科学 AI 开放技能库

构建并排查 TorchDrug 0.2.1 在分子图、性质预测、自监督预训练、分子生成、逆合成、蛋白质表征学习及知识图谱推理方面的工作流。当代码导入 torchdrug 或需要其数据集、模型、任务或 Engine 时使用。

通过Tamarind Bio平台的REST API或MCP服务器，即可访问一系列开源分子设计与结构生物学工具——无需本地GPU。Tamarind集成了用于结构预测（AlphaFold、Boltz、Chai、ESMFold）、蛋白质、结合剂和从头设计（RFdiffusion、ProteinMPNN、BoltzGen）、抗体及纳米抗体设计与可开发性评估、蛋白质-配体对接（DiffDock、Autodock Vina）、结合亲和力预测、MSA生成及分子

Rowan是一个云原生分子建模与药物化学工作流平台，提供Python API。适用于pKa和macropKa预测、构象异构体与互变异构体集合、对接及类似物对接、蛋白质-配体共折叠、MS

用于细粒度分子控制的化学信息学工具包。支持SMILES/SDF解析、描述符（MW、LogP、TPSA）、指纹、子结构搜索、2D/3D生成、相似性及反应。如需更简单接口的标准工作流，可使用datamol（RDKit的封装）。如需高级控制、自定义消毒或专门算法，则使用rdkit。

完整的质谱分析平台。适用于蛋白质组学和代谢组学工作流程——特征检测、肽/蛋白质鉴定、无标记和同量异位

使用当前的pymatgen API分析、验证、转换和变换材料结构与计算材料数据，包括局部相图、对称性敏感性、电子结构输入输出，以及明确限定范围的Materials Project查询。

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

使用OpenMM和MDAnalysis运行并分析分子动力学模拟。搭建蛋白质/小分子体系、定义力场、运行能量最小化和生产MD，分析轨迹（RMSD、RMSF、接触图谱、自由能曲面）。适用于结构生物学、药物结合和生物物理学。

用于化合物分诊的药物化学过滤器

分析并工程化蛋白质糖基化。扫描序列中的N-糖基化序列基序（N-X-S/T），预测O-糖基化热点，并访问精选的糖工程工具（NetOGlyc、GlycoShield、GlycoWorkbench）。适用于糖蛋白工程、治疗性抗体优化及疫苗设计。

在直接使用 `esm` Python SDK、ESM3 或 ESMC 模型 ID、Forge/Biohub 推理客户端或 ESMFold2 折叠工作流时使用。

DiffDock和DiffDock-L分子对接。用于从PDB或序列加SMILES/SDF/MOL2进行蛋白质-小分子构象预测、批量对接、虚拟筛选和构象置信度解读。不用于结合亲和力预测。

分子机器学习，支持多种特征化器和预构建数据集。适用于属性预测（ADMET、毒性），可与传统机器学习或GNN结合使用，当您需要广泛的特征化选项和MoleculeNet基准测试时非常理想。最适合使用预训练模型和多样化分子表示进行快速实验。对于以图为核心的PyTorch工作流，请使用torchdrug；对于基准数据集，请使用pytdc。

RDKit 的 Python 风格包装器，接口简化，默认设置合理。适用于常规药物发现流程，包括 SMILES 解析、标准化、描述符

如何使用Adaptyv Bio Foundry API和Python SDK进行蛋白质实验设计、提交和结果获取。每当用户提及Adaptyv、Foundry API、蛋白质结合实验、蛋白质筛选实验、BLI/SPR实验、热稳定性实验，或希望提交蛋白质序列进行实验表征时，请使用此技能。当代码导入`adaptyv`、`adaptyv_sdk`或`FoundryClient`，或引用`foundry-api-public.adaptyvbio.com`时，也应触发此技能。

使用 TileDB 高效存储和检索基因组变异数据。可扩展的 VCF/BCF 导入、增量添加样本、压缩存储、并行查询，以及面向群体基因组学的导出功能。

单细胞组学深度生成模型。当您需要概率批次校正（scVI）、迁移学习、带不确定性的差异表达或多模态整合（TOTALVI、MultiVI）时使用。最适合高级建模、批次效应、多模态数据。标准分析流程请使用scanpy。

使用scVelo进行RNA速率分析。从未剪接/已剪接mRNA动态估计细胞状态转变，推断轨迹方向，计算潜在时间，并在单细胞RNA-seq数据中识别驱动基因。补充Scanpy/scVI-tools用于轨迹推断。

微生物组分析生物数据工具包：序列分析、比对、系统发育树、多样性指标（alpha/beta多样性、UniFrac）、排序分析（PCoA）、PERMANOVA检验、FASTA/Newick文件读写。

标准单细胞RNA-seq分析流程。用于质量控制、归一化、降维（PCA/UMAP/t-SNE）、聚类、差异表达、可视化，以及将R友好的单细胞格式（如Seurat或SingleCellExperiment RDS文件）转换为Scanpy所需的h5ad格式。最适合使用既定工作流进行探索性scRNA-seq分析。对于深度学习模型，请使用scvi-tools；对于数据格式问题，请使用anndata。

Python/HTSlib 基因组文件处理工作流程。在使用 pysam 读取、查询、过滤或写入 SAM/BAM/CRAM、VCF/BCF、FASTA/FASTQ 或

