Skills

F

fetch-meta-to-kb

tiangong-ai / agent-skills

技能

F

flowio

jackspace / claudeskillz

解析 FCS（Flow Cytometry Standard）v2.0-3.1 文件。将事件提取为 NumPy 数组，读取元数据和通道，转换为 CSV/DataFrame，用于流式细胞术数据预处理

G

google-ads-math

itallstartedwithaidea / google-ads-skills

Google Ads 数学与预测计算。当用户询问预算预测、ROAS 计算、CPA 目标、转化预测、曝光份额机会或任何 PPC 相关计算时激活。无需 API 凭据——使用用户提供的数字即可工作。

G

google-forms

udecode / google-forms-mcp

通过 MCP 以编程方式创建和管理 Google Forms。适用场景：(1) 创建调查表单，(2) 向表单添加问题/分区，(3) 获取表单回复，(4) 将 AskUserQuestion 转换为可分享的表单。涵盖设置、所有工具、条目排序及 API 限制。

G

gtars

crazymsn / academic-skills

采用 Rust 编写并提供 Python 绑定的高性能基因组区间分析工具包。用于处理基因组区域、BED 文件、覆盖轨迹、重叠检测、ML 模型分词，或计算基因组学和机器学习应用中的片段分析。

I

intraday-microstructure-analyzer

yuping322 / finskills

分析分时/盘口/逐笔/分钟线与盘前数据，评估日内波动、量价结构与流动性风险。当用户询问分时、逐笔、盘口、分钟K、盘前/盘中结构或需要日内诊断时使用。

J

json-transformer

curiouslearner / devkit

通过高级操作转换、处理和 JSON 数据结构分析。

L

labarchive-integration

jackspace / claudeskillz

电子实验室笔记本 API 集成。访问笔记本、管理条目/附件、备份笔记本，并与 Protocols.io/Jupyter/REDCap 集成，适用于程序化 ELN 工作流

L

lamindb

crazymsn / academic-skills

使用 LaminDB 时应采用此技能。LaminDB 是一个面向生物学的开源数据框架，可使数据可查询、可追踪、可复现并符合 FAIR 原则。适用于管理生物数据集（scRNA-seq、空间数据、流式细胞术等）、追踪计算工作流、使用生物本体整理和验证数据、构建数据湖仓，或确保生物研究中的数据沿袭和可复现性。涵盖数据管理、注释、本体（基因、细胞类型、疾病、组织）、架构验证、与工作流管理器（Nextflow、Snakemake）及 MLOps 平台（W&B、MLflow）的集成，以及部署策略

L

lamindb

jackspace / claudeskillz

使用 LaminDB 时应采用此技能。LaminDB 是一个面向生物学的开源数据框架，可使数据可查询、可追踪、可复现并符合 FAIR 原则。适用于管理生物数据集（scRNA-seq、空间数据、流式细胞术等）、追踪计算工作流、使用生物本体整理和验证数据、构建数据湖仓，或确保生物研究中的数据沿袭和可复现性。涵盖数据管理、注释、本体（基因、细胞类型、疾病、组织）、架构验证、与工作流管理器（Nextflow、Snakemake）及 MLOps 平台（W&B、MLflow）的集成，以及部署策略

L

latchbio-integration

crazymsn / academic-skills

用于生物信息学工作流的 Latch 平台。使用 Latch SDK、@workflow/@task 装饰器构建管道，部署无服务器工作流，并集成 LatchFile/LatchDir、Nextflow/Snakemake

L

ln-812-query-optimizer

levnikolaevich / claude-code-skills

修复 N+1 查询、冗余请求、过度获取，并通过保留/丢弃验证。

M

machine-learning-ops-ml-pipeline

rmyndharis / antigravity-skills

为以下内容设计并实现完整的 ML 流水线：$ARGUMENTS

M

medchem

jackspace / claudeskillz

药物化学筛选规则。应用 Lipinski、Veber 规则、PAINS 筛选、结构警示和复杂度指标，用于化合物优先级排序和化合物库筛选。

M

messari-funding-intel

moonpay / skills

使用 Messari x402 的融资情报工作流。扫描近期融资轮次、并购活动、风投基金和组织，然后通过 Messari AI 综合生成一份风投格局简报。每次运行总成本约 $0.75–$1.25 USDC。

