上传数据，一键将柱状图、折线图、饼图等转换为3D风格数据可视化插图，支持水晶、黄金、玻璃等13种材质风格，用于数据展示和报告。关键词：3D图表、3D插图、数据可视化、图表生成、AI绘图。

该技能用于检测和防止数据可视化、仪表板、报告或演示中的视觉误导、认知偏见和数据完整性问题，确保数据呈现的诚实性和准确性。关键词：数据可视化、认知偏见、视觉误导、数据完整性、图表审核、认知谬误、可视化审计。

此 Starlake compare 技能用于数据工程项目的版本对比，生成差异报告，支持 Git 集成、文件路径和标签比较，便于审查 schema 更改、配置更新和发布管理。关键词包括 Starlake、比较、差异报告、schema 变化、数据工程、Git 版本控制、ETL 开发、数据治理，提升项目管理效率。

这个技能用于使用PyMC进行贝叶斯建模，包括构建层次模型、MCMC采样（NUTS）、变分推断、模型比较（如LOO和WAIC）、后验检查等，适用于概率编程和统计推断。关键词：贝叶斯建模, PyMC, 概率编程, MCMC, 变分推断, 模型比较, 数据科学, 预测建模。

Seaborn 是一个用于创建高质量统计图形的 Python 数据可视化库，支持散点图、箱线图、热力图等多种图表类型，适用于数据探索、分析和出版物制作。关键词：Python 可视化、统计图形、数据分析、数据探索、Seaborn 库、数据可视化工具。

运营仪表板生成器是一款用于创建实时运营绩效监控系统的专业技能工具，专注于KPI（关键绩效指标）可视化、数据仪表板设计、业务智能分析和实时告警配置。该工具支持从制造执行系统（MES）、企业资源计划（ERP）等多源数据集成，提供从执行层到车间层的多层可视化视图，帮助企业实现运营数据可视化、绩效监控数字化和决策支持智能化。核心功能包括：实时数据仪表板、KPI计算与追踪、趋势分析图表、阈值告警系统、移动端访问和钻取式报告。适用于制造业运营监控、供应链可视化管理、质量控制和业务流程优化等场景。

MCMC收敛性诊断技能用于对马尔可夫链蒙特卡洛（MCMC）模拟结果进行统计验证与分析，确保贝叶斯推断的可靠性。核心功能包括计算Rhat指标、有效样本量（ESS）、生成轨迹图、分析自相关性、检测发散转移以及进行能量诊断（E-BFMI）。适用于量化金融、数据科学、科研学术等领域中需要进行复杂概率建模和不确定性量化的场景。关键词：MCMC诊断，贝叶斯推断，收敛性分析，Rhat，有效样本量，轨迹图，统计计算。

这个技能应用贝叶斯推理来系统更新概率估计，帮助在不确定性下进行预测、评估风险和测试假设，避免过度自信偏差。通过贝叶斯定理校准信念，提高决策质量，适用于概率更新、预测建模和不确定性管理。关键词：贝叶斯推理、校准、概率更新、预测、风险评估、假设测试、不确定性分析。

可视化选择与报告技能涉及根据数据和问题选择适当的图表类型，并创建叙述性报告以突出数据见解和推荐行动。它适用于数据分析、仪表板构建、商业智能和决策支持场景，帮助用户将复杂数据转化为清晰、可操作的视觉故事。关键词：数据可视化，图表选择，报告生成，数据分析，商业智能，仪表板设计，叙述性报告。

这个技能提供解决常微分方程和偏微分方程中边界值问题的策略和方法，包括问题分类、射击方法、有限差分法、配置法以及特征值问题求解。适用于数学建模、科学计算和工程分析等领域，关键词包括边界值问题、ODE、PDE、数值方法、射击法、有限差分、特征值问题。

预测预死亡分析是一种用于压力测试预测的技术，通过假设预测已经失败并逆向工作来识别原因，从而揭示盲点、尾部风险和过度自信。适用于高置信度预测、识别未知风险或调整置信区间。关键词：预测预死亡、风险识别、压力测试、置信区间调整、预测建模、数据科学。

这是一个用于将数据从文件（如Parquet、JSON）加载到Elasticsearch索引的工具，支持自定义映射、文档ID和时间戳索引命名，适用于数据工程和ETL流程，方便数据集成与处理。关键词：Elasticsearch, 数据加载, Parquet, JSON, 映射, 文档ID, 时间戳索引, ETL, 数据工程。