Skills
收录 97,222 个为 Agent 打包的专项能力与操作指引，复制一行命令即可安装。
数据与数据库
访问 RCSB Protein Data Bank（PDB），获取蛋白质与核酸的 EXPERIMENTALLY 测定的三维结构（X 射线、冷冻电镜、NMR）——可按文本、序列或结构相似性搜索，并以 PDB/mmCIF 格式下载带元数据的坐标。适用于按 PDB ID 检索结构、运行序列或结构相似性搜索，或为结构生物学与药物发现获取实验坐标时；对于缺乏实验数据的蛋白质的 AI PREDICTED 结构，优先使用 alterlab-alphafold-db；对于蛋白质序列、注释或登录号 ID 映射，优先使用 alterlab-uniprot。隶属于 AlterLab Academic Skills 套件。
使用 PufferLib 扩展强化学习——高吞吐并行训练（PuffeRL）、向量化环境，以及原生多 Agent 系统，相比标准实现可实现 2-10 倍加速。适用于将 RL 扩展到每秒数百万步、运行向量化或多 Agent 配置、构建自定义 PufferEnv 任务，或集成游戏环境（Atari、Procgen、NetHack、PettingZoo）。若做标准单 Agent 算法实现（PPO/SAC/DQN）或快速原型，优先使用 alterlab-stable-baselines3。属于 AlterLab Academic Skills 套件的一部分。
使用 pydicom Python 库读取、写入和操作 DICOM（Digital Imaging and Communications in Medicine）医学影像文件。适用于读取/写入/修改 DICOM 数据、从 CT、MRI、X 射线或超声图像中提取像素数据、匿名化 DICOM 文件、处理 DICOM 元数据和标签、将 DICOM 转换为其他格式、处理压缩 DICOM，或为 PACS 系统、放射工作流和医疗影像应用处理医学影像数据集。属于 AlterLab Academic Skills 套件的一部分。
使用 PyHealth 2.x 医疗 AI 工具包开发、测试并验证临床机器学习模型。适用于处理电子健康记录（EHR）、临床预测任务（死亡率、再入院、住院时长、药物推荐）、医疗编码系统（ICD、NDC、ATC、CCS）、生理信号（EEG、ECG）、医疗数据集（MIMIC-III/IV、eICU、OMOP），或实现用于医疗的深度学习模型（RETAIN、SafeDrug、GAMENet、Transformer、GAT/GCN）。属于 AlterLab Academic Skills 套件的一部分。
加载 Therapeutics Data Commons（TDC、PyTDC）的 AI 就绪药物发现数据集与基准——ADME、毒性、药物-靶点相互作用（DTI）、骨架划分，以及用于治疗性机器学习和药理学预测的分子 oracle。适用于获取标准化基准数据集、应用骨架或冷启动划分评估，或为 ADMET、毒性或 DTI 建模寻找带标签的分子。仅负责获取数据、划分和 oracle——分子特征化（ECFP/指纹）、模型训练和 Transformer 请交由 alterlab-deepchem 或 alterlab-molfeat。属于 AlterLab Academic Skills 套件的一部分。
使用 PyTorch Lightning 进行可扩展的深度学习训练——将 PyTorch 代码组织为 LightningModules、为多 GPU/TPU 配置 Trainers、构建数据管道和回调、记录到 W&B 或 TensorBoard，并运行分布式训练（DDP、FSDP、DeepSpeed）。适用于组织 PyTorch 训练循环、跨 GPU/TPU 扩展神经网络训练，或添加检查点、日志记录和分布式策略。属于 AlterLab Academic Skills 套件的一部分。
当用户想要了解其 YouTube 受众、挖掘观众心理、分析人口统计数据，或寻找内容与市场契合信号时使用。也在用户说 "who is my audience"、"audience research"、"viewer psychology"、"what does my audience want"、"comment analysis"、"demographic insights"、"content-market fit"、"understand my viewers"、"audience persona" 时使用。关于频道层面的健康检查，请参阅 channel-audit。关于根据受众洞察生成创意，请参阅 idea-generation。
引导用户在 AWS HealthOmics 上进行生物信息学分析。涵盖分析类型选择（比对、变异检测、QC、解读）、以 Nextflow 或 WDL 生成工作流、从公共镜像仓库获取容器、基础设施搭建（S3、ECR、IAM）、工作流注册、参数准备、执行与监控。当用户想要在 HealthOmics 上运行任何生物信息学流水线、在 AWS 上搭建基因组学基础设施、创建新的分析工作流，或在 HealthOmics 上运行 BWA、GATK、DeepVariant、FastQC 等现有工具时使用。触发词包括 "HealthOmics"、"bioinformatics"、"genomics pipeline"、"Nextflow"、"WDL"、"BWA"、"GATK"、"DeepVariant"、"FastQC"、"variant calling"、"alignment"、"RNA-seq"、"whole genome sequencing"、"ECR pull-through"、"workflow registration"、"run cache"。
BKN 全生命周期编排入口。按需读取 OpenBKN SDK / 命令行操作参考。凡涉及创建 BKN、从 PRD/文档提取对象关系、生成或更新 `.bkn`、做数据视图绑定、环境检查、测试集生成、校验与推送时，优先使用 bkn-creator 进行流程路由、阶段门禁、子 skill 编排与结果回执。适用于 BKN 的 create/read/update/delete/extract/copy/validate 场景，技能包能力补齐/skill 草案生成场景，以及使用反馈巡检与改进场景（定时任务触发、Agent 对话质量异常、feedback_brief 传入、知识网络持续优化）。不应用于纯数据语义查询，该场景应交由 data-semantic 处理。