M

molfeat

crazymsn / academic-skills

用于机器学习的分子特征化（100 多种特征化器）。ECFP、MACCS、描述符、预训练模型（ChemBERTa），将 SMILES 转换为特征，用于 QSAR 和分子机器学习

基于妙想 (Meixiang) 智能选股 API，按用户提供的指标、行业或板块条件筛选 A 股、港股、美股等股票，返回完整 CSV 数据并提供列说明，避免使用过时的金融信息。

N

networkx

crazymsn / academic-skills

用于在 Python 中创建、分析和可视化复杂网络与图的综合工具包。适用于处理网络／图数据结构、分析实体间关系、计算图算法（最短路径、中心性、聚类）、检测社区、生成合成网络或可视化网络拓扑，也适用于社交网络、生物网络、交通系统、引文网络及任何涉及成对关系的领域。

N

neuropixels-analysis

crazymsn / academic-skills

Neuropixels 神经记录分析。加载 SpikeGLX/OpenEphys 数据，进行预处理、运动校正、Kilosort4 尖峰排序、质量指标、Allen/IBL 筛选和 AI 辅助视觉分析，适用于 Neuropixels 1.0/2.0 细胞外电生理数据。在处理神经记录、尖峰排序、细胞外电生理时，或用户提到 Neuropixels、SpikeGLX、Open Ephys、Kilosort、质量指标或单元筛选时使用。

O

opentargets-database

jackspace / claudeskillz

查询 Open Targets Platform，获取靶点与疾病关联、药物靶点发现、成药性／安全性数据、遗传学／组学证据和已知药物，用于识别治疗靶点

诊断运行中的 OXYGEN 工作区：追踪某个单元格或记录值及其来源，解释卡住或失败的运行，扫描并重试表故障，检查审批和提供方状态，并解释或减少额度消耗。先进行只读调查；针对具体问题使用对应的狭窄操作手册。

P

pacsomatic

crazymsn / academic-skills

用于从 BAM 输入运行 nf-core/pacsomatic 配对肿瘤-正常工作流的操作工具包。当用户需要验证运行输入、生成符合 pacsomatic 规范的 samplesheet、准备可复现的 Nextflow 启动产物、在本地运行或提交给调度器（LSF/Slurm/PBS/SGE），以及排查执行失败时，使用本技能。触发场景包括运行 pacsomatic、准备启动命令/脚本、执行 dry-run 检查，或排查流水线启动和调度器提交错误。

P

pathml

crazymsn / academic-skills

功能齐全的计算病理学工具包。用于高级 WSI 分析，包括多重免疫荧光（CODEX、Vectra）、细胞核分割、组织图构建以及在病理数据上训练 ML 模型。支持 160 多种玻片格式。从 H&E 玻片进行简单图块提取时，histolab 可能更简单。

P

pennylane

crazymsn / academic-skills

硬件无关的量子 ML 框架，支持自动微分。当通过梯度训练量子电路、构建混合量子-经典模型，或需要跨 IBM/Google/Rigetti/IonQ 的设备可移植性时使用。最适合变分算法（VQE、QAOA）、量子神经网络以及与 PyTorch/JAX/TensorFlow 的集成。硬件特定的优化请使用 qiskit（IBM）或 cirq（Google）；开放量子系统请使用 qutip。

P

polars

silvainfm / claude-skills

用 Rust 编写、速度极快的 DataFrame 库，用于高性能数据处理与分析。当用户想要极快的数据转换、处理大型数据集、惰性求值管道，或需要比 pandas 更好的性能时使用。非常适合 ETL、数据整理、聚合、连接，以及读写 CSV、Parquet、JSON 文件。

