下载

Skill UI

浏览并发现 10401+ 精选技能

全部编程开发人工智能设计创意产品商业数据科学市场营销职场通用效率工具硬件工程语言学习

搜索摄取，共找到 36 条记录

默认排序最新上传最多下载

Azure事件中心Python流处理库

azure-eventhub-py

sickn33/antigravity-awesome-skills

该SDK是用于Python的Azure Event Hubs客户端，支持高性能、高吞吐量的事件流处理。它允许开发者构建稳健的数据摄取管道，可作为生产者发送事件，或作为消费者接收事件。集成了高效的批处理机制、分区键管理以及使用Blob存储进行消费进度检查点（Checkpointing）的能力，适用于生产环境的实时数据流应用。

Azure事件中心Python流处理库

azure-eventhub-py

sickn33/antigravity-awesome-skills

该SDK是用于Python的Azure Event Hubs客户端，支持高性能、高吞吐量的事件流处理。它允许开发者构建稳健的数据摄取管道，可作为生产者发送事件，或作为消费者接收事件。集成了高效的批处理机制、分区键管理以及使用Blob存储进行消费进度检查点（Checkpointing）的能力，适用于生产环境的实时数据流应用。

Azure Event Hubs Rust SDK

azure-eventhub-rust

sickn33/antigravity-awesome-skills

这是一个用于Rust语言的Azure Event Hubs客户端SDK。它为用户提供了与Azure Event Hubs交互的能力，支持高效、可靠的大数据流数据摄取。用户可以使用它来构建实时事件驱动的系统，无论是作为数据生产者发送批次事件，还是作为数据消费者订阅和处理多个数据分区的事件流。

Azure Event Hubs Rust SDK

azure-eventhub-rust

sickn33/antigravity-awesome-skills

这是一个用于Rust语言的Azure Event Hubs客户端SDK。它为用户提供了与Azure Event Hubs交互的能力，支持高效、可靠的大数据流数据摄取。用户可以使用它来构建实时事件驱动的系统，无论是作为数据生产者发送批次事件，还是作为数据消费者订阅和处理多个数据分区的事件流。

Azure Event Hubs TypeScript 流处理

azure-eventhub-ts

sickn33/antigravity-awesome-skills

本指南提供了使用TypeScript和Azure Event Hubs SDK进行高性能事件流处理的完整实践。内容涵盖事件的批量发送、分区控制，以及稳健的事件消费机制。深入讲解了检查点（Checkpointing）、从指定偏移量开始消费和处理事件属性等高级功能，适用于构建高吞吐量的实时数据管道和数据摄取系统。

Azure Event Hubs TypeScript 流处理

azure-eventhub-ts

sickn33/antigravity-awesome-skills

本指南提供了使用TypeScript和Azure Event Hubs SDK进行高性能事件流处理的完整实践。内容涵盖事件的批量发送、分区控制，以及稳健的事件消费机制。深入讲解了检查点（Checkpointing）、从指定偏移量开始消费和处理事件属性等高级功能，适用于构建高吞吐量的实时数据管道和数据摄取系统。

Azure Monitor 日志摄取Java客户端

azure-monitor-ingestion-java

sickn33/antigravity-awesome-skills

这是一个用于Java环境的SDK客户端，用于将自定义应用日志安全、高效地传输到Azure Monitor。它通过利用数据收集规则（DCR）和数据收集端点（DCE）来管理日志摄取过程。该客户端支持批量上传、并发处理和完善的错误处理机制，非常适合将自定义日志集成到Azure Log Analytics工作区。

Azure Monitor 日志摄取Python SDK

azure-monitor-ingestion-py

sickn33/antigravity-awesome-skills

这是一个用于Python的SDK，专门用于将自定义日志安全地发送到Azure Monitor Log Analytics工作区。它通过Logs Ingestion API实现日志摄取，支持批量压缩、错误处理、异步上传，并兼容多种身份验证模型，是构建云监控和日志分析系统的关键组件。

大规模数据处理与架构扩展

clay-load-scale

jeremylongshore/claude-code-plugins-plus-skills

本指南提供了一套完整的解决方案，用于指导用户如何扩展数据富集管道，以处理每月1万到10万以上的海量数据。内容涵盖了容量规划、使用队列系统进行批量处理优化、处理速率限制以及设计多表架构，确保数据摄取过程的稳定性和高可扩展性。

网页爬取与内容抓取工作流

firecrawl-core-workflow-a

jeremylongshore/claude-code-plugins-plus-skills

本工作流提供核心机制，用于将复杂的实时网站内容转换为干净、结构化的、适用于大型语言模型（LLM）的Markdown格式。它支持单页抓取、深度站点爬取以及大规模异步内容爬取，是构建健壮内容摄取管道的理想方案，能够可靠地从网页中提取结构化信息。

Firecrawl内容爬取与摄取架构

firecrawl-reference-architecture

jeremylongshore/claude-code-plugins-plus-skills

本参考架构提供了一套完整的Web内容爬取和摄取流程。它集成了单页抓取、全站爬行、URL映射和结构化数据提取功能。后续的清洗、去重和分块处理，使其非常适合构建企业级的知识库、RAG系统以及复杂的AI数据管道。

SaaS平台可观测性监控指南

juicebox-observability

jeremylongshore/claude-code-plugins-plus-skills

本指南提供了为SaaS平台（如Juicebox）构建可观测性监控的全面方法，包括关键性能指标（如搜索延迟、数据摄取速率、API错误率）的定义、TypeScript实现的代码片段、健康检查逻辑和警报规则。它旨在帮助开发者建立完整的运营监控系统，确保用户体验和数据准确性处于最佳状态。

语言