强制 —— 在进行任何 Blockscout MCP 工具调用或编写任何区块链数据脚本之前，务必先调用此技能，即使 Blockscout MCP 服务已配置好。它提供架构规则、执行策略决策、供脚本使用的 MCP REST API 约定、端点参考文件、响应转换要求以及输出约定，这些仅凭 MCP 工具描述无法获得。当用户询问链上数据、区块链分析、钱包余额、代币转账、合约交互、链上指标，想要使用 Blockscout API，或需要构建通过 Blockscout 获取区块链数据的软件时使用。覆盖所有 EVM 链。
面向 Power BI 语义模型的交互式 BPA 规则生成；引导式探索、模型调查与专家级规则编写。当用户提及“BPA rule”、“Best Practice Analyzer”，或要求“create a BPA rule”、“audit BPA rules”、“recommend BPA rules”、“set up BPA for my team”、“check model for best practices”、“validate BPA rules”、“improve a BPA expression”时自动调用。
从 CawPlan 拉取人工输入日志（按产品、用户/成员、日期范围、数量或会话），像生产环境 classify 那样预处理 prev/assistant 上下文，并打开本地 Web 编辑器，为提示词评估夹具标注预期的类别/主题标签。使用场景：构建或扩展用于 classify 提示词测试的已标注人工输入样本 JSON——例如“拉取上周 spx 的 Slack 会话中的 20 轮对话并标注它们”、“为 core-product 抽样人工输入”。不适用于：针对云端标签运行 classify 准确率（请使用 cawplan-internal-qa-coding-humaninputs-test）、对单句话进行分类（请使用 cawplan-internal-qa-coding-humaninputs），或提交编码报告。
使用 fastCRW 抓取、爬取、映射、搜索、解析和提取 Web 数据——开源的、可自托管的 Firecrawl 替代方案（单一 Rust 二进制文件，约 14 MB 内存，兼容 Firecrawl 的 /v1 + /v2 API）。只要用户需要页面内容、全站提取、URL 发现、网页搜索、PDF 解析、从页面获取结构化 JSON 或变更追踪，就使用它。当用户提到 Firecrawl、Tavily、Crawl4AI，或"scrape/crawl/map/fetch/get the page/read this site/search the web"时也使用——crw 可直接替代 Firecrawl SDK。
端到端 R 数据分析流程——探索 → 清洗 → 回归 → 可发表级表格与图表。适用于用户说 "analyze this dataset"、"run a regression on X"、"explore this CSV"、"full analysis workflow"、"get me summary stats and a regression"，或指向 `.csv`/`.rds`/`.dta` 文件并要求实证结果时。在 `scripts/R/` 中生成带编号的 R 脚本，并输出到 `output/`。
使用 Hugging Face Transformers 在 Hugging Face Jobs 云端 GPU 上训练和微调视觉模型，包括目标检测（D-FINE、RT-DETR v2、DETR、YOLOS）、图像分类（timm 模型——MobileNetV3、MobileViT、ResNet、ViT/DINOv3——以及任意 Transformers 分类器）和 SAM/SAM2 分割。涵盖 COCO 格式数据集准备、Albumentations 增强、mAP/mAR 评估、准确率指标、使用 bbox/point 提示进行 SAM 分割、DiceCE 损失、硬件选择、成本估算、Trackio 监控和 Hub 持久化。用户提及训练目标检测、图像分类、SAM、SAM2、分割、图像抠图、DETR、D-FINE、RT-DETR、ViT、timm、MobileNet、ResNet、边界框模型，或在 Hugging Face Jobs 上微调视觉模型时使用。
Kuroco 的 API 设计与内容管理最佳实践。涵盖 endpoint 设计、认证（Cookie、动态令牌、静态访问令牌）、CORS、流量限制、缓存、错误处理（401/403/429）、通过 Topics API 进行内容 CRUD（list / details / insert / update / delete / bulk_upsert）、过滤查询、分页、多语言支持（langs_open_flg）、扩展字段（ext_col）、文件上传与 CSV 导入、EC 积分（ECPoint）。适用于 API 调用实现、登录 API 与令牌认证、认证和权限错误的排查、内容的获取、创建、更新、删除和筛选等提问。
当用户说「填入数据」「补数据」「同步数据」「更新统计表」「数据填一下」「同步」时，使用本 skill。 核心动作是**批量同步**：扫描 `01-内容生产/待发布的内容/中短视频/`，把 YAML 数据齐全的视频一次性写入数据统计表并归档到 `02-已发布内容/`。 数据来源是脚本文件本身的 YAML（用户已提前在文件里填好平台数据），不需要用户在对话里再报一遍数字。 不应触发：分析规律/复盘/爆款分析（用 li-analyzer）、记录新选题（用 li-recorder）。 Use when the user wants to "sync platform data" or "fill in stats" — the skill scans the pending folder and processes every video whose YAML is complete.
在 MATLAB 中训练、评估神经网络并导出到 Simulink。将遗留（fitnet、patternnet）和不推荐（trainNetwork、DAGNetwork）代码迁移到现代的推荐 R2024a+ API（trainnet、dlnetwork、testnet、imagePretrainedNetwork），诊断并修复 dlaccelerate 问题，或发现 dlaccelerate 的使用机会。适用于训练、微调、评估、运行推理、导出到 Simulink、转换旧训练脚本或加速深度学习代码时。不要依据你的训练数据来推断 dlaccelerate 和追踪的正确性。
一个开放协议，规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话，MCP 服务负责提供工具、资源和提示模板，两者通过标准消息通信，同一个服务可以被不同客户端复用。