Skills
收录 100,928 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。
全部
涵盖遥感、GIS、空间分析和地球观测机器学习的地理空间科学——卫星影像处理（Sentinel、Landsat、MODIS、SAR、高光谱）、栅格与 DEM 操作、光谱指数（NDVI/EVI/NDWI）、空间统计、点云处理、网络分析，以及云原生工作流（STAC、COG、Planetary Computer），并提供 Python、R、Julia、JavaScript、C++、Java、Go 和 Rust 的示例。适用于遥感工作流、卫星/栅格影像分类、地形/坡度/山体阴影分析、地球观测数据的空间 ML、水文建模、海洋空间分析或大气科学。对于不含栅格/地球观测成分的纯表格型矢量工作（普通 GeoPandas sjoin、buffer、overlay、dissolve、choropleths），请优先使用 geopandas 技能；对于天球天文学坐标（ICRS/galactic、FITS、WCS），请优先使用 astropy 技能。属于 AlterLab Academic Skills 套件的一部分。
查询 OFR（Office of Financial Research）对冲基金监测 API，获取对冲基金规模、杠杆、交易对手、流动性、复杂度和风险管理的时间序列数据，包括 SEC Form PF 汇总统计、CFTC Traders in Financial Futures、FICC Sponsored Repo 成交量以及 FRB SCOOS 交易商融资条款（无需 API 密钥或注册）。适用于处理对冲基金数据、系统性风险监测、金融稳定研究、对冲基金杠杆或杠杆率、交易对手集中度、Form PF 统计、回购市场数据或 OFR 金融研究数据时使用。属于 AlterLab Academic Skills 套件的一部分。
使用 histolab 从全切片图像（WSI）中提取和预处理瓦片——由 OpenSlide 支持的切片加载、组织检测与掩膜、Random/Grid/Score 瓦片提取，以及用于 H&E 预处理的图像/形态学滤波器。适用于用户需要轻量级 WSI 切片预处理时——为 ML 训练构建瓦片数据集、组织分割，或对组织病理切片进行快速瓦片式检查。若需端到端计算病理、深度学习模型训练、细胞核分割，或多重/空间蛋白组学（CODEX、Vectra）流水线，请改用 alterlab-pathml。属于 AlterLab Academic Skills 套件。
查询 EMBL-EBI InterPro REST API，获取整合自成员数据库（Pfam、PANTHER、PRINTS、SMART、SUPERFAMILY、CDD、ProSite、NCBIfam 等）的蛋白家族、结构域和功能位点注释。适用于预测蛋白功能、分析或比较结构域架构、按家族或同源超家族对蛋白分类、解析 Pfam/InterPro 登录号，或将蛋白的特征序列映射到 GO 术语时使用。不用于获取原始 UniProt 条目/FASTA 或 AlphaFold 三维结构。属于 AlterLab Academic Skills 套件的一部分。
撰写 Markdown 文档和基于文本的 Mermaid 图表（流程图、时序图、类图、ER 图、甘特图、状态图等），附带完整风格指南、24 种图表类型参考和 9 个文档模板。适用于图表或技术文档应以可版本控制的 Markdown/Mermaid 文本而非渲染图像形式存在时——README、方法与流水线图、分析或状态报告、ADR，以及可在 GitHub 和 GitLab 上原生渲染的项目文档。若需 AI 渲染的出版示意图，请使用 alterlab-scientific-schematics；若需论文正文，请使用 alterlab-scientific-writing；若需数值数据绘图，请使用 alterlab-matplotlib。属于 AlterLab Academic Skills 套件的一部分。
使用 molfeat 为机器学习对分子进行特征化——ECFP/MACCS/MAP4 指纹、RDKit 与 Mordred 理化描述符、药效团与形状描述符，以及预训练嵌入（ChemBERTa、ChemGPT、CheMeleon），以 scikit-learn transformer 形式提供，可将 SMILES 转换为特征向量。适用于将分子转换为可用于 QSAR/QSPR 或虚拟筛选的 ML 特征矩阵，或对指纹与描述符、嵌入表示进行基准比较；若要在这些特征上训练模型和运行 MoleculeNet 基准，请优先使用 alterlab-deepchem；若需底层指纹或描述符原语，请优先使用 alterlab-rdkit。属于 AlterLab Academic Skills 套件的一部分。
使用 NetworkX 在 Python 中创建、分析并可视化复杂网络与图。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拓扑时——可用于社交、生物、交通、引用以及任何成对关系网络。这是经典图分析，而非深度学习——若要训练图神经网络（GCN/消息传递、Cora 类数据上的节点/边/图分类），请改用 alterlab-torch-geometric。隶属于 AlterLab Academic Skills 套件。
使用 SpikeInterface 分析 Neuropixels 1.0/2.0 细胞外电生理数据——加载 SpikeGLX/Open Ephys 记录、预处理与运动校正、运行 Kilosort4 尖峰分选、计算质量指标、应用 Allen/IBL 整理流程，并进行 AI 辅助的目视检查。适用于处理神经记录、尖峰分选或细胞外电生理数据，或用户提到 Neuropixels、SpikeGLX、Open Ephys、Kilosort、质量指标或单元整理时使用。属于 AlterLab Academic Skills 套件的一部分。
