩展、高效的数据库架构。

线性规划求解器是一种用于解决资源分配、生产调度和商业优化问题的数学建模工具。它通过建立线性目标函数和约束条件，使用优化算法寻找最优解，广泛应用于供应链管理、投资组合优化、生产计划等领域。关键词：线性规划、优化算法、资源分配、生产调度、供应链优化、投资组合、数学建模、商业决策、敏感性分析、影子价格。

本技能用于在 ArcGIS 10.6（Python 2.7）环境中构建和运行地貌瞬时单位线（GIUH）工具箱，实现 DEM 提取河网与流域（Strahler分级）、交互式出口点选择、Horton 比率计算、GIUH 概率密度（超指数分布）、等效 Nash 单位线及时段单位线（DUH）。涵盖 GIUH 特定代码模式（Python 2.7 安全的 CSV/JSON/matplotlib 写入、无 numpy 的栅格分区统计、子流域栅格掩膜提取）及 3 文件工具箱打包。关键词：ArcGIS 10.6、Python 2.7、GIUH、地貌单位线、DEM 水文提取、Strahler 分级、Horton 比率、Nash 单位线、流域提取、栅格处理、py2.7 兼容、工具箱打包。