搜索「Batch Processing」的结果

io.github.ryudi84/json

JSON 处理 MCP 服务器——格式化、校验、diff、转换、压缩、查询与分析。

io.github.ryudi84/markdown-forge-mcp

Markdown 处理、目录生成与 HTML 转换。

io.github.ryudi84/json-forge-mcp

JSON 处理——格式化、校验、diff、转换、压缩、查询与分析。

io.github.rivradev/recite-mcp

用于 Recite 收据处理的本地 MCP 服务器，含账本与记忆工具。

io.github.gigabrain-observer/google-docs-mcp-server

Google Docs 的 MCP 服务器，支持完整的多标签页操作、Markdown 提取与批量更新。

io.github.marlinjai/email-mcp

统一邮件 MCP 服务器，支持 Gmail、Outlook、iCloud 与 IMAP，并提供批量操作。

io.github.dpozimski/qrmint-mcp

生成带颜色、Logo、边框的定制二维码，支持批量

io.github.standardbeagle/dart-query

Dart AI 任务管理 MCP，支持批量操作、DartQL 选择器与 CSV 导入，几乎不产生上下文损耗。

io.github.khglynn/spotify-bulk-actions-mcp

Spotify 批量操作 MCP 服务器——批量创建歌单、导出与管理。

io.github.copyleftdev/fabric-atelier

AI 驱动的内容处理，内置 226 个 Fabric 模式，用于写作、分析与代码生成。

io.github.asgeirtj/system_prompts_leaks/pdf

Professional PDF toolkit covering four production workflows: reports, creative visuals, academic LaTeX, and existing PDF processing. Routes automatically by document type and supports reports, posters, papers, resumes, extraction, merging, splitting, and form filling. Use this skill for any conversion whose output is a PDF: Office → PDF (.docx/.doc/.pptx/.ppt/.xlsx/.xls/.odt/.odp/.ods/.rtf/.csv/.txt → PDF), HTML → PDF, and LaTeX/.tex → PDF; also PDF → images, PDF → text, and PDF → tables when reading a PDF apart. Trigger when the user asks to convert, export, render, print, or turn a file into a PDF, or to merge/split/extract from one — including phrasings like 'Word转PDF', 'PPT转PDF', 'Excel转PDF', 'html转pdf', '导出为PDF', 'save/export as PDF', or 'PDF转图片/文字'.

io.github.vinta/awesome-python/preview-verdicts

当裁剪扫描、批量条目编辑或结构调整需要在改动 README.md 之前由维护者审查时，生成交互式保留/删除裁决预览（带逐行反馈控件的 HTML 页面），并处理维护者粘贴回来的反馈 JSON。

io.github.pytorch/pytorch/triaging-issues

Triages GitHub issues by routing to oncall teams, applying labels, and closing questions. Use when processing new PyTorch issues or when asked to triage an issue.

io.github.thedaviddias/Front-End-Checklist/no-unchecked-indexed-access

审计 tsconfig.json 是否缺少安全标志、审查数据处理流水线中用到数组索引访问的代码，或排查 TypeScript 未捕获的运行时 undefined 错误时使用。

io.github.pytorch/pytorch/triaging-issues

对 GitHub issue 进行分诊：路由到值班团队、打标签并关闭咨询类问题。在处理新的 PyTorch issue 或被要求分诊 issue 时使用。

io.github.K-Dense-AI/scientific-agent-skills/biopython

Provides Biopython workflows for sequence manipulation, file parsing (FASTA/GenBank/PDB), phylogenetics, and programmatic NCBI/PubMed access (Bio.Entrez). Supports batch processing, custom molecular-biology pipelines, BLAST automation, structure analysis, and motif analysis.

io.github.K-Dense-AI/scientific-agent-skills/dask

Scales pandas, NumPy, and custom Python research workflows beyond memory or across clusters with Dask. Covers DataFrames, Arrays, Bags, Futures, chunking, schedulers, and distributed diagnostics. Use for partitioned file processing, scientific array computation, or parallel tasks whose memory and dependency structure require Dask.

io.github.K-Dense-AI/scientific-agent-skills/geomaster

Supports geospatial research workflows for remote sensing, vector and raster GIS, spatial statistics, terrain and network analysis, and machine learning for Earth observation. Use when processing satellite imagery, aligning coordinate systems and raster grids, accessing STAC catalogs, analyzing geospatial time series, or implementing scientific GIS workflows in Python, R, Julia, JavaScript, C++, Java, Go, or Rust.

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。