使用PyHealth构建临床/医疗深度学习流水线——加载EHR/信号/影像数据集（MIMIC-III/IV、eICU、OMOP、SleepEDF、ChestXray14、EHRShot），定义任务（死亡率、再入院、住院时长、药物推荐、睡眠分期、ICD编码、EEG事件），实例化模型（Transformer、RETAIN、GAMENet、SafeDrug、MICRON、StageNet、AdaCare、CNN/RNN/MLP），使用PyHealth Trainer进行训练，计算临床指标，并使用医学代码工具（ICD/ATC/NDC/R

使用pydicom读取、检查、写入、转换并安全预检本地DICOM数据集和像素数据。适用于DICOM元数据、传输语法、压缩插件、帧、

使用PyDESeq2对bulk RNA-seq进行差异基因表达分析，包括公式化设计、Wald检验、FDR校正、LFC收缩以及结果可视化。

高性能基因组区间操作与生物信息学文件I/O，基于Polars DataFrames实现。支持BED/VCF/BAM/GFF区间数据的重叠、最近邻、合并、覆盖度、补集、差集操作。流式计算、云原生，比bioframe更快的替代方案。

使用MAFFT（多重比对）、IQ-TREE 2（最大似然法）和FastTree（快速NJ/ML）构建并分析系统发育树。使用ETE3或FigTree进行可视化。适用于进化分析、微生物基因组学、病毒系统动力学、蛋白质家族分析及分子钟研究。

通过GenSpectrum LAPIS API查询实时病原体基因组监测数据，以发现当前流行的病毒谱系、其增长速度以及携带的突变。当问题取决于病原体种群的当前状态而非记忆中的事实时使用——例如哪种SARS-CoV-2变异株占主导地位、某个Pango谱系是否仍被指定或已被撤销、某宿主或地区中的H5N1属于哪个分支或基因型、某个PCR引物或检测靶标是否仍然匹配。

使用 PathML 进行本地、仅限研究的计算病理学工作流：加载并平铺切片，构建预处理和质量控制（QC）流水线，管理 h5path 数据，量化多重免疫组化图像

为Flex和OT-2机器人编写、审查、迁移、模拟并排查官方Opentrons Python协议API v2协议。用于机器人特定的液体处理、台面和实验室器具设置、移液器、模块、运行时参数、液体类别以及Opentrons App分析。当单个工作流需要支持多个机器人供应商时，请改用pylabrobot。

基因组和表型数据的综合分析工具。

使用 omero-py、BlitzGateway、OMERO CLI、表格、注释、ROI、渲染及文档化的 OMERO.web API，安全地检查并自动化针对 OMERO.server 的显微数据工作流。适用于限定范围的 OMERO 清单盘点、元数据导出、导入/导出规划或经审核的写入工作流。

端到端构建、运行和调试 Nextflow 数据管道与 nf-core 工作流。当用户提及 Nextflow、nf-core、.nf 文件、nextflow.config、DSL2、进程/通道/操作符、样本表，或希望运行社区管道（如 nf-core/rnaseq、nf-core/sarek）、使用 nf-test 编写或测试模块/子工作流、配置执行器/容器（Docker、Singularity/Apptainer、Conda、Wave）、将工作流扩展至 HPC/SLURM 或云（AWS Batch、Google Batch、Azure、Kubernetes），或调试任何相关问题时，均可使用此工具。

使用SpikeInterface对Neuropixels细胞外记录进行端到端分析。涵盖加载SpikeGLX/Open Ephys/NWB数据、预处理、漂移/运动校正、Kilosort4（及CPU）尖峰排序、质量指标和单元整理（基于阈值、基于模型的UnitRefine以及AI辅助视觉审查）。适用于处理Neuropixels 1.0/2.0记录、尖峰排序或细胞外电生理学分析。

使用matchms处理、清理、比较和搜索串联质谱。用于MS/MS文件输入输出、元数据统一、峰过滤、光谱相似性、库匹配、评分矩阵和分子相似性网络。如需LC-MS特征检测或蛋白质组学流程，请改用pyopenms

在LaminDB（面向生物数据集和模型的开源谱系原生湖仓）中使用时适用。涵盖设置、工件注册、查询/搜索、谱系跟踪、验证、Bionty的基于本体的注释、集合、分支、存储和工作流集成。

使用idc-index查询并下载NCI影像数据共享中心（NCI Imaging Data Commons）的公共癌症影像数据。用于获取大规模放射学（CT、MR、PET）和病理学数据集，以支持AI训练或研究。无需身份验证。支持按元数据查询、在浏览器中可视化查看、检查许可信息。

轻量级WSI瓦片提取与预处理。适用于H&E图像的基础切片处理、组织检测、瓦片提取和染色归一化。最适合简单流程、数据集准备和快速基于瓦片的分析。对于高级

使用Gtars进行本地基因组区间模型与集合运算、重叠与计数、共识与覆盖度、标记化、片段处理，以及跨Python、Rust和CLI的refget/BEDbase规划。

快速的CLI/Python查询，支持20多个生物信息学数据库。用于快速查找：基因信息、BLAST/BLAT、病毒序列下载、AlphaFold结构

使用Genomic Intelligence托管的Transformer DNA语言模型，直接从DNA序列预测调控特征、基因结构和表达——无需本地GPU或模型权重。通过REST API和托管MCP服务器（无需密钥的公开演示）提供六项任务：启动子区域、剪接供体/受体位点、增强子活性、染色质状态、序列到表达（log TPM）以及从头基因注释，外加一个“先找基因再预测表达”的组合工作流。当用户有基因sy时使用。

