软件下载帮助文档新闻资讯

Skill UI

浏览并发现 16567+ 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

搜索系统信息，共找到 20 条记录

默认排序最新上传最多下载

数据管道策略护栏

clay-policy-guardrails

jeremylongshore/claude-code-plugins-plus-skills

该系统为数据富集管道提供全面的策略护栏。它强制执行信用额度限制，阻止敏感个人身份信息（PII）的富集，并对输入数据进行严格的验证。适用于处理大规模、高敏感度数据的场景，确保数据安全性和合规性。

微生物组生物信息工具

K-Dense-AI/claude-scientific-skills

scikit-bio 提供 Python 生物数据工具，支持 FASTA/Newick 等格式读写、序列操作、比对、系统发育树构建及多样性分析，适用于微生物组和群落生态研究。

系统发生树重建与分析工具包

K-Dense-AI/claude-scientific-skills

这是一个完整的系统发生学分析流程，用于重建生物序列（基因、蛋白质）的进化关系。流程涵盖了从多序列比对（MAFFT）到最大似然树构建（IQ-TREE 2），再到可视化和分析（ETE3）的完整生命周期。适用于病毒动力学、微生物基因组学、分子时钟分析等前沿生物信息学研究。

足球实体假设与验证

football-entity-hypothesis

EverMind-AI/EverOS

本技能指导用户系统性地识别和验证足球实体（球员或俱乐部）。当搜索结果提供初步线索，或当问题提供了足够的详细约束条件（如国籍、时代、联赛）进行假设时使用。核心步骤是构建针对性的名称搜索，并交叉比对所有约束（如出生年份、职业生涯等）以确保信息准确性。

足球线索深度追踪法

football-lead-tracking

EverMind-AI/EverOS

这是一种用于深入研究足球主题的进阶搜索方法。它要求用户不只依赖原始问题，而是必须系统地追踪搜索结果中发现的每一个实体（如球员、俱乐部或教练）。将这些实体视为新的线索，通过结合发现的名称和原始问题中的约束条件，进行后续的二次搜索，确保知识链的完整性，不遗漏任何关键信息。

历史事件与纪念碑关联搜索

geo-historical-monument

EverMind-AI/EverOS

本技能用于指导用户通过历史事件关联搜索相关的纪念碑或地标。核心思路是将历史事件（如战役、重大日期）作为主要的搜索锚点，再定位相关的纪念设施或建筑。提供系统化的查询模板和反模式，确保在进行地理和历史信息检索时，能准确捕捉事件背景。

Biopython 生物信息学工具包

K-Dense-AI/scientific-agent-skills

Biopython 是一个综合性的 Python 分子生物学工具包，用于序列操作、文件解析（FASTA/GenBank/PDB）、系统发育分析以及通过 Entrez 编程访问 NCBI/PubMed。适用于批量处理、自定义生物信息学流程和 BLAST 自动化。

scikit-bio 生物信息学工具包

K-Dense-AI/scientific-agent-skills

用于生物数据分析的 Python 工具包，支持生物序列读写与操作、成对及多序列比对、系统发育树构建、α/β 多样性与 UniFrac 距离、PCoA 排序分析、PERMANOVA 等统计检验，以及 FASTA/Newick/BIOM 格式读写，广泛用于微生物组与群落生态研究。

金融信号追踪与演变分析

alphaear-signal-tracker

RKiding/Awesome-finance-skills

该技能提供了一个强大的框架，用于追踪和更新金融投资信号。它能系统性地评估新市场信息（如突发新闻或价格变动）对现有投资信号的影响。系统将判断信号是增强、减弱、证伪，还是保持不变，为复杂的金融决策提供持续、可靠的信号验证。

系统文献综述与知识综合

systematic-literature-review

bytedance/deer-flow

本技能用于对某一研究主题进行系统性的文献综述（SLR）。它能够搜索多个学术论文，提取每篇论文的结构化元数据（如研究问题、方法论、核心发现和局限性），并综合这些分散的信息，提炼出整体的学术主题和研究趋势。适用于进行全面的文献调研、撰写注释书目或跨论文比较分析，最终生成符合APA、IEEE等专业格式的报告。

可组合推荐系统管道架构

recsys-pipeline-architect

用于设计和构建可组合的推荐、排序和信息流管道。它遵循业界标准的六阶段架构模式（源获取→数据增强→过滤→评分→选择→副作用）。适用于所有需要为用户或上下文选择“Top K”项目的场景，如社交信息流、广告排序或RAG重排序等，确保系统具备高鲁棒性和可扩展性。

信息系统研究期刊匹配度评估

information-systems-research

brycewang-stanford/Awesome-Journal-Skills

本技能为作者提供了一套系统化的评估工具，用于判断其信息系统（IS）研究论文是否符合《信息系统研究》（ISR）期刊的高标准。它详细分析了期刊对研究理论贡献、定量方法（如计量经济学、分析模型）和结构化的严格要求。本工具作为投稿前自检清单，帮助作者在投稿前重新定位和完善论文，确保其具备足够的理论深度和实证严谨性。

语言