gtars（基因组区间计算）
SkillSkillsMP
io.github.K-Dense-AI/scientific-agent-skills/gtars
在 Python、Rust 与 CLI 中使用 Gtars 完成本地基因组区间模型与集合代数、重叠与计数、consensus 与覆盖度、tokenization、片段处理，以及 refget/BEDbase 规划。
source
“Batch Processing” 共 88 个结果
io.github.K-Dense-AI/scientific-agent-skills/gtars
在 Python、Rust 与 CLI 中使用 Gtars 完成本地基因组区间模型与集合代数、重叠与计数、consensus 与覆盖度、tokenization、片段处理，以及 refget/BEDbase 规划。
io.github.K-Dense-AI/scientific-agent-skills/rowan
Rowan 是带 Python API 的云原生分子建模与药物化学工作流平台。适用于 pKa 与大分子 pKa 预测、构象与互变异构体系综、对接与类似物对接、蛋白-配体共折叠、MSA 生成、分子动力学、通透性、描述符工作流，以及相关的小分子或蛋白建模任务。适合程序化批量筛选、多步化学流水线，以及原本需要自建 HPC/GPU 基础设施的工作流。
io.github.K-Dense-AI/scientific-agent-skills/modal
Modal 是按需运行 Python（含按需 GPU）的无服务器云平台。在使用 Modal SDK 部署或托管 AI/ML 模型、运行 GPU 加速负载（训练、微调、推理）、托管 Web 端点、调度批处理任务，或将 Python 代码扩展到云容器时使用。
io.github.K-Dense-AI/scientific-agent-skills/polars
面向 Python ETL、分析与 pandas 迁移的高性能 DataFrame 库。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、流式跨核处理、Arrow 互操作与可选的 GPU 执行。
io.github.K-Dense-AI/scientific-agent-skills/optimize-for-gpu
将科学 Python 工作负载加速到 NVIDIA GPU 上，并验证结果正确且更快。适用于 CUDA/GPU 优化；CPU 受限的 NumPy、SciPy、pandas、scikit-learn、NetworkX、scikit-image、向量检索、图像处理、图、仿真或文件 I/O 负载；CuPy、cuDF、cuML、cuGraph、cuVS、cuCIM、KvikIO、Warp、Newton、Numba-CUDA、RAFT 相关问题；以及性能剖析、内存搬运、kernel 或多 GPU 瓶颈。当大规模数据并行的 Python 代码很慢且 GPU 加速是合理选项时也应使用，即使用户没有提到 CUDA。
io.github.K-Dense-AI/scientific-agent-skills/datamol
RDKit 的 Pythonic 封装，接口更简单、默认值更合理。标准药物发现任务的首选：SMILES 解析、标准化、描述符、指纹、聚类、3D 构象、并行处理。返回原生 rdkit.Chem.Mol 对象。需要高级控制或自定义参数时直接使用 rdkit。
io.github.K-Dense-AI/scientific-agent-skills/gget
对 20+ 生物信息学数据库的快速 CLI/Python 查询。适合快速查询：基因信息、BLAST/BLAT、病毒序列下载、AlphaFold 结构、富集分析、OpenTargets、COSMIC、CELLxGENE 以及 8cube 小鼠特异性/表达数据。最适合交互式探索和简单查询。批量处理或高级 BLAST 用 biopython；跨库 Python 工作流用 bioservices。
io.github.XiaomiMiMo/MiMo-Code/codex
Run, configure, and troubleshoot OpenAI Codex CLI in non-interactive headless environments. Use for Codex automation in Bash or PowerShell, native Windows or WSL2, shell scripts, CI/CD, Docker, Kubernetes, remote servers, agent harnesses, or batch jobs; for constructing `codex exec` commands; selecting sandbox and approval modes; consuming JSONL events or structured output; resuming sessions; passing prompts through stdin; and handling failures caused by unavailable interactive input such as `request_user_input`.
io.github.affaan-m/ECC/quarkus-patterns
Quarkus 3.x LTS architecture patterns with Camel for messaging, RESTful API design, CDI services, data access with Panache, and async processing. Use for Java Quarkus backend work with event-driven architectures. Use when building or reviewing a Quarkus service, especially with Camel messaging or Panache data access.
io.github.affaan-m/ECC/springboot-patterns
Spring Boot architecture patterns, REST API design, layered services, data access, caching, async processing, and logging. Use for Java Spring Boot backend work. Use when building or reviewing a Spring Boot backend — REST layer, services, data access, caching, or async work.
io.github.affaan-m/ECC/django-celery
Django + Celery async task patterns — configuration, task design, beat scheduling, retries, canvas workflows, monitoring, and testing. Use when adding background jobs, scheduled tasks, or async processing to a Django app.
io.github.sickn33/agentic-awesome-skills/hubspot-integration
Expert patterns for HubSpot CRM integration including OAuth authentication, CRM objects, associations, batch operations, webhooks, and custom objects. Covers Node.js and Python SDKs.