在不同坐标约定之间转换基因组区间，标准化并比较变异表示，并在组装或 contig 命名不匹配破坏分析之前加以检测。每当坐标跨越格式、工具或组装边界时使用——在 BED、GFF/GTF、VCF、SAM/BAM、WIG、PSL、genePred、Picard interval_list 或区域字符串之间转换；协调 0 基半开区间

使用Geniml进行经过审计的本地基因组区间工作流：验证BED和universe契约，规划Region2Vec或scEmbed运行，检查模型/分词器兼容性，并评估共识universe。

使用FlowIO读取、检查并写入Flow Cytometry Standard (FCS) 2.0、3.0及3.1格式的文件。适用于FCS底层元数据与通道检查、NumPy事件提取、多数据集文件处理、表格导出及FCS 3.1文件创建；补偿、细胞术转换、设门或FlowJo工作区操作请使用FlowKit。

使用ETE 4分析、操作、比较、注释和可视化系统发育树或其他层次树。适用于Newick/Nexus树的输入输出、拓扑编辑和模式匹配、Robinson-Foulds比较、基因树进化事件与协调分析、NCBI/GTDB分类学、SmartView探索以及出版物渲染。请勿用于从原始序列推断树；应先比对序列并推断树，再使用本工具。

从任何文本中提取认知模式和思维指纹。当用户想要分析某人的思考方式、理解认知风格、分析写作或言语模式、比较不同人的思维风格、询问“我的思维风格是什么”、“分析这个人如何推理”、“认知画像”、“思维模式”、“DHDNA”、“数字DNA”，或想要理解任何文本背后的思维时，使用此技能。当用户提供文本并希望更深入地了解作者时，也触发此技能。

NGS分析工具包。BAM到bigWig转换，质量控制（相关性、PCA、指纹），热图/谱图（TSS、

基于约束的代谢建模（COBRA）。FBA、FVA、基因敲除、通量采样、SBML模型，用于系统生物学与代谢工程分析。

以编程方式查询CZ CELLxGENE Census，获取带版本管理的公共单细胞和空间转录组学数据。当您需要群体规模的细胞元数据、基因表达切片、Census汇总计数、源H5AD URI/下载、嵌入、空间Census数据，或跨物种、组织、疾病、检测方法和细胞类型的参考图谱比较时，请使用此工具。如需分析您自己的本地单细胞数据，请使用scanpy、anndata或scvi-tools。

端到端的批量RNA-seq编排器——从原始FASTQ读段开始，经过质控与修剪（FastQC、fastp/Trim Galore），比对与定量（STAR、Salmon、featureCounts），组装基因层面的计数矩阵，然后交接至差异表达分析（pydeseq2）、通路/GSEA富集分析（pathway-enrichment）及出版级图表生成（scientific-visualization）。当用户拥有批量RNA-seq读段或定量输出，并希望获得完整、可复现的差异表达工作流时使用——例如

统一的Python接口，支持40多种生物信息学服务。当需要在单个工作流程中以一致API查询多个数据库（UniProt、KEGG、ChEMBL、Reactome）时使用。最适合跨数据库分析、跨服务ID映射。快速单数据库查询请使用gget；序列/文件操作请使用biopython。

全面的分子生物学工具包。用于序列操作、文件解析（FASTA/GenBank/PDB）、系统发育学以及程序化访问NCBI/PubMed（Bio.Entrez）。最适合批处理、自定义生物信息学流程和BLAST自动化。快速查询请使用gget；多服务集成请使用bioservices。

基因组和表型数据的综合分析工具。

使用可扩展算法（GRNBoost2、GENIE3）从基因表达数据推断基因调控网络（GRN）。在分析转录组学数据（bulk RNA-seq、single-cell RNA-seq）时使用，以识别转录因子-靶基因关系和调控相互作用。支持大规模数据集的分布式计算。

单细胞分析中带注释矩阵的数据结构。处理.h5ad文件或与scverse生态系统集成时使用。这是数据格式技能——分析工作流使用scanpy；概率模型使用scvi-tools；群体规模查询使用cellxgene-census。

在经授权的持证专业人员已提供并核实临床决策后，对本地治疗计划文档进行格式化和结构验证。用于源可追溯性、临床医生撰写的干预记录、目标和检查点、共同决策记录、对账交接和发布门控——不用于临床决策。

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

药代动力学与药效动力学建模和模拟——非房室分析、房室模型与群体PK、PK/PD及暴露-反应关系、TMDD、PBPK导向、生物等效性、异速放大与首次人体剂量、药物相互作用预测，以及贝叶斯治疗药物监测。适用于分析浓度-时间数据、推导暴露指标、拟合PK或PD模型，或评估给药方案。触发词包括“药代动力学”、“药效动力学”、“PK/PD”。

使用NeuroKit2构建或审计可重现的生理时间序列预处理、事件/区间分析、多模态对齐、变异性和复杂性的研究工作流。当代码导入neurokit2或需要其当前API、模式及方法感知校验时触发——不用于诊断或设备验证。

准备并验证仅用于研究的临床决策支持评估、证据概况、队列、生存、生物标志物/模型、隐私及治理工件。用于聚合或合成研究文档及可追溯性用途——不用于患者护理或实时临床操作。

使用UMAP-learn进行非线性降维、2D/3D嵌入、聚类预处理、监督或半监督UMAP、DensMAP、AlignedUMAP和Parametric UMAP工作流。

Hugging Face Transformers用于加载Hub模型、运行流水线推理、文本生成，以及在NLP、视觉、音频和多模态任务上进行Trainer微调。适用于使用AutoModel、pipelines、tokenizers或TrainingArguments的场景——不适用于Transformers库之外的一般机器学习任务。