P

primekg

crazymsn / academic-skills

查询精准医学知识图谱（PrimeKG），获取包括基因、药物、疾病、表型等在内的多尺度生物数据。

P

prisma

elie222 / inbox-zero

如何使用 Prisma

P

problem-classifier

zhnnky329 / mathmodeling-skills

按所需输出与结构对每个已解析的数学建模子问题进行归类，把有歧义的表述取舍摆出来供人选，并记录主/次任务类型，但不选择算法。

P

problem-parser

zhnnky329 / mathmodeling-skills

在方法选择之前，将数学建模问题解析为目标、对象、数据、约束、输出、子问题、依赖关系、变量、关系以及经人工确认的成功标准。

P

pufferlib

jackspace / claudeskillz

在处理强化学习任务时使用此技能，包括高性能 RL 训练、自定义环境开发、向量化并行仿真、多 Agent 系统，或与现有 RL 环境（Gymnasium、PettingZoo、Atari、Procgen 等）集成。可用于实现 PPO 训练、创建 PufferEnv 环境、优化 RL 性能，或使用 CNN/LSTM 开发策略。

P

pydeseq2

crazymsn / academic-skills

差异基因表达分析（Python DESeq2）。基于 bulk RNA-seq 计数识别差异表达基因，进行 Wald 检验、FDR 校正及火山图/MA 图绘制，用于 RNA-seq 分析。

P

pydicom

crazymsn / academic-skills

用于处理 DICOM（医学数字成像和通信）文件的 Python 库。在读取、写入或修改 DICOM 格式的医学成像数据，从医学图像（CT、MRI、X 射线、超声）中提取像素数据，匿名化 DICOM 文件，处理 DICOM 元数据和标签，将 DICOM 图像转换为其他格式，处理压缩的 DICOM 数据或处理医学成像数据集时使用。适用于涉及医学图像分析、PACS 系统、放射学工作流和医疗成像应用的任务。

P

pymc

crazymsn / academic-skills

使用 PyMC 进行贝叶斯建模。构建分层模型、MCMC（NUTS）、变分推断、LOO/WAIC 比较和后验检查，适用于概率编程和推断。

P

pymoo

crazymsn / academic-skills

多目标优化框架。支持 NSGA-II、NSGA-III、MOEA/D、Pareto 前沿、约束处理和基准测试（ZDT、DTLZ），适用于工程设计与优化问题。

P

pyopenms

crazymsn / academic-skills

完整的质谱分析平台。用于蛋白质组学工作流的特征检测、肽段鉴定、蛋白质定量以及复杂的 LC-MS/MS 流程。支持大量文件格式和算法。最适合蛋白质组学、全面的 MS 数据处理。简单的谱图比较和代谢物鉴定请使用 matchms。

P

pysam

crazymsn / academic-skills

基因组文件工具包。读取/写入 SAM/BAM/CRAM 比对文件、VCF/BCF 变异文件和 FASTA/FASTQ 序列，提取区域并计算覆盖度，用于 NGS 数据处理流水线。

P

pytdc

crazymsn / academic-skills

Therapeutics Data Commons。面向治疗领域机器学习和药理学预测的 AI 就绪型药物发现数据集（ADME、毒性、DTI）、基准、骨架划分和分子预言机。

P

pytorch-lightning

crazymsn / academic-skills

深度学习框架（PyTorch Lightning）。将 PyTorch 代码组织为 LightningModule，为多 GPU/TPU 配置 Trainer，实现数据流程、回调、日志记录（W&B、TensorBoard）、分布式训练（DDP、FSDP、DeepSpeed），以实现可扩展的神经网络训练。

Q

query-optimize

letta-ai / skills

SQL 查询优化的指南。当优化缓慢的 SQL 查询、提升数据库性能，或重写查询以提高效率时应使用此技能。涵盖查询计划分析、基准测试策略以及针对具体数据库的优化技巧。

R

rag-implementation

rmyndharis / antigravity-skills

使用向量数据库和语义搜索，为 LLM 应用构建检索增强生成（RAG）系统。实现基于知识的 AI、构建文档问答系统或将 LLM 与外部知识库集成时使用。

R

refactoring-dbt-models

altimateai / data-engineering-skills

安全地重构 dbt 模型并进行下游影响分析。适用于以下情况下的 dbt 模型重构：（1）任务提及“refactor”、“restructure”、“extract”、“split”、“break into”或“reorganize”（2）将 CTE 提取为中间模型或创建宏（3）修改有下游消费者的模型逻辑（4）重命名列、更改类型或重新组织模型依赖关系。在做任何更改之前分析所有下游依赖。

