claude-mem 安装（Cursor）
SkillSkillsMP
io.github.thedotmack/claude-mem/install
在 Cursor 上配置 claude-mem 时使用：本地或远程 worker，本地主机登录观察器或远程 cmem.ai 推理。
source
“Git Repository” 共 5,762 个结果
io.github.thedotmack/claude-mem/install
在 Cursor 上配置 claude-mem 时使用：本地或远程 worker，本地主机登录观察器或远程 cmem.ai 推理。
io.github.PostHog/posthog/adding-activity-logging
为 PostHog 中的 Django 模型添加或修改活动日志（审计跟踪）。当模型的写操作必须出现在 Activity 侧栏或高级活动日志中、在添加 ModelActivityMixin、ActivityScope、model_activity_signal 接收器、活动描述器或字段排除项、审计模型哪些写路径被记录，或某变更缺失于活动日志时使用。涵盖接收器模块约定、信号看不到的写操作（QuerySet.update、bulk_create）、请求之外的 actor，以及位于独立数据库上的产品模型。触发词：activity log、audit log、audit trail、ModelActivityMixin、log_activity、changes_between、activity describer、who changed this。
io.github.K-Dense-AI/scientific-agent-skills/uncertainty-and-units
Track physical units and propagate measurement uncertainty in scientific calculations using pint and uncertainties. Use for unit conversion and dimensional checking, GUM uncertainty budgets, Type A and Type B evaluation, coverage factors and expanded uncertainty, Monte Carlo propagation, significant-figure and plus-minus reporting, error propagation through curve fits, CODATA constants, auditing Python code for stripped units or broken uncertainty propagation, and order-of-magnitude plausibility checks using dimensionless groups (Reynolds, Peclet, Damkohler, Knudsen, Biot, Womersley), characteristic scales such as diffusion time or Debye length, and observed magnitude ranges. Trigger on "is this number physically reasonable", "sanity check these units", "what regime is this flow in", or a result that looks off by orders of magnitude.
io.github.K-Dense-AI/scientific-agent-skills/matlab
Build, review, migrate, and safely plan MATLAB or GNU Octave numerical workflows, including arrays, tabular/time data, tests, projects, graphics, MAT files, and explicit Python interoperability.
io.github.K-Dense-AI/scientific-agent-skills/opentrons-integration
为 Flex 与 OT-2 机器人编写、审查、迁移、仿真并排查官方 Opentrons Python Protocol API v2 协议。适用于机器人专属的液体处理、deck 与 labware 设置、移液器、模块、运行时参数、液体类别，以及 Opentrons App 分析。当同一工作流需要支持多品牌机器人时改用 pylabrobot。
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/networkx
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、运行图算法（最短路径、中心性、聚类）、社区发现、生成合成网络（随机图、无标度图、小世界图）、读写图文件格式，或绘制网络拓扑。常见应用包括社交、生物、交通与引文网络。
io.github.K-Dense-AI/scientific-agent-skills/pylabrobot
开发和审查 PyLabRobot 实验室自动化资源、液体处理方案、离线仿真与受支持设备集成。用于 PyLabRobot 协议或 API 相关问题；物理执行必须置于显式的操作员安全门之后。
io.github.K-Dense-AI/scientific-agent-skills/latchbio-integration
使用 Python SDK、CLI、Latch Data 与 Registry、Nextflow、Snakemake、程序化执行与 Latch MCP，在 Latch 平台上构建、注册、调试并运行生物信息学工作流。适用于编写或部署 Latch 工作流、配置资源或接口、搬运数据、集成 Registry，以及启动和监控运行。
io.github.K-Dense-AI/scientific-agent-skills/sympy
当需要在 Python 中进行精确符号数学时使用——代数、微积分、方程求解、符号线性代数，或经 lambdify/LaTeX 生成代码。浮点近似即可满足需求时优先使用 NumPy 或 SciPy。
io.github.K-Dense-AI/scientific-agent-skills/pyzotero
使用 pyzotero Python 客户端操作 Zotero 参考文献库。通过 Zotero Web API v3 检索、创建、更新和删除条目、合集、标签与附件。适用于以编程方式操作 Zotero 文库、管理文献引用、导出引文、检索文库内容、上传 PDF 附件，或构建与 Zotero 集成的科研自动化工作流。
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/adaptyv
如何使用 Adaptyv Bio Foundry API 与 Python SDK 进行蛋白实验设计、提交与结果获取。只要用户提到 Adaptyv、Foundry API、蛋白结合实验、蛋白筛选实验、BLI/SPR 实验、热稳定性实验，或想提交蛋白序列进行实验表征，就使用本技能。当代码导入 `adaptyv`、`adaptyv_sdk`、`FoundryClient`，或引用 `foundry-api-public.adaptyvbio.com` 时也应触发。
io.github.K-Dense-AI/scientific-agent-skills/pytdc
通过 PyTDC Python 包使用 Therapeutics Data Commons：registry 发现、已批准数据集访问、任务感知的数据切分、评估指标、基准分组，以及有界的分子 oracle 工作流。
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/geopandas
面向直接使用 GeoPandas GeoSeries、GeoDataFrame、空间运算或矢量数据 I/O 的 Python 工作流的指导与本地审计工具。
io.github.K-Dense-AI/scientific-agent-skills/esm
在使用 `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。
io.github.K-Dense-AI/scientific-agent-skills/scikit-learn
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 ML 流水线。提供算法、预处理技术、流水线与最佳实践的全面参考文档。
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/benchling-integration
Benchling Python SDK 与 REST API 集成，覆盖 registry 实体、库存、ELN 条目、工作流、Benchling Apps 与 Data Warehouse 查询。在使用 benchling-sdk 或 v2 API 自动化实验室数据时使用。
io.github.K-Dense-AI/scientific-agent-skills/astropy
面向需要 Astropy API 的天文与天体物理工作流的核心 Python 库，涵盖单位/量纲、坐标、FITS I/O、表格、时间系统、WCS 与宇宙学。在使用 Astropy 实现或调试天文数据分析代码时使用。
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/pysam
基于 Python/HTSlib 的基因组文件工作流。在使用 pysam 读取、查询、过滤或写出 SAM/BAM/CRAM、VCF/BCF、FASTA/FASTQ 或 tabix 数据时使用，包括 pileup、覆盖度、索引与 CRAM 参考。
io.github.K-Dense-AI/scientific-agent-skills/zarr-python
用于云存储的分块 N 维数组（Zarr-Python 3）。压缩数组、并行 I/O、经 fsspec 访问 S3/GCS、兼容 NumPy/Dask/Xarray，适用于大规模科学计算流水线。