登录
下载

Skill UI

浏览并发现 9916+ 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 RCE ，共找到 88 条记录
默认排序 最新上传 最多下载

证据驱动的深度研究工作流

research-ops
affaan-m/everything-claude-code
179
这是一个高级、结构化的研究流程，用于进行深度、多源证据的调查和分析。它能够整合当前公开信息和用户提供的背景，生成高度结构化的报告。该工作流明确区分了可验证的事实、用户证据、逻辑推论和可操作的建议，适用于复杂的比较分析或持续的趋势监测。
查看详情

元数据和日志推送到Monte Carlo

monte-carlo-push-ingestion
sickn33/antigravity-awesome-skills
458
该技能旨在帮助用户从任何数据仓库收集关键数据资产（包括元数据、数据血缘和查询日志），并通过推入式API直接发送到Monte Carlo。这解决了传统拉取收集器无法覆盖的场景，例如自定义血缘关系或缺失的查询历史记录。
查看详情

Segment 自动化工具

segment-automation
sickn33/antigravity-awesome-skills
345
通过 Rube MCP 和 Composio 的 Segment 工具链自动执行事件追踪、识别用户、分组、页面浏览、批量调用、别名合并及源配置操作，并在使用前先查询最新 schema 保障一致性。
查看详情

欧洲演员出生全名查询指南

actor-euro-french-wiki
EverMind-AI/EverOS
246
本指南教您如何查找欧洲演员（尤其是法语和东欧）的完整法定出生姓名。当英文资料或国际数据库只提供艺名时，本技巧侧重于使用法国维基百科等区域资源，结合特定的文化标识符（如“人民艺术家”），执行深度、定向搜索，确保获取准确的出生信息。
查看详情

利用数字定位学术论文

paper-numeric-anchor
EverMind-AI/EverOS
212
本技能指导用户如何为学术论文构建高精确度的搜索查询。用户不应仅依赖宽泛的主题关键词，而应优先结合论文中提及的具体数值锚点，例如精确的样本量、人口百分比、浓度值或年份范围，并将其与研究方法和学科关键词结合。使用这些数字锚点能极大地提高搜索结果的唯一性和准确性，从而精确定位所需的原始研究。
查看详情

板球运动员生涯数据验证

cricket-career-verify
EverMind-AI/EverOS
401
本技能用于全面验证候选板球运动员的职业生涯数据。通过交叉比对维基百科或Cricinfo等来源的结构化信息，可以确认包括出生日期、首次亮相的比赛细节（包括赛制、对手、得分）、生涯里程碑及效力球队等所有关键约束。特别注意区分ODI、T20I和Test等不同赛制，确保数据准确性。
查看详情

生物信息学数据服务集成包

bioservices
K-Dense-AI/scientific-agent-skills
317
BioServices是一个功能强大的Python库，为超过40个主流生物信息学数据库（如UniProt, KEGG, ChEMBL）提供了编程接口。它专为复杂的生物学数据工作流设计，支持跨数据库查询、进行物种间ID映射，并在统一的API下完成序列和通路分析。
查看详情

自主深度研究与报告生成

deep-dive
rohitg00/awesome-claude-code-toolkit
299
这是一个自主的深度研究系统，能够利用有向无环图（DAG）对复杂问题进行规划。它能并行执行多个子问题，进行知识空白分析和迭代，最终综合所有发现，生成结构化、全面的研究报告。适用于深度市场调研、学术文献回顾或需要多源数据支持的复杂问题分析。
查看详情

综合地理空间分析工具

geomaster
K-Dense-AI/scientific-agent-skills
255
这是一个全面的地理空间科学技能包，涵盖了遥感、GIS、空间统计和地球观测机器学习。它支持处理栅格、矢量、点云等多种数据类型（如Sentinel、Landsat），并集成了现代云原生工作流（STAC、COG）。适用于环境监测、城市规划和复杂的空间分析任务。
查看详情

系统资源检测与计算策略

get-available-resources
K-Dense-AI/scientific-agent-skills
364
本技能用于在进行任何计算密集型任务前，自动检测并报告系统所有的计算资源，包括CPU核心数、GPU支持（NVIDIA、AMD、Apple Silicon）、内存和磁盘空间。它不仅提供简单的资源指标，更生成包含战略性、上下文感知建议的JSON报告。这些建议能指导用户在数据分析或模型训练前，做出最佳的计算架构决策，例如是否需要采用Dask进行内存外计算，或选择最佳的并行处理参数。
查看详情

生物学数据谱系湖仓

lamindb
K-Dense-AI/scientific-agent-skills
401
LaminDB是一个开源的生物学领域谱系原生湖仓，用于管理和分析复杂的生物数据集和计算工作流。它使多种科学数据（如scRNA-seq, AnnData）具备可查询性、可追溯性并符合FAIR原则。核心功能包括强大的数据谱系跟踪、基于本体的注释和模式验证，支持在多云/本地存储系统上进行统一查询，适用于生物信息学研究。
查看详情

生物信息学工作流平台

latchbio-integration
K-Dense-AI/scientific-agent-skills
160
Latch是一个强大的Python框架，专为构建和部署可扩展的无服务器生物信息学工作流而设计。它允许用户使用Python装饰器定义复杂工作流，无缝集成Nextflow和Snakemake等主流工具，并通过LatchFile/LatchDir管理云数据。平台提供高级资源配置、GPU支持以及用于RNA-seq和AlphaFold等任务的预验证流程，确保计算生物学实验的高可重复性和效率。
查看详情
上一页12345678下一页
语言
简体中文
English