PyTorch Geometric (PyG)用于图神经网络——节点/链接/图分类、消息传递（GCN、GAT、GraphSAGE、GIN）、异质图、邻居采样和自定义数据集。适用于使用torch_geometric的场景，不适用于常规NetworkX分析或非图的PyTorch模型。

使用Google的TimesFM基础模型进行零样本时间序列预测。适用于任何单变量时间序列（销售、传感器、能源、生命体征、天气），无需训练自定义模型。支持CSV/DataFrame/数组输入，提供点预测和预测区间。包含一个预检系统检查脚本，在首次使用前验证RAM/GPU。

生产级强化学习算法（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。最适合搭配 Gymnasium 环境的单智能体强化学习。如需高性能并行训练、多智能体系统或自定义向量化环境，请改用 pufferlib。

使用SHAP解释和审计机器学习预测。用于选择SHAP解释器和掩码器，计算和验证特征归因，处理多输出解释，以及生成局部或全局SHAP

使用 scikit-survival 构建、评估和审计右删失或竞争风险生存分析工作流，包括防数据泄漏预处理、模型选择、概率预测及感知删失的评估指标。

使用scikit-learn在Python中进行机器学习。适用于监督学习（分类、回归）、无监督学习（聚类、降维）、模型评估、超参数调优、预处理或构建机器学习流水线。提供关于算法、预处理技术、流水线和最佳实践的全面参考文档。

使用QuTiP 5模拟并审计封闭和开放量子系统模型，涵盖确定性、轨迹、稳态、光谱及相空间工作流。适用于必须明确物理假设、维度和数值收敛性的本地量子动力学研究。

使用Qiskit和IBM Quantum Runtime构建、模拟、转译并执行量子电路。适用于Qiskit 2.x电路与算子、V2 Sampler或Estimator原语、感知目标的转译、本地或噪声模拟、IBM QPU执行、Runtime会话或批处理、错误缓解以及Qiskit生态系统包。

使用pyzotero Python客户端与Zotero参考文献管理库交互。通过Zotero Web API v3检索、创建、更新和删除条目、集合、标签及附件。在以编程方式处理Zotero库、管理文献引用、导出引文、搜索库内容、上传PDF附件或构建与Zotero集成的研究自动化工作流时，使用此技能。

深度学习框架（PyTorch Lightning / lightning 包）。将 PyTorch 代码组织为 LightningModules，配置 Trainer 以支持多 GPU/TPU，实现数据流水线、回调、日志记录（W&B、TensorBoard、MLflow）以及分布式训练（DDP、FSDP、DeepSpeed），用于可扩展的神经网络训练。

通过PyTDC Python包使用治疗数据共享平台，用于注册表发现、已批准数据集访问、任务感知数据划分、评估指标、基准测试组和有界分子预言机工作流。

针对PufferLib强化学习环境、向量化、策略、PuffeRL训练、评估及安全检查点审查的版本感知指南。适用于将Gymnasium/PettingZoo环境适配至已发布的PufferLib 3.0.0，或使用重新设计的原生4.0源码线。

硬件无关的量子机器学习框架，支持自动微分。在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或JAX的集成。对于硬件特定优化，使用qisk

使用CuPy、Numba CUDA、Warp、cuDF、cuML、cuGraph、KvikIO、cuCIM、cuxfilter、cuVS、cuSpatial和RAFT对Python代码进行GPU加速。当用户提及GPU/CUDA/NVIDIA加速，或希望加速NumPy、pandas、scikit-learn、scikit-image、NetworkX、GeoPandas或Faiss工作负载时使用。涵盖物理模拟、可微渲染、网格光线投射、粒子系统（DEM/SPH/流体）、向量/相似性搜索、GPUDirect存储文件IO、交互式仪表板、地理空间分析。

Modal是一个按需运行Python的无服务器云平台，包括按需GPU。适用于部署或托管AI/ML模型、运行GPU加速工作负载（训练、微调、推理）、托管Web端点、调度批处理作业，或使用Modal SDK将Python代码扩展至云容器等场景。

计划和审核ChicagoHAI HypoGeniC/HypoRefine在带标签文本数据集中用于大语言模型辅助假设生成的使用情况。适用于`hypogenic`包及其任务配置、假设库或HypoBench数据集，而不适用于手动构建假设或科学验证。

当用户在生物学、化学、物理学、天文学、气候、基因组学、材料、医学、生态学、能源、工程、数学、药物发现、蛋白质设计、天气建模、定理证明、单细胞或PDE求解等科学领域进行AI/ML工作时使用。Hugging Science是一个精选的科学数据集

查询癌症依赖图谱（DepMap）中癌细胞系的基因依赖评分（CRISPR Chronos）、药物敏感性数据及基因效应谱。用于识别癌症特异性脆弱性、合成致死相互作用，以及验证肿瘤药物靶点。

用于超出内存容量的 pandas/NumPy 工作流的分布式计算。当您需要将现有的 pandas/NumPy 代码扩展到内存之外或跨集群时使用。最适合并行文件处理、分布式机器学习以及与现有 pandas 代码的集成。对于单机上的核外分析，请使用 vaex；对于内存内的高性能需求，请使用 polars。

对任何问题、决策或创意挑战进行多视角心智议会审议。当用户需要多样化观点、需要帮助做出艰难决定、要求进行议会/专家小组/董事会讨论、希望从多个角度探索问题、请求进行魔鬼代言人分析，或说出"不同专家会怎么看这个"、"帮我从各个方面思考这个问题"、"议会模式"、"心智议会"或"审议此事"等话语时，请使用此技能。此外，当用户

