benchling-integration
Benchling 生命科学研发平台集成技能,通过 Python SDK 与 REST API 访问注册表(DNA、蛋白质)、库存、电子实验记录本、工作流,构建 Benchling Apps、查询数据仓库并配置事件驱动集成。
找到适合任务的 Agent Skill,阅读介绍并复制安装命令。
更新于 11-02 00:09
39,195 个结果
Benchling 生命科学研发平台集成技能,通过 Python SDK 与 REST API 访问注册表(DNA、蛋白质)、库存、电子实验记录本、工作流,构建 Benchling Apps、查询数据仓库并配置事件驱动集成。
Clerk 认证的破坏性变更与错误预防指南,覆盖 API 2025-11-10 计费端点迁移、Next.js v6 异步 auth()、自定义 OAuth 的 PKCE、JWT 大小限制与测试方法。
gget 是一个命令行与 Python 生物信息学工具包,统一访问 20 多个基因组数据库和分析方法,可查询基因信息、序列、蛋白结构、表达与疾病关联,并支持 BLAST 等快速检索。
n8n-code-python 是一份面向 n8n Code 节点中编写 Python 代码的专家指导技能。它强调优先使用 JavaScript(覆盖约 95% 场景),仅在需要特定 Python 标准库函数、更熟悉 Python 语法或更适合用 Python 做数据转换时才使用 Python。内容涵盖 Python Code 节点(Beta)的快速上手模板、数据访问方式(_input.all()、_input.first()、_input.item、_node)、两种执行模式(Run Once for All Items 与 Run Once for Each Item)、Python Beta 与 Native 两种模式的区别、返回格式要求(必须返回 [{"json": {...}}])、Webhook 数据嵌套在 ["body"] 下的关键规则、仅限标准库(无 requests、pandas、numpy 等外部库)的限制及替代方案,以及常见错误防范、常用模式、标准库参考和最佳实践。
Zarr Python 是用于存储大规模 N 维数组的 Python 库,支持分块与压缩、并行 I/O 及 S3/GCS 等云存储,可与 NumPy、Dask、Xarray 配合使用,