“Nami AI” 共 1,142 个结果
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。
io.github.K-Dense-AI/scientific-agent-skills/paperclip
使用 GXL 的 Paperclip CLI 检索和阅读生物医学论文全文、FDA/PMDA/EMA 监管文件、临床试验注册信息和 UniProt/PDB/ChEMBL 条目。涵盖用 PAPERCLIP_API_KEY 安装与鉴权 `paperclip` 二进制、/papers、/fda、/trials、/proteins、/clipboard 下的只读虚拟文件系统、来源范围的语义搜索、全语料 grep、元数据查询与 SQL、跨多篇论文的 map/reduce 阅读、图像视觉分析、带论断核验的可选论文仓库，以及锁定行号的引用。当被要求安装 paperclip、运行 paperclip search/grep/map/reduce/sql/repo、通过 paperclip 查找或阅读生物医学文献、监管文件或临床试验，或生成带行号的引用时使用。
io.github.K-Dense-AI/scientific-agent-skills/bioservices
40+ 生物信息学服务的统一 Python 接口。适用于在单个工作流中查询多个数据库（UniProt、KEGG、ChEMBL、Reactome）并使用一致的 API。最适合跨库分析与跨服务 ID 映射。快速单库查询用 gget；序列/文件操作用 biopython。
io.github.K-Dense-AI/scientific-agent-skills/literature-review
使用多个学术数据库（PubMed、arXiv、bioRxiv、Semantic Scholar 等）开展全面、系统化的文献综述。适用于生物医学、科学和技术领域的系统性文献综述、meta 分析、研究综合或全面的文献检索。生成专业排版的 markdown 与 PDF 文档，支持多种引用格式（APA、Nature、Vancouver 等）并带引用核验。