io.github.code-yeongyu/oh-my-openagent/data-scientist
以混合引擎策略进行专业数据处理：优先使用常驻内核引擎——DuckDB 加上常驻的 Python 技术栈（Polars/numpy/matplotlib），在 harness 支持的 js/py eval 内核中保持常驻，其他环境则用 bun/uv 单次执行——并按动作决定放置方式（内存内、流式、远端就地）。触发词：analyze the data、what is in this CSV/parquet/json、summarize this、group by、filter rows、sort by、join these files、merge datasets、time series trend、compare yesterday and today、distribution/histogram、correlation、clean duplicates、handle missing values、dataset larger than RAM、SQL query on files、DataFrame operations、chart/plot this data、DuckDB vs Polars selection、quick data exploration CLI。不适用于：纯文本/代码查看、配置文件或极小的内联计算。
io.github.nexu-io/open-design/threejs
用于在浏览器中创建 3D 元素与交互体验的 Three.js 技能——场景、材质、控制器与后期处理。
io.github.affaan-m/ECC/quarkus-patterns
Quarkus 3.x LTS 架构模式，使用 Camel 处理消息、RESTful API 设计、CDI 服务、Panache 数据访问与异步处理。适用于采用事件驱动架构的 Java Quarkus 后端工作，尤其涉及 Camel 消息或 Panache 数据访问时。
io.github.affaan-m/ECC/springboot-patterns
Spring Boot 架构模式、REST API 设计、分层服务、数据访问、缓存、异步处理与日志记录，用于 Java Spring Boot 后端工作。适用于构建或审查 Spring Boot 后端——REST 层、服务、数据访问、缓存或异步处理。
io.github.affaan-m/ECC/netmiko-ssh-automation
安全可靠的 Python Netmiko 模式：只读采集、有界的批量 SSH、TextFSM 解析、带保护的配置变更、超时控制与网络自动化的错误处理。当用 Python Netmiko 自动化访问网络设备，无论是采集状态还是下发带保护的配置变更时使用。
io.github.langflow-ai/langflow/ibm-a11y-level1-audit
对选定的 Langflow 前端界面（路由、组件或某个 PR）执行限定范围的 IBM Equal Access Level 1 合规审计，产出对照 WCAG/IBM Level 1 条目的问题报告。默认只审计和报告——仅当用户在同一请求中明确要求修复时才动手。当用户要求 IBM Level 1 审计、Level 1 合规报告，或在特定界面上查找/报告 Level 1 WCAG 问题时使用。批量扫描路由不做报告见 ibm-a11y-route-scan；整个 PR/分支端到端扫描并默认修复见 ibm-a11y-pr-remediation。
io.github.langflow-ai/langflow/ibm-a11y-pr-remediation
扫描当前 PR/分支触及的所有前端界面，查找 IBM Equal Access Level 1 无障碍问题并默认修复全部范围内的违规项。发现变更文件、映射到路由/组件/状态，同时运行 axe 与 IBM 引擎，持续修复直至双引擎通过（或仅剩已记录的基线），并汇报结果。当用户要求对“这个 PR”“我的分支”“我的改动”做无障碍检查、扫描或清理并期望直接修复（而非仅报告）时使用。仅需单范围审计报告用 ibm-a11y-level1-audit；仅批量扫描路由用 ibm-a11y-route-scan。
io.github.XiaomiMiMo/MiMo-Code/codex
在非交互 headless 环境中运行、配置与排查 OpenAI Codex CLI。适用于 Bash 或 PowerShell、原生 Windows 或 WSL2、shell 脚本、CI/CD、Docker、Kubernetes、远程服务器、agent harness 或批处理任务中的 Codex 自动化；用于构造 `codex exec` 命令、选择 sandbox 与审批模式、消费 JSONL 事件或结构化输出、恢复会话、经 stdin 传递提示，以及处理因缺少交互输入导致的失败（如 `request_user_input`）。
io.github.microsoft/vcpkg/review-vcpkg-prs-today
审查 microsoft/vcpkg 中最近 30 天内有更新的非草稿开放 PR。当你需要批量分诊、逐 PR 的审查报告、按结论分组的索引，或把修改同一 port 的相互竞争 PR 归并分组时使用。
io.github.jleechanorg/claude-commands/automation-audit
审计自动化任务执行、日志、PR 处理指标以及由 AI 提交的远端提交记录。
io.github.K-Dense-AI/scientific-agent-skills/experimental-design
在数据采集之前设计实验与研究方案——选择设计类型、随机化、区组化以及安排处理组合，使结果真正可解释。当有人正在规划研究、询问如何把受试者/样本分组、提到随机化、区组、分层、对照、析因或部分析因设计、实验设计（DOE）、多因素筛选、响应面优化、交叉/重复测量/裂区设计、整群分组随机化、拉丁方、孔板布局、批次与进样顺序效应、重复与伪重复，或序贯/自适应/群序贯设计时使用。即使表述随意，例如这个实验该怎么安排、如何避免混杂、测试这 6 个因素的最佳方式、把这些小鼠分配到各处理组，也应触发。若设计已定、需要计算样本量或统计功效请使用 statistical-power，分析已采集的数据则使用 statistica。
io.github.affaan-m/ECC/ui-to-vue
当用户有 UI 截图或设计导出物需要批量转换为 Vue 3 组件时使用，尤其适合搭配 Vant、Element Plus 或 Ant Design Vue。