表格、报表、可视化、SQL
AI 写 SQL 最怕"跑通了但口径错"——结果看着像那么回事，其实聚合维度错了。让 AI 写查询的核心是：给它表结构和明确口径（按天/按用户、是否去重、是否排退款），让它先解释再出语句，而不是只丢一句"统计一下销量"。
看板的痛不是"画不出图"，是"指标没想清就堆图表，最后没人看"。让 AI 搭看板的核心是：先定北极星指标和要回答的问题，再让它选图表类型、写取数查询，而不是一上来就塞一堆花哨图。
数据分析最常见的失败不是"算不出"，是"算得快但算错"——单位没统一、空值被当成 0、口径和上次对不上。这套流程的核心是先定义口径，再让 AI 出数，最后人工抽查 3 行。
get-convex/agent-skills/skills/convex-insights
以自然语言查询运行中的 Convex 应用的日志与健康（官方 MCP）：失败、缓慢或昂贵的函数、部署因果关系——限定范围、有证据支撑，并附仪表盘深链。
affaan-m/ECC/skills/postgres-patterns
PostgreSQL 模式实践：查询优化、schema 设计、索引与安全，基于 Supabase 最佳实践。适合设计表结构与索引、配置 RLS，或排查慢查询。
affaan-m/ECC/skills/dashboard-builder
为 Grafana、SigNoz 等平台搭建真正回答运维问题的监控看板，而不是只好看的仪表盘。
affaan-m/ECC/skills/database-migrations
数据库迁移最佳实践：schema 变更、数据迁移、回滚与零停机发布，覆盖 PostgreSQL、MySQL 以及 Prisma、Drizzle、Kysely、Django、TypeORM、golang-migrate 等常见 ORM。
affaan-m/ECC/skills/mysql-patterns
生产后端里的 MySQL 与 MariaDB 模式：schema、查询、索引、事务、主从复制与连接池。
NousResearch/hermes-agent/optional-skills/finance/excel-author
用 openpyxl 无界面生成可审计的财务工作簿。
anthropics/skills/skills/xlsx
每当表格文件是主要输入或输出时使用。即任何用户想：打开、读取、编辑或修复现有 .xlsx/.xlsm/.xltx/.csv/.tsv 文件（如添加列、计算公式、格式化、制图、清理脏数据）；从零或其他数据源新建表格；或在表格格式间转换。尤其当用户按名称或路径提及表格文件时（哪怕随口说“我下载里的 xlsx”）并想对其操作或由其生成内容。也用于把混乱的表格数据（畸形行、错位表头、垃圾数据）清理重构为规范表格。交付物必须是表格文件。当主要交付物是 Word 文档、HTML 报告、独立 Python 脚本、数据库流水线或 Google Sheets API 集成时，即使涉及表格数据也不要触发。