下载

Skill UI

浏览并发现 9747+ 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

搜索标准化，共找到 117 条记录

默认排序最新上传最多下载

生成规范化提交信息

conventional-commit

github/awesome-copilot

该工作流指导开发者使用规范的Conventional Commits规范生成标准化、描述性的提交信息。它提供结构化的XML模板（包含类型、范围、描述、主体和页脚），并深度集成到Git工作流中，确保项目提交历史清晰、可追溯，便于自动化工具解析，适用于大型协作项目。

Copilot工作区：项目知识上下文

github/awesome-copilot

Copilot工作区用于汇集和管理项目特有的知识，包括文档、代码片段、架构标准和操作指南。通过加载工作区，Copilot能够基于整个项目的权威上下文来生成回复，而不仅仅是依靠通用知识。这极大地提高了问答的准确性、代码生成的合规性，并支持团队标准化的工作流，非常适用于新员工入职和大型项目维护。

C# 模型上下文服务器构建

csharp-mcp-server-generator

github/awesome-copilot

本技能旨在指导使用C#和.NET构建一个完整的、生产级别的模型上下文协议（MCP）服务器。内容涵盖了先进架构模式，如Host构建、依赖注入、结构化日志配置以及实现功能强大的工具。适用于构建需要标准化通信和工具调用能力的AI代理或复杂后端服务。

代码风格配置文件生成器

github/awesome-copilot

该工具旨在生成专业的.editorconfig配置文件，确保项目代码风格在所有不同的编辑器和IDE中保持高度一致性。它能分析项目结构和用户偏好，标准化缩进（如空格和制表符）、行尾字符、字符集和尾随空格等通用格式问题，是开发团队维护代码质量和版本控制标准化的关键辅助工具。

高级AI项目上下文架构

sickn33/antigravity-awesome-skills

FAF Expert是一款用于为复杂软件项目构建标准化、持久上下文的专业工具。它基于IANA注册的FAF格式，能将代码库转化为AI可理解的智能资产。适用于跨AI工具、企业级部署以及确保项目上下文在整个开发生命周期中的一致性。

数据库结构与关系探索

schema-exploration

本技能用于深入理解和探索数据库的整体结构。它支持列出所有可用表、根据自然语言提问进行智能表过滤，获取详细的表结构（包括列名、数据类型、主外键）以及表之间的关联关系。最终目的是生成标准化的M-Schema格式，为后续的复杂SQL查询编写提供精确的上下文模型。

分子化学信息学工具包

K-Dense-AI/scientific-agent-skills

Datamol是一个轻量级的Python化学信息学工具包，是对RDKit的简化封装。它提供了强大的分子结构标准化、理化描述符计算、指纹图谱生成、3D构象分析以及多格式（SMILES, SDF等）的读写能力。特别适用于药物发现和化学数据集的批量处理，支持并行计算和云端存储，极大地简化了分子计算流程。

DeepTools：高通量测序数据分析工具

K-Dense-AI/scientific-agent-skills

DeepTools是一个完整的命令行工具集，用于分析高通量测序数据。它支持对ChIP-seq、RNA-seq、ATAC-seq等多种实验进行质量控制（QC）、数据标准化、样本比较和高质量的可视化图谱生成。核心功能包括BAM文件到bigWig的转换，以及生成基因组区域的热图和谱图。

数字病理全玻片图像处理库

K-Dense-AI/scientific-agent-skills

Histolab是一个用于数字病理学领域的全玻片图像(WSI)处理Python库。它能够自动化处理复杂的病理学任务，包括加载多种WSI格式、进行精细的组织区域分割（生成二值掩码），以及从病理切片中提取高质量的、信息丰富的切块。该库支持随机、网格和评分等多重切块策略，非常适合为深度学习模型准备标准化数据集，加速病理研究流程。

Matchms：质谱相似性与代谢组学分析

K-Dense-AI/scientific-agent-skills

Matchms是一个功能强大的开源Python库，专用于质谱数据处理和构建分析流程。它可以支持导入多种格式的谱图数据，提供高级过滤功能以标准化数据，并计算多种谱图相似性得分（如余弦相似度）。该工具在代谢物鉴定、谱库搜索和构建可重复的代谢组学流程方面具有极高的应用价值。

临床深度学习医疗数据管道

K-Dense-AI/scientific-agent-skills

PyHealth是一个用于临床和医疗深度学习的模块化Python工具包。它提供了一个标准化的五阶段流程（数据集→任务→模型→训练器→指标），用于处理复杂的、多模态的医疗数据，包括电子病历、生理信号和医学影像。可用于预测死亡率、再入院风险、药物推荐或进行医学编码映射。

PyTDC：药物发现机器学习数据集

K-Dense-AI/scientific-agent-skills

PyTDC是一个开放科学平台，专门为药物发现和治疗领域提供标准化、可直接用于AI训练的权威数据集和基准。它支持单实例预测（如ADME、毒性）、多实例预测（药物-靶点相互作用DTI）以及分子生成等多种核心任务，是药物机器学习模型开发和性能评估的必备工具。

上一页 1 2 3 4 5 678 9 10 下一页

语言