Google量子计算框架。在面向Google Quantum AI硬件进行开发、设计噪声感知电路或运行量子表征实验时使用。最适合Google硬件、噪声建模和底层电路设计。对于IBM硬件，请使用qiskit；对于需要自动微分的量子机器学习，请使用pennylane；对于物理模拟，请使用qutip。

通过screenpipe观察用户的屏幕，检测重复出现的研究工作流程，将其与现有的scientific-agent-skills进行匹配，并为尚未覆盖的模式起草新技能（或串联现有技能的组合方案）。当用户要求分析其近期工作并根据实际行为提出技能建议时使用。需要screenpipe守护进程（https://github.com/screenpipe/screenpipe）在本地3030端口运行——该技能没有其他数据源，否则将拒绝运行。

自主改进真实工件（代码、训练配方、智能体框架、数据流水线、提示），并针对目标和评估器进行优化。使用Arbor论文中的假设树细化（HTR）方法。每当有人希望在多次实验中迭代优化某些内容而又不过拟合时，请使用此方法——例如

此技能适用于时间序列机器学习任务，包括分类、回归、聚类、预测、异常检测、分段及相似性搜索。在处理时间数据、序列模式或需要超越标准机器学习方法的专门算法的时间索引观测时使用。特别适用于单变量和多变量时间序列分析，并兼容scikit-learn的API。

使用pint和uncertainties在科学计算中跟踪物理单位并传播测量不确定度。用于单位换算与量纲检查、GUM不确定度预算、A类和B类评定、包含因子与扩展不确定度、蒙特卡洛传播、有效数字与正负号报告、曲线拟合中的误差传播、CODATA常数、审计Python代码中剥离

当您需要在Python中进行精确的符号数学计算时使用——如代数、微积分、方程求解、符号线性代数，或通过lambdify/LaTeX进行代码

Python统计模型库。当您需要特定模型类（OLS、GLM、混合模型、ARIMA）以及详细诊断、残

样本量和统计功效计算，用于研究设计规划。当有人询问“我需要多少受试者/样本/重复”，想要先验功效分析、最小可检测效应量（MDE）、功效曲线，或需要为基金申请、IRB方案或预注册证明样本量的合理性时使用。涵盖

研究数据的引导式统计分析——检验选择、假设检验、效应量、功效分析、贝叶斯替代方法以及APA格式报告。当用户想要比较组别、检验假设、分析实验或调查数据、检查统计假设、计算所需样本量或撰写结果时使用——即使他们从未指明具体检验方法。涵盖t检验、方差分析、卡方检验、相关分析、回归分析、非参数及贝叶斯方法。适用于低

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

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

在ICH Q2(R2)与Q14、USP〈1220〉/〈1225〉/〈1226〉、ICH M10生物分析、CLSI EP或ISO/IEC 17025等管理框架下，规划、执行并记录分析程序的验证、确认与转移。当问题涉及程序是否适用于其预期用途时，适用于HPLC、LC-MS/MS、GC、CE、ICP-MS、溶出度、qNMR、qPCR、NIR以及配体结合或细胞学检测。触发条件包括“方法验证”、“分析方法验证”、“AMV”、“验证程序”。

运行结构化What-If情景分析，探索4–6种

准备期刊稿件、会议论文、研究海报和资助申请文档，使用针对特定会议/期刊的格式指南和附带的LaTeX框架。在需要选择官方模板、查看当前页面或匿名规则、调整学术写作以适应特定会议/期刊，或检查投稿PDF时使用。

草拟、修订和审核科学手稿或报告，确保其具有明确的证据来源、报告指南覆盖、作者责任归属、保密控制及本地一致性检查。适用于手稿章节、参考文献、声明、表格、图或投稿准备，当科学准确性和可追溯性至关重要时使用。

评估科学主张和证据质量。用于评估实验设计有效性、识别偏见和混杂因素、应用证据分级框架（GRADE、Cochrane偏倚风险评估），或教授批判性分析。最适合理解证据质量、识别缺陷。如需正式同行评审写作，请使用peer-review。

提供以定性为先、证据可追溯的学术著作发展性评阅，并可审计低风险研究评估准则，附带可选的本地质量控制。切勿用于人员排名或任何具有重大影响的决策。

为科学手稿或研究简报汇编当前学术证据。当用户明确要求收集文献、参考资料、背景证据、相互矛盾的发现或手稿研究资料包时使用。默认采用并行搜索，并行提取用于来源验证，并行研究用于明确深入/详尽的工作，可选显式并行聊天，以及仅在被要求或允许作为失败回退时可选使用Perplexity。

为NSF、NIH、DOE、DARPA及台湾NSTC撰写有竞争力的研究提案。包括机构特定格式、评审标准、预算编制、更广泛影响、重要性陈述、创新叙事，以及符合提交要求。

编写以证据为限、建设性的同行评审草稿和结构化手稿评估。用于对科学手稿、方案、预印本或研究提案进行授权评审；报告指南选择；主张–证据核查；方法、统计、可复现性、伦理、图表及引文评述；或修订回复规划。

与您的agent讨论Paperzilla中的项目、推荐和经典论文。当用户询问近期项目推荐、经典论文详情、基于Markdown的摘要、推荐反馈、订阅源导出或Atom订阅源URL时使用。

