此技能用于将Parquet、CSV或JSON文件直接加载到JDBC数据库表，提供快速数据导入功能，支持多种数据库驱动和并行写入选项，适用于数据集成、ETL开发和数据仓库场景，关键词包括：数据加载、JDBC、Parquet、CSV、JSON、数据库连接、ETL、批量处理。

时间序列数据库技术用于高效存储和查询时间戳数据，如金融交易数据、物联网传感器、监控指标和日志。该技能涉及数据库选择（包括TimescaleDB、InfluxDB、ClickHouse、QuestDB）、连续聚合、降采样（LTTB算法）和保留策略优化，适用于构建实时仪表板、监控系统、物联网平台和金融应用。关键词：时间序列数据库、数据存储、查询优化、数据库技术、降采样、连续聚合。

Stan贝叶斯建模技能专注于使用Stan概率编程语言进行高级贝叶斯统计推断和复杂统计模型构建。核心功能包括MCMC采样（如NUTS和HMC算法）、变分推断、先验与后验预测检验，以及基于LOO-CV和WAIC的模型比较。适用于量化金融中的预测建模、风险管理、因子挖掘，以及数据科学领域的统计计算、不确定性量化和概率预测。关键词：Stan概率编程，贝叶斯推断，MCMC采样，变分推断，模型比较，统计建模，量化金融，数据科学。

CSV数据可视化器是一款专业的数据分析工具，专门用于处理CSV文件格式的数据集。该工具提供三大核心功能：1) 使用Plotly库创建交互式数据可视化图表，包括直方图、散点图、箱线图、热力图等；2) 自动数据剖析与质量分析，生成详细的统计报告；3) 多图表仪表板生成，支持自定义配置和自动布局。适用于数据分析、商业智能、数据探索、统计报告等场景，帮助用户快速理解数据分布、发现数据规律、识别异常值，并生成演示就绪的可视化成果。

本文档提供了数据库复制的详细指南，包括主从复制、多主复制、复制监控和故障转移等，旨在帮助实现高可用性和灾难恢复。

pycse 是一个 Python 库，用于科学和工程计算，提供自动计算置信区间和预测边界的回归分析、模型拟合、ODE 求解和缓存功能。简化数据分析和预测建模流程，提高效率，关键词：Python, 科学计算, 回归分析, 置信区间, 预测建模, 模型拟合, ODE, 缓存。

阶段技能用于将数据文件从登陆区移动到待处理区，执行解压缩和确认文件处理，是数据摄取管道的第一步，确保数据准备就绪供后续加载。关键词：数据阶段化、ETL、数据工程、ACK文件处理、数据管道、数据摄取、文件管理。

该技能用于将实验室仪器输出的文件（如PDF、CSV、Excel、TXT）转换为标准化的Allotrope Simple Model (ASM) JSON格式或扁平化的2D CSV，以支持数据标准化，便于集成到LIMS系统、数据湖或下游分析。功能包括自动检测仪器类型、生成完整的ASM JSON、扁平化CSV和可导出的Python解析代码，适用于数据工程团队。关键词：仪器数据转换，Allotrope格式，数据标准化，LIMS系统，数据工程，Python解析，实验室数据管理，ASM JSON，扁平化CSV。

这个技能专注于ClickHouse数据库的使用，包括表设计模式、查询优化、数据插入策略、物化视图、性能监控和常见分析查询。适用于数据工程师和数据分析师，优化大规模数据分析工作负载，提高查询效率和实时处理能力。关键词：ClickHouse，数据工程，数据分析，查询优化，数据仓库，OLAP。

这个技能用于创建视觉映射，通过图表、概念地图和架构蓝图文档化复杂系统的关系、依赖和结构，适用于系统理解、知识组织、流程文档化和战略可视化。关键词：映射可视化、系统架构、数据可视化、信息架构、概念地图、依赖图。

这个技能使用头less Chrome和DuckDuckGo进行网页抓取和搜索，专注于可靠导航、提取结构化文本、遵守robots.txt和速率限制。用于收集公开网页内容以进行摘要、元数据提取或链接发现。关键词：网页抓取、数据收集、Playwright、DuckDuckGo、自动化、数据提取、SEO优化。

starlake作业技能是用于运行数据处理作业的命令行工具，作为transform命令的别名，支持运行指定作业及其递归依赖，适用于数据工程和ETL开发场景。关键词：starlake, 作业, transform, 数据处理, ETL, 命令行, 数据转换, 数据仓库, 自动化任务。