使用 PathML 运行完整的计算病理工作流——跨 160+ 种切片格式的全切片图像（WSI）分析、多重免疫荧光（CODEX、Vectra、MERFISH）、细胞核分割/分类（HoVer-Net、HACTNet）、组织与细胞图构建、HDF5 数据集管理，以及在病理数据上训练深度学习模型。适用于用户构建端到端深度学习病理流水线、分析多重或空间蛋白组学切片，或分割细胞核。若只需轻量级 H&E 切片预处理、组织掩膜，或普通的 Random/Grid/Score 瓦片提取，请改用 alterlab-histolab。属于 AlterLab Academic Skills 套件。
使用 PennyLane 训练并微分量子电路——一个硬件无关的量子机器学习框架，支持自动微分以及与 PyTorch/JAX 集成。适用于通过梯度训练量子电路（parameter-shift、backprop、adjoint）、构建混合量子-经典模型或量子神经网络，或运行可微的变分算法（VQE、QAOA）。若面向 IBM Quantum 硬件与 Qiskit Runtime，请改用 alterlab-qiskit；若面向 Google Quantum AI 或 NISQ 电路，请改用 alterlab-cirq；若研究开放系统 Lindblad/master-equation 动力学，请改用 alterlab-qutip。属于 AlterLab Academic Skills 套件。
提供 RDKit 化学信息学工具包，用于低层、细粒度的分子基元——SMILES/SDF 解析、描述符（MW、LogP、TPSA）、指纹、子结构/SMARTS 搜索、2D/3D 坐标生成、相似性和反应处理。当自定义净化、专用指纹或描述符算法、反应枚举或构象生成需要直接 API 控制时使用；若需要在 RDKit 之上的高层 pandas 友好封装，优先使用 alterlab-datamol；若要将分子转换为 ML 特征向量，优先使用 alterlab-molfeat。属于 AlterLab Academic Skills 套件的一部分。
编排完整的学术研究流水线（研究、撰写、诚信检查、评审、修改、再评审、再修改、最终诚信检查、定稿），将 alterlab-deep-research、alterlab-paper-writer 和 alterlab-paper-reviewer 协调为无缝的 10 阶段工作流，包含强制性诚信验证、两阶段同行评审和可复现的质量门禁。适用于请求中提及 academic pipeline、research to paper、full paper workflow、paper pipeline、end-to-end paper、research-to-publication 或 complete paper workflow 的场景。属于 AlterLab Academic Skills 套件。
使用 Scanpy 在 AnnData 上运行标准的单细胞 RNA-seq 分析流水线——QC 过滤、归一化、降维（PCA、UMAP、t-SNE）、Leiden/Louvain 聚类、标记基因/差异表达、PAGA 轨迹以及绘图。适用于通过聚类、细胞类型注释、DE 或拟时序工作流分析 scRNA-seq 数据；若要构建或读取 .h5ad 数据结构本身（layers、obs/var、拼接、backed 模式），请改用 alterlab-anndata；若要根据 spliced/unspliced 计数计算 RNA 速率，请改用 alterlab-scvelo。属于 AlterLab Academic Skills 套件。
使用 scVelo 在单细胞 RNA-seq 数据上运行 RNA 速率分析——根据 spliced/unspliced mRNA 动态估计细胞状态转变、推断轨迹方向、计算潜时并识别驱动基因。适用于为轨迹添加方向性，或根据 spliced/unspliced 层（velocyto/STARsolo 输出）研究分化动态；若需通用的 QC、聚类、UMAP 和差异表达分析流水线，请改用 alterlab-scanpy；若需 .h5ad 数据结构 I/O 与层操作，请改用 alterlab-anndata。属于 AlterLab Academic Skills 套件。
使用 Stable-Baselines3 训练单智能体强化学习 Agent——PPO、SAC、DQN、TD3、DDPG 和 A2C，提供类似 scikit-learn 的 API。适用于标准单智能体 RL 实验、快速原型开发、在 Gymnasium 环境上使用文档完善的算法实现，或添加回调与评估。若需高吞吐并行训练、多智能体系统或自定义向量化环境，请改用 alterlab-pufferlib。属于 AlterLab Academic Skills 套件。
通过 STRING API 查询蛋白质-蛋白质相互作用（5900 万种蛋白质、12,500+ 个生物中的 200 亿+ 相互作用），构建相互作用网络、发现功能伙伴，并对蛋白质列表运行 GO/KEGG/Pfam 富集分析。适用于构建蛋白质-蛋白质相互作用网络、从种子蛋白扩展到功能伙伴，或运行基于 PPI 的系统生物学富集分析；若需经过整理的代谢通路图与反应，请改用 alterlab-kegg；若需蛋白质序列、注释或登录号 ID 映射，请改用 alterlab-uniprot。属于 AlterLab Academic Skills 套件。
使用 Google 的 TimesFM 基础模型进行零样本时间序列预测——TimesFM 2.5（200M，Apache-2.0 权重；ForecastConfig API、XReg 协变量）和 TimesFM 3.0（约 330M，多变量，支持原生过去/未来协变量；非商业权重）——可从 CSV/DataFrame/数组输入生成点预测和分位数预测区间，并配有用于检查 RAM/GPU 的预检系统检查器。适用于在不训练自定义模型的情况下预测单变量或多变量序列（销售、传感器、能源、生命体征、天气）、批量预测多条序列，或基于预测区间标记异常。属于 AlterLab Academic Skills 套件。