使用GXL的Paperclip CLI搜索并阅读全文生物医学论文、FDA/PMDA/EMA监管文件、临床试验注册库以及UniProt/PDB/ChEMBL条目。涵盖使用PAPERCLIP_API_KEY安装和认证`paperclip`二进制文件，位于/papers、/fda、/trials、/proteins和/clipboard下的只读虚拟文件系统，按来源限定的语义搜索，全语料库grep，元数据查询和SQL，跨多篇论文的map/reduce阅读，图表视觉分析，可选加入的论文仓库

搜索11个学术文献API，查找论文、预印本、引文和开放获取全文，并返回具有可复现来源的结果。涵盖PubMed、PMC（全文）、Europe PMC（全文和预印本检索）、bioRxiv、medRxiv、arXiv、OpenAlex、Crossref、Semantic Scholar、CORE、Unpaywall。适用于检索论文、引文、DOI/PMID/arXiv查询、摘要、全文、开放获取PDF、预印本、引文图谱、作者出版物或任何学术文献查询。触发条件

全面的 markdown 和 Mermaid 图表编写技能。在创建任何科学文档、报告、分析或可视化时使用。将基于文本的图表确立为默认文档标准，并提供完整样式指南（markdown + Mermaid）、24 种图表类型参考和 9 个文档模板。

利用多个学术数据库（PubMed、arXiv、bioRxiv、Semantic Scholar等）进行全面的系统性文献综述。该技能适用于在生物医学、科学和技术领域开展系统性文献综述、荟萃分析、研究综合或全面文献检索时。可生成格式专业的Markdown文档和PDF，并附带经核实的引用，支持多种引文格式（APA、Nature、Vancouver等）。

制定有证据约束的科学问题、候选假设、竞争性解释、因果或关联性主张、判别性预测、测量方法及可预注册的分析计划。在将观察或初步发现转化为透明、可检验的研究计划时使用，而不将假设视为事实。

在收集数据之前设计实验和研究——选择设计、随机化、区组化，并排列处理组合，使结果可解释。当有人在规划研究、询问如何将受试者/样本分配到各组、提及随机化、区组化、分层、对照、析因或部分析因设计、实验设计（DOE）、筛选多个因素、响应面优化、交叉设计、重复测量设计或裂区设计时使用，

创建受限安全范围的草稿结构，并对临床病例、诊断、试验、安全性及汇总研究报告执行本地确定性检查。仅可结合合成、去标识化或汇总数据及经核实的源事实清单使用；每项输出均须经合格人员审核。

全面的学术研究引文管理。搜索OpenAlex、PubMed和Google Scholar获取论文，提取准确的元数据，验证引文，并生成格式正确的BibTeX条目。当你需要查找论文、核实引文信息、将DOI转换为BibTeX，或确保科学写作中参考文献的准确性时，应使用此技能。

通过BGPT MCP服务器搜索科学论文，并检索从全文研究中提取的结构化实验数据。每篇论文返回25+个字段，包括方法、结果、样本量、质量评分和结论。适用于文献综述、证据综合，以及查找仅凭摘要无法获得的实验细节。

与pandas集成的统计可视化。用于快速探索分布、关系和分类比较，具有出色的默认样式。最适合箱线图、小提琴图、散点图矩阵、热力图。基于matplotlib构建。如需交互式图表，请使用plotly；如需出版级样式，请使用scientific-visualization。

使用Matplotlib、Seaborn或Plotly创建并审计真实、易于理解、可随时投稿的科学图表。适用于图形设计、多面板布局、不确定性与缺失数据展示、颜色/对比度审查、图像元数据验证以及期刊导出规划。

为研究演讲构建幻灯片和演示文稿。用于制作PowerPoint幻灯片、会议报告、研讨会演讲、研究展示、论文答辩幻灯片或任何科学演讲。提供幻灯片结构、设计模板、时间把控指导和视觉验证。支持PowerPoint和LaTeX Beamer。

使用Nano Banana 2 AI创建出版级科学图表，具备智能迭代优化功能。采用Gemini 3.6 Flash进行质量审核，仅当质量低于您文档类型的阈值时才重新生成。专注于神经网络架构、系统图、流程图、生物通路及复杂科学可视化。

促进证据感知的科学构思，具备独立生成、结构化讨论、明确假设、透明评估、对抗性审查和决策日志。用于早期研究头脑风暴或候选方向优先级排序；将实证验证、研究设计、伦理或监管审查以及临床问题移交给适当的专家或技能。

创建并审核可在无宏PowerPoint（.pptx）中编辑的科学海报，内容与素材需经作者批准并使用本地资源。当所需交付物为PowerPoint研究/会议海报，且需要进行精确的物理、打印、无障碍、来源及包安全校验时，请使用此功能。

使用OpenPIV进行粒子图像测速

低级绘图库，用于完全定制。当您需要对每个绘图元素进行精细控制、创建新型绘图类型或与特定科学工作流集成时使用。可导出为PNG/PDF/SVG用于出版。如需快速统计绘图，请使用seaborn；如需交互式绘图，请使用plotly；如需具有期刊风格的、适合出版的多面板图表，请使用scientific-visualization。

使用beamerposter、tikzposter或baposter在LaTeX中创建专业研究海报。支持会议演示、学术海报和科学交流。涵盖布局设计、配色方案、多栏格式、图形集成，以及针对视觉传达的海报专属最佳实践。

使用Nano Banana Pro AI创建专业信息图，具备智能迭代优化。利用Gemini 3.6 Flash进行质量审查。集成研究查找与网络搜索以确保数据准确。支持10种信息图类型、8种行业风格及色盲安全调色板。