S

sam-cell-seg

letta-ai / skills

面向基于 SAM 的细胞分割与掩码转换任务的指导，涉及 MobileSAM、掩码转多边形、CSV 处理以及命令行界面设计。当你使用 Segment Anything Model (SAM) 进行生物图像分割、将二值掩码转换为多边形坐标、处理显微数据，或构建与深度学习模型对接的命令行工具时，本技能适用。（project）

S

scikit-survival

crazymsn / academic-skills

使用 scikit-survival 在 Python 中进行生存分析和事件发生时间建模的综合工具包。适用于处理删失生存数据、进行事件发生时间分析、拟合 Cox 模型、随机生存森林、梯度提升模型或生存 SVM，使用一致性指数或 Brier 分数评估生存预测、处理竞争风险，或使用 scikit-survival 库实现任何生存分析工作流。

S

scry-vectors

exopriors / skills

在 Scry 中组合语义向量——把概念嵌入为 @handles，按余弦距离检索，用向量代数去偏，并诊断信号损失。适用于以下任务：语义搜索、嵌入、向量、余弦距离、<=>、"X but not Y"、去偏、嵌入此概念、@handle、vibe algebra、概念向量。不适用于：word2vec 训练、微调嵌入、本地向量数据库（FAISS、Pinecone、Chroma），或纯关键词/SQL 搜索（请使用 scry）。

S

selecting-privacy-enhancing-technologies

mukul975 / privacy-data-protection-skills

全面的 PET 选择指南，涵盖差分隐私、同态加密、安全多方计算、联邦学习、零知识证明和可信执行环境。包含用例匹配矩阵、性能对比以及每项技术与 GDPR 的对齐评估。

S

shap

crazymsn / academic-skills

使用 SHAP（SHapley Additive exPlanations）实现模型可解释性与说明能力。适用于解释机器学习模型预测、计算特征重要性、生成 SHAP 图（瀑布图、蜂群图、条形图、散点图、力图、热力图）、调试模型、分析模型偏差或公平性、比较模型，或实现可解释 AI。支持基于树的模型（XGBoost、LightGBM、Random Forest）、深度学习（TensorFlow、PyTorch）、线性模型以及任何黑盒模型。

S

stable-baselines3

crazymsn / academic-skills

生产可用的强化学习算法（PPO、SAC、DQN、TD3、DDPG、A2C），提供类似 scikit-learn 的 API。适用于标准 RL 实验、快速原型开发以及文档完善的算法实现。最适合配合 Gymnasium 环境进行单 Agent RL。若需高性能并行训练、多 Agent 系统或自定义向量化环境，请改用 pufferlib。

S

stat-eda

asgard-ai-platform / skills

使用描述性统计、可视化和数据质量检查进行探索性数据分析（EDA）。当用户拥有数据集，需要理解其结构、发现模式、检测异常或为进一步分析准备数据时使用此技能——即使他们说“这些数据长什么样”“找出有趣的模式”“清理这些数据”或“总结这个数据集”。

S

statsmodels

crazymsn / academic-skills

用于 Python 的统计模型库。需要特定模型类（OLS、GLM、混合模型、ARIMA）并附带详细诊断、残差和推断时使用。最适合计量经济学、时间序列、带系数表的严谨推断。需要带 APA 报告的引导式统计检验选择时请使用 statistical-analysis。

T

tabular-eda

brojonat / llmsrules

在建模前对新的表格数据集进行画像式剖析。发现目标泄漏、缺失数据模式、高基数类别特征、近乎恒定的特征、冗余特征对，以及 Pearson 相关性会漏掉的非线性关系。只要用户交给你一个 CSV 或 parquet 并问“我该拿这个怎么办？”，就使用它。在对你此前未见过的数据训练任何模型之前，务必先运行此技能。

T

torchdrug

crazymsn / academic-skills

面向分子和蛋白质的 PyTorch 原生图神经网络。适用于构建药物发现、蛋白质建模或知识图谱推理的定制 GNN 架构。最适合定制模型开发、蛋白质性质预测、逆合成。若需要预训练模型和多种特征化器，请使用 deepchem；若需要基准数据集，请使用 pytdc。