使用 TorchDrug 为分子和蛋白质构建 PyTorch 原生的图神经网络，提供自定义 GNN 架构、任务/数据集抽象、分子生成、逆合成规划以及知识图谱推理。适用于项目明确需要 TorchDrug 的数据集与任务时——GearNet 蛋白质结构模型、中心识别/synthon-completion 逆合成，或 Hetionet 知识图谱基线。TorchDrug 自 0.2.1（2023 年 7 月）以来再无发布，且需要 Python < 3.11，因此新的自定义 GNN 工作请改用 alterlab-torch-geometric，现成的特征化器、MoleculeNet 基准和预训练模型请改用 alterlab-deepchem。属于 AlterLab Academic Skills 套件。
使用 Hugging Face Transformers v5（仅 PyTorch）加载、运行和微调预训练模型——用 pipeline() 推理进行对话模型文本生成、文本分类、NER、零样本、语音识别、图像分类、目标检测以及图文到文本的 VLM；用 AutoModel/AutoTokenizer 加载，支持 dtype、device_map 和 bitsandbytes 量化；用 generate() 控制解码；用 Trainer 微调并可选用 PEFT/LoRA。适用于使用 Hugging Face Hub 检查点进行推理、在自定义标注数据集上微调 BERT/ModernBERT/Qwen 风格模型、控制生成（采样、束搜索、流式、对话模板），或将 v4 代码（torch_dtype、已移除的摘要/翻译/QA pipeline、TF/Flax）迁移到 v5。属于 AlterLab Academic Skills 套件。
提供对 UniProt（Swiss-Prot/TrEMBL）的直接 REST API 访问，用于蛋白质序列搜索、FASTA 获取、功能注释（GO 术语、结构域）以及跨数据库 ID 映射。适用于查询蛋白质条目、获取蛋白质 FASTA 序列，或通过原始 HTTP/REST 在数据库之间映射登录号；对于实验性 3D 结构优先使用 alterlab-pdb，对于 AI 预测的 3D 结构优先使用 alterlab-alphafold-db，对于蛋白质-蛋白质相互作用网络优先使用 alterlab-string-db，而对于跨多个数据库的 Python 工作流则优先使用 alterlab-bioservices。属于 AlterLab Academic Skills 套件。
查询美国财政部 Fiscal Data API，覆盖 50 多个数据集和约 180 个数据表（无需 API 密钥），获取关于国家债务、政府支出、收入、利率、汇率和储蓄债券的联邦财政数据。适用于处理美国联邦财政数据、国家债务追踪（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。属于 AlterLab Academic Skills 套件。
设置、审计和调试分析跟踪实现——GA4、Google Tag Manager、事件分类、转化跟踪和数据质量。适用于从零构建跟踪计划、审计现有分析以查找缺口或错误、调试缺失事件，或设置 GTM。触发关键词：GA4 setup、Google Tag Manager、GTM、event tracking、analytics implementation、conversion tracking、tracking plan、event taxonomy、custom dimensions、UTM tracking、analytics audit、missing events、tracking broken。不适用于分析营销活动数据——请使用 campaign-analytics。不适用于 BI 仪表盘——请使用 product-analytics 进行产品内事件分析。
在决定 Apple 风格界面应如何“行为”时使用 —— 即功能性的 UX/交互逻辑，而非外观。导航模型决策（push 与 sheet 与 modal 与 tab 与 popover 与 split-view 与 full-screen、返回行为、深链接、状态恢复）、状态与反馈行为（加载/骨架屏时机、空/错误/禁用状态、乐观 UI、下拉刷新、分页）、感知性能规则（延迟阈值、即时反馈、预取、渐进式加载）、输入/焦点/键盘/指针处理及点击目标可供性，以及滚动即输入决策（电影式滚动何时有益何时有害、滚动可供性、动量、惯性、禁止 scroll-jacking、由滚动驱动的 UX 决策）。属于 apple-design 家族。关键词：navigation model、push pop、sheet vs modal、tab bar、back behavior、deep link、state restoration、loading state、skeleton、empty state、optimistic UI、pull to refresh、perceived performance、latency threshold、prefetch、focus order、keyboard navigation、hit target、affordance、pointer vs touch、scroll as input、scroll affordance、momentum、inertia、scroll-jacking、when cinematic scroll、scroll-driven UX decision。
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。