通过OpenRouter图像API（Gemini、Seedream、Recraft、GPT-Image、Riverflow）使用AI模型生成或编辑图像。适用于照片、插画、艺术作品、概念图、视觉素材、徽标，以及基于参考图像的编辑或合成。如需流程图、电路图、路径图及其他技术图表，请改用科学示意图技能。

规划、配置、检查、重启并分析有界FluidSim计算流体力学模拟，并带有明确的数值有效性与HPC安全检查。适用于FluidSim求解器选择、参数审查、FFT/MPI设置、输出诊断或重启兼容性。

用于云存储的分块N维数组（Zarr-Python 3）。支持压缩数组、并行I/O、通过fsspec访问S3/GCS，兼容NumPy/Dask/Xarray

使用此技能处理和分析超出可用RAM的大型表格数据集（数十亿行）。Vaex擅长核外DataFrame操作、惰性求值、快速聚合、大数据的高效可视化以及大型数据集上的机器学习。当用户需要处理大型CSV/HDF5/Arrow/Parquet文件、对海量数据集执行快速统计、创建大数据可视化或构建内存无法容纳的机器学习管道时，请应用此技能。

使用SimPy构建、检查、测试和分析有界基于进程的离散事件模拟，包括事件、资源、中断、监控、复制、预热和可复现的输出分析。

高性能DataFrame库，用于Python ETL、分析和pandas迁移。适用于基于表达式的数据操作，支持惰性查询优化、并行执行、流

使用 Parallel CLI 进行网络搜索、URL 提取、深度研究、结构化数据增强、实体发现和定期网络监控。最适合明确需要当前网络证据、学术来源发现、重复实体查询、详尽报告或持续变更追踪的请求。

自托管、开源的Google NotebookLM替代方案，用于AI驱动的研究与文档分析。适用于将研究材料整理为笔记本、摄取多样内容来源（PDF、视频、音频、网页、Office文档）、生成AI驱动的笔记和摘要、从研究资料创建多说话人播客、使用上下文感知AI与文档对话、通过全文和向量搜索跨材料检索，或运行自定义内容转换。支持16+

使用NetworkX在Python中创建、分析和可视化复杂网络与图。适用于处理网络/图数据结构、计算图算法（最短路径、中心性、聚类）、检测社区、生成合成网络（随机、无标度、小世界）、读写图文件格式或绘制网络拓扑。常见应用包括社交网络、生物网络、交通网络和引文网络。

使用微软MarkItDown将异构文档和选定URI转换为Markdown，用于文本分析、搜索以及LLM/RAG摄取。涵盖安全本地转换、流、Office/PDF/数据

本地文档与PDF解析，返回带边界框的空间文本。用于从PDF、DOCX、Office文件和图像中提取文本；对扫描件运行OCR；生成保留布局的JSON以用于RAG；批量摄取论文文件夹；或将页面渲染为PNG供多模态代理使用。其区分性能力包括：逐token边界框、页面栅格输出，以及完全本地处理、无需云API。

检测主机清单及有效CPU、内存、磁盘、调度器、容器和加速器限制，当用户请求资源感知规划时，或在明确的资源敏感本地工作负载之前执行。生成脱敏JSON快照及保守的规划辅助工具，不进行压力测试，也不假设可见主机硬件可用。

用于直接使用GeoPandas GeoSeries、GeoDataFrame、空间操作或矢量数据I/O的Python工作流的指导与本地审计工具。

对明确支持的科学文件执行受限的、本地化的探索性分析。适用于脱敏的CSV/TSV/JSON配置文件；可选的NumPy、HDF5、FASTA/FASTQ及基础图像元数据检查；缺失性/泄漏审计；离群值与变换敏感性分析；以及严格的EDA报告框架。其他领域格式仅供引用，未知格式默认拒绝处理。

查询已记录的公共数据库API，使用明确的端点、过滤器、分页及溯源信息。当科学、监管、金融或其他基于数据库的事实必须从指定来源可重复地获取，而非依据通用知识推断时使用。

开发和审查PyLabRobot实验室自动化资源、液体处理方案、离线模拟以及支持的设备集成。适用于PyLabRobot协议或API问题；物理执行必须置于明确的操作员安全门之后。

读取、验证并安全导出protocols.io数据（基于当前的官方REST/MCP契约），或创建非执行性变更

用于nf-core/pacsomatic匹配肿瘤-正常样本工作流（基于BAM输入）的操作工具包。当用户需要验证运行输入、生成符合pacsomatic规范的样本表、准备可复现的Nextflow启动工件、本地运行或提交到调度器（LSF/Slurm/PBS/SGE），以及排查执行失败问题时，使用此技能。触发条件包括：请求运行

使用Latch的Python SDK、CLI、Latch Data和Registry、Nextflow、Snakemake、程序化执行以及Latch MCP来构建、注册、调试和运行生物信息学工作流。在编写或部署Latch工作流、配置资源或接口、移动数据、集成Registry，或启动和监控运行任务时使用。

安全集成官方LabArchives ELN类REST API和Inventory API v1。用于区域端点选择、签名请求构造、用户授权和UID流程、本地LA容器验证以及经过验证的LabArchives集成工作流。

