下载

Skill UI

浏览并发现 10410+ 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 Box ，共找到 15 条记录

默认排序最新上传最多下载

Juicebox AI 数据分析 CI/CD 配置

juicebox-ci-integration

jeremylongshore/claude-code-plugins-plus-skills

用于配置和实现 Juicebox AI 数据分析的 CI/CD流程。它通过GitHub Actions在每次PR和主分支合并时，自动运行单元测试（使用Mock数据集）和集成测试（连接实时API），从而全面验证整个数据分析管道的完整性和可靠性，确保代码质量。

进阶候选人数据分析工作流

juicebox-core-workflow-b

jeremylongshore/claude-code-plugins-plus-skills

本工作流用于对大规模人才智能数据集进行深度分析。用户可以构建具备多维度筛选条件的自定义查询，执行跨数据集比较（如不同时间段的候选人池对比），并按地域聚合技能密度。这对于需要识别市场趋势和优化招聘策略的招聘团队至关重要。

Juicebox 调试诊断证据包

juicebox-debug-bundle

jeremylongshore/claude-code-plugins-plus-skills

本工具集旨在收集Juicebox平台的综合诊断证据。它可以获取API连接状态、数据集健康度、分析配额使用情况和速率限制信息，并将所有数据打包成一个诊断归档。适用于排查数据上传失败、AI分析任务卡顿、API认证错误或配额耗尽等复杂问题。

Juicebox AI集成部署服务

juicebox-deploy-integration

jeremylongshore/claude-code-plugins-plus-skills

本技能提供了一个完整的指南和实现，用于使用Docker部署生产级的容器化集成服务。该服务连接到Juicebox API，用于管理数据集、执行高级AI驱动的分析，并提取结构化的商业洞察。它包含健康检查和滚动更新机制，确保了可靠的实时数据处理和分析。

Juicebox API性能优化指南

juicebox-performance-tuning

jeremylongshore/claude-code-plugins-plus-skills

本指南提供了与Juicebox AI API交互的进阶优化策略。内容涵盖了实现缓存机制（设置TTL）、执行批处理操作、管理API限速以及优化大数据分块等关键最佳实践。掌握这些技巧，可以显著降低端到端分析时间，确保数据工作流的响应性和可扩展性。

QuTiP 量子系统模拟工具

K-Dense-AI/claude-scientific-skills

QuTiP 是一个面向开放与封闭量子系统的 Python 仿真工具，提供主方程、量子轨迹、可视化与分析模块，适合物理研究、教学实验与动力学探索。

TorchDrug 图神经工具集

K-Dense-AI/claude-scientific-skills

TorchDrug 是基于 PyTorch 的图神经网络工具箱，针对分子、蛋白质与生物知识图谱，支持性质预测、生成、逆合成与知识图谱推理，并提供丰富数据集与预设模型方便定制。

论文图表自动生成

wanshuiyin/Auto-claude-code-research-in-sleep

本技能用于根据原始实验数据（如CSV, JSON）自动生成用于学术论文的高质量图表和比较表格。它支持折线图、条形图、散点图、热图、箱线图等多种数据可视化类型，并确保图表风格（如DPI 300，PDF格式）的专业一致性。只需提供图表计划和数据，即可批量化生成论文所需的视觉材料。

Python 量子系统模拟工具箱

K-Dense-AI/scientific-agent-skills

QuTiP是一个强大的Python库，用于模拟和分析量子力学系统。它支持模拟闭合（幺正）和开放（耗散）量子系统，适用于研究量子光学、退相干和主方程等复杂物理过程。用户可以进行时间演化模拟、计算纠缠度和熵，并将结果在相空间或布洛赫球上可视化，是理论物理研究和学术教育的理想工具。

Python统计可视化库

K-Dense-AI/scientific-agent-skills

Seaborn是基于Matplotlib的Python高级数据可视化库，专为创建美观且统计丰富的图表而设计。它擅长探索多变量关系、可视化数据分布（如箱线图和小提琴图），能够用最少的代码生成面向数据集的统计图表。非常适合数据探索和生成高质量的出版级图表。

SHAP模型可解释性与可信赖性

K-Dense-AI/scientific-agent-skills

SHAP（Shapley加性解释）提供了一个基于博弈论的统一框架，用于解释复杂的机器学习模型。通过计算特征贡献度（Shapley值），它能够帮助用户理解模型做出特定预测的依据、分析潜在的模型偏差，并生成瀑布图等可视化结果，广泛应用于模型可解释性（XAI）领域。

药物发现深度学习工具箱

K-Dense-AI/scientific-agent-skills

TorchDrug是一个基于PyTorch的综合性机器学习工具箱，专注于分子和蛋白质科学。它利用图神经网络（GNNs）处理复杂的生物和化学任务，包括分子属性预测、蛋白质结构建模、药物靶点结合预测、知识图谱推理和新分子生成，旨在加速药物发现研究。

语言