软件下载帮助文档新闻资讯

Skill UI

浏览并发现 18671+ 精选技能

全部编程开发人工智能设计创意产品商业数据科学市场营销职场通用效率工具硬件工程语言学习

搜索开源，共找到 14 条记录

默认排序最新上传最多下载

SciPy 科学计算库工具

sickn33/antigravity-awesome-skills

SciPy 提供开源算法和工具，覆盖积分、优化、统计与信号处理等领域，方便科研人员与工程师构建稳定的数值计算应用。

浏览器取证与活动分析

analyzing-browser-forensics-with-hindsight

mukul975/Anthropic-Cybersecurity-Skills

Hindsight是一款开源的数字取证工具，用于解析各种基于Chromium的浏览器（如Chrome、Edge等）的内部数据库。它可以提取和关联浏览记录、Cookies、缓存内容、下载历史和密码等所有网络活动数据，生成统一的时间线报告。该工具是事件响应、内鬼威胁调查和网络安全取证的关键辅助工具。

Timesketch取证事件时间线分析

building-incident-timeline-with-timesketch

mukul975/Anthropic-Cybersecurity-Skills

Timesketch是一个强大的开源协作取证工具，用于构建事件时间线。它可以摄取、规范化并分析多源事件数据（包括日志、工件和Plaso输出），从而重建复杂的攻击链，并用于文档化安全事件调查。适用于需要多分析师共同协作进行深入取证调查的场景。

开源情报威胁行为者画像构建

building-threat-actor-profile-from-osint

mukul975/Anthropic-Cybersecurity-Skills

该技能用于构建全面的威胁行为者画像。它系统性地从各种开源渠道收集和关联情报，包括厂商报告、暗网论坛、社交媒体和代码仓库。最终输出结构化的档案，用于描绘对手的动机、能力、基础设施和战术，支持进行精确的归因和防御规划。

SwanLab 实验跟踪

experiment-tracking-swanlab

Orchestra-Research/AI-Research-SKILLs

介绍如何使用 SwanLab 进行开源机器学习实验跟踪，提供本地或自托管的仪表盘、丰富的媒体日志，并与 PyTorch、Transformers、Lightning、Fastai 等框架集成，便于对比各次训练。

AI模型知识结构化提取

bdistill-knowledge-extraction

sickn33/antigravity-awesome-skills

bdistill工具能将AI模型的交互过程转化为结构化的知识库。它可以从闭源模型（会话内）和本地开源模型（通过Ollama）提取、结构化并打分特定领域的知识。用户可用于构建可检索的参考数据集、问答对，或生成用于传统机器学习的训练数据。

LaminDB 生物数据管理

K-Dense-AI/scientific-agent-skills

LaminDB 是一个开源的、原生谱系的数据湖，专为生物数据集和模型设计。它支持数据的查询、追踪、验证和 FAIR 合规性，兼容多种存储格式。用户可追踪计算工作流，通过 Bionty 进行本体注释，管理单细胞测序等生物数据，确保可复现性和团队协作。

系统化OSINT与加密货币调查

offensive-osint-methodology

SnailSploit/Claude-Red

提供一套系统化的开源情报（OSINT）及加密货币取证调查框架。内容涵盖操作安全（OpSec）、目标画像、跨链交易追踪（L1/L2）、钱包分析和数字资产关联性识别。适用于指导复杂的、多维度的情报收集和调查项目。

开源科学与研究透明度

cogpsych-open-science-and-transparency

brycewang-stanford/Awesome-Journal-Skills

本指南详细介绍了学术出版领域所需的严格研究“可重复性”和“透明度”标准。它要求作者不仅共享数据，更必须提交能够重新生成报告结果的模型代码、分析脚本和材料，并使用DOI等永久标识符进行归档，确保符合顶级期刊的出版标准。

基因组生物学期刊投稿指南

brycewang-stanford/Awesome-Journal-Skills

本指南帮助作者评估其手稿是否适合投递《基因组生物学》期刊。它详细说明了期刊的投稿范围，要求稿件必须结合大型基因组、表观基因组数据和新的计算方法或统计框架。强调成功的投稿需同时具备方法学创新和生物学意义，并严格遵循开源代码、公共数据（如GEO, SRA）和严格基准测试的投稿要求。

JMLR投稿指南与适用性评估

journal-of-machine-learning-research

brycewang-stanford/Awesome-Journal-Skills

本技能旨在指导作者了解《机器学习研究杂志》(JMLR) 的投稿要求和学术文化。它帮助作者评估其机器学习方法、理论论文或数据集是否符合JMLR对高严谨性、完整证明、开源代码和持久科学贡献的高标准。适用于目标投稿JMLR，或需要将其与其它顶级ML期刊进行适用性比较的场景。

基因变异注释与HGVS规范化

annotating-variants

maziyarpanahi/openmed

该技能用于将原始基因组变异标识符（如VCF、HGVS、rsID）转化为富含注释、可预测后果的记录。它集成了Ensembl VEP和gnomAD等开源工具，用于预测变异后果、映射基因组坐标并附加人群等位基因频率。同时，它能将分子发现与OpenMed提取的临床和表型上下文关联，构建完整的科研报告。

语言