基于 TradingView 数据的专业量化投资分析系统。提供智能选股、技术形态识别、市场复盘、风险管理以及带多因子评分和交易策略的事件驱动分析。

U

usfiscaldata

crazymsn / academic-skills

查询美国财政部 Fiscal Data API，获取联邦财政数据，包括国债、政府支出、收入、利率、汇率和储蓄债券。可访问 54 个数据集和 182 张数据表，无需 API key。适用于处理美国联邦财政数据、国债追踪（Debt to the Penny）、Daily Treasury Statements、Monthly Treasury Statements、国债拍卖、国债利率、外汇汇率、储蓄债券或任何美国政府财政统计数据。

V

vaex

jackspace / claudeskillz

使用此技能处理和分析超出可用 RAM 容量的大型表格数据集（数十亿行）。Vaex 擅长外存 DataFrame 操作、惰性求值、快速聚合、大数据高效可视化，以及大型数据集上的机器学习。用户需要处理大型 CSV/HDF5/Arrow/Parquet 文件、对海量数据集进行快速统计、创建大数据可视化，或构建无法装入内存的 ML 流水线时使用。

W

webhook-template-builder

lytics / agent-skills

以研究为驱动的 Lytics webhook 模板编写——抓取目标端文档、起草并测试转换逻辑，并输出可直接使用的 webhook 任务蓝图。适用于用户希望将 Lytics 受众触发或丰富请求发送到自定义 webhook 目标端（如 Qualtrics、Slack、自定义 CRM）。

W

weekly-analytics

0juano / agent-skills

每周分析报告，将 GA4、Google Search Console 和 Microsoft Clarity 整合为一封高级 HTML 邮件。用于自动化的周日 cron 任务，生成每周产品分析报告。跟踪用户、会话、页面浏览量、SEO 表现（查询词、展示次数、CTR、排名）、UX 摩擦（死点击、暴怒点击、快速返回）以及周环比趋势。包含责任追踪（我们是否说到做到？）、带影响/投入评级的优先级建议和可操作清单。人设：月费 15K 美元的 SEO 顾问。输出：HTML 邮件 + 聊天摘要。

W

workflow-orchestrator

zhnnky329 / mathmodeling-skills

检查数学建模工作区，按子问题评估精简或提交门禁，更新机器可读清单，分类变更影响，并路由出一个下一步操作，而不重复下游工作。

X

x-twitter-scraper

davila7 / claude-code-templates

当用户想要通过 Xquik 与 X (Twitter) API 集成，以搜索推文、查询用户资料、提取粉丝、进行抽奖、监控账号或访问趋势话题时使用。当用户提到 'Xquik'、'Twitter API'、'X API'、'tweet scraper'、'follower extraction' 或 'Twitter monitoring' 时也使用。涵盖 REST API、webhooks 和 MCP 服务设置。

Z

zarr-python

crazymsn / academic-skills

适用于云存储的分块 N 维数组。支持压缩数组、并行 I/O、S3/GCS 集成，兼容 NumPy/Dask/Xarray，适用于大规模科学计算流水线。

B

breakthrough-database-to-dashboard

breakthrough-edu / breakthrough-database-skills

在一次工作中，将用户已有的业务数据（Airtable、Notion、Google Sheets、Lark Base、Excel、CSV 导出文件，或他人曾为其设置的数据库）转化为三项成果：用通俗语言说明数据库实际记录的内容、列出数据问题和盲点，并制作一页仪表板，回答最紧迫的资金问题，按资金风险对提醒排序。用户想要仪表板或解读数据（“帮我做仪表板”“把我的电子表格做成仪表板”“我的数据说明了什么”“分析我的数据/表格”），分享这些产品的链接或文件并询问数据含义，或带来新的导出文件以刷新先前制作的页面时使用。不用于设计或重构数据库（这属于 breakthrough-base-schema-design）、搭建第二大脑或资料库，也不用于实时自动更新的仪表板：每个页面都是基于一次导出的快照。