在Ginkgo Bioworks云实验室（cloud.ginkgo.bio）上提交和管理实验方案，这是一个基于网页的界面，用于在可重构自动化小车（RACs）上自主执行实验室任务。当用户想要运行蛋白质表达和纯化（无细胞、大肠杆菌或毕赤酵母）、HiBiT或A280或LabChip定量、IVT mRNA/circRNA合成、热稳定性/可开发性测定、Echo-MS酶或分析物方法、SPR靶点导入、荧光像素艺术，或以其他方式与Ginkgo Cloud交互时使用。

使用dx CLI、dxpy、apps/applets、原生工作流、dxCompiler和Nextflow在DNAnexus上构建并运行可复现的基因组学工作负载。适用于DNAnexus数据传输、dxapp.json开发、执行监控、工作流导入及项目自动化。

Benchling Python SDK与REST API集成，适用于注册表实体、库存、ELN条目、工作流、Benchling Apps及数据仓库查询。在使用benchling-sdk或v2 API实现实验室数据自动化时使用。

构建、审查、迁移并稳妥规划MATLAB或GNU Octave数值工作流，涵盖数组、表格/时间数据、测试、项目、图形、MAT文件及显式Python互操作。

全面的地理空间科学技能，涵盖遥感、GIS、

天文学和天体物理学工作流的核心 Python 库，提供 Astropy API，包括单位/量、坐标、FITS 输入/输出、表格、时间系统、WCS 和宇宙学。在实现或调试使用 Astropy 的天文数据分析代码时使用。

对基因列表或排序基因数据进行通路和基因集富集分析，然后解释结果。当用户拥有一组基因（来自PyDESeq2/Scanpy的差异表达基因、CRISPR-screen hits、聚类标记基因、蛋白质组学hits）并想知道哪些生物学通路、GO术语或基因集被过度代表或富集时使用。涵盖过度代表分析（ORA / Enrichr / Fisher / 超几何检验）、排序基因集富集分析（GSEA / preranked）、s

将自由文本的科学标签解析为本体论术语ID，并依据EBI本体查找服务（OLS4）验证已有的CURIE。每当需要生成或核对本体标识符时——如标注组织、细胞类型、疾病、表型、检测方法、化学物质、生物体、性别或发育阶段字段；为向GEO、ENA、BioSamples、CELLxGENE、HCA或ISA-Tab提交而准备元数据；审计元数据表中的术语ID；检查某个术语是否已废弃及其替代项；或映射

构建可追溯证据的市场研究报告和基于假设驱动的市场规模测算或预测场景。用于市场定义、行业与客户证据、竞争格局、TAM/SAM/SOM对账、预测敏感性分析及可审计的报告框架。

准备并结构性审查ISO管理体系与实验室能力标准的就绪证据——涵盖ISO 13485医疗器械质量管理体系、ISO 14971器械风险管理、ISO/IEC 17025测试与校准实验室，以及ISO 15189医学实验室。在整理声明范围、受控文件、风险管理档案、认可范围、可追溯性、CAPA、外部供应商控制或限定本地证据清单时使用，并在区分ISO认证与……时使用。

创建、编辑、分析或转换Excel电子表格（.xlsx、.xlsm、.xltx），其中工作簿文件是主要交付物。适用于公式、格式、财务模型、多工作表工作簿，以及导出到Excel的表格清理。当用户需要电子表格输出时，也适用于.csv/.ts

查询美国财政部财政数据REST API以获取联邦财务数据。无需API密钥。可用于查询国家债务（精确到美分的债务）、每日财政部报表、每月财政部报表、国债拍卖、利率、外汇汇率、储蓄债券或美国政府收支统计。

只要涉及 .pptx 或 .potx 文件，无论是作为输入、输出还是两者兼有，都应使用此技能。这包括：创建幻灯片组、推销演示文稿或演示文稿；读取、解析或提取任何 .pptx 或 .potx 文件中的文本（即使提取的内容将用于其他地方，如电子邮件或摘要）；编辑、修改或更新现有演示文稿；合并或拆分幻灯片文件；处理模板（.potx）、版式、演讲者备注或批注。当用户

使用并构建Pi，极简终端编码工具。用于安装Pi、配置提供商/模型/设置/环境变量、创建Pi技能/扩展/包/主题/提示模板、通过SDK嵌入Pi、通过RPC或JSON事件流集成、解析会话、通过llama.cpp路由器运行本地模型、开发自定义Pi提供商和TUI组件，或使用生态系统包如pi-subagents（委托/编排）、pi-mcp-adapter（MCP适

当用户需要对PDF文件进行任何操作时，请使用此技能。这包括从PDF中读取或提取文本/表格、将多个PDF合并为一个、拆分PDF、旋转页面、添加水印、创建新PDF、填写PDF表单、加密/解密PDF、提取图片，以及对扫描版PDF进行OCR处理以使其可搜索。如果用户提到.pdf文件或要求生成PDF文件，请使用此技能。

由Exa驱动的Web工具包，专为科学与技术内容调优。当用户需要搜索网络或获取/提取URL内容时，使用此技能。涵盖：网络搜索（语义查找、研究、当前信息——可选研究论文类别和学术领域过滤）和URL提取（批量获取页面、文章、学术PDF）。当用户希望通过category=research paper获得高质量搜索或学术过滤时，使用此技能处理网络相关任务。以r触发。

当用户想要创建、读取、编辑或操作Word文档（.docx文件）或Word模板（.dotx文件）时，使用此技能。触发条件包括：提及"Word文档"、"word document"、".docx"、".dotx"，或要求生成带有目录、标题、页码或信头等格式的专业文档。此外，在从.docx或.dotx文件中提取或重新组织内容、在文档中插入或替换图像、在Word中执行查找和替换操作时，也应使用此技能。