Interroge un entrepôt de données et répond aux questions métier sur les données. Gère les requêtes nécessitant des interrogations de base de données/entrepôt, y compris « qui utilise X », « combien de Y », « montre-moi Z », « trouver des clients », « quel est le nombre », les recherches de données, les métriques, les tendances ou l'analyse SQL.
Cette compétence permet à un agent IA d'agir comme un analyste de données en interrogeant directement un entrepôt de données. Elle est conçue pour répondre à des questions métier qui nécessitent des requêtes SQL ou des recherches dans une base de données, comme compter des occurrences, trouver des clients, afficher des métriques ou analyser des tendances. Elle prend en charge les plateformes où l'agent a accès à un entrepôt de données (par exemple, via des connexions SQL ou des services cloud comme Snowflake, BigQuery, Redshift). Fonctionnant à partir de la documentation SKILL.md, la compétence utilise des instructions pour générer et exécuter des requêtes SQL de manière sécurisée, puis interpréter les résultats en réponses en langage naturel. C'est particulièrement utile pour les développeurs et les équipes produit qui ont besoin d'accéder rapidement à des insights sans écrire manuellement des requêtes complexes.
npx skills add https://github.com/astronomer/agents/tree/main/skills/analyzing-dataInstalled? Explore more Recherche et analyse de données skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Interroge un entrepôt de données et répond aux questions métier sur les données. Gère les requêtes nécessitant des interrogations de base de données/entrepôt, y compris « qui utilise X », « combien de Y », « montre-moi Z », « trouver des clients », « quel est le nombre », les recherches de données, les métriques, les tendances ou l'analyse SQL.
This repo contains 1 individual skill — each has its own dedicated page.
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.