$ loading_
调用基于 LLMQuant 数据的可复用技能，辅助多种智能体完成任务。
该 MCP 工具材料非常有限，但已知其为 GitHub 开源 MIT 项目、无密钥、无声明远程端点，整体未见明确高风险红旗。主要注意点是其具备代码执行能力，使用时应按本地执行类工具做最小权限控制。
材料明确标注“需要的密钥/环境变量：无”，未见要求 API key、OAuth token 或其他敏感凭证，凭证泄露面较低。
材料标注“远程端点 host：无”，文档中也未描述向外部服务发送用户数据或连接第三方 API；基于现有信息，未见明确数据外发路径。
系统检查项明确包含 executes-code，说明该工具具备本机代码执行/起进程能力；这属于 MCP 工具的常规高权限能力，应在隔离环境和最小权限下运行。
材料未提供 README 或权限边界说明，无法确认其可读写哪些本地文件、工作区数据或其他资源；在能力范围不清晰的情况下，应按可能接触本地代理上下文数据进行审慎对待。
来源为 GitHub 开源仓库，MIT 许可证，可审计性较好，且有一定社区采用（125 stars）；虽维护状态未知、材料较少，但当前未见闭源外发、可疑来源或明显供应链红旗。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"skills" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请根据我的任务“重构一个 Python 数据处理脚本并补充测试”，从可用 skills 中推荐最合适的技能，并说明适用原因与使用顺序。
返回适合代码重构与测试补充的技能建议，并给出简要使用说明。
我需要整理 LLM 行业资料并输出要点摘要，请从 skills 中挑选适合检索、归纳和总结的技能组合。
给出适合研究与摘要工作的技能组合，以及每个技能负责的步骤。
请为 Claude Code、Cursor 和 Codex 协作完成“需求分析→编码→校验”的流程，设计一套可复用的 skills 调用方案。
输出一个多智能体可执行的技能调用流程，说明各阶段如何衔接。
汇集多种 Claude 技能，帮助开发者更高效完成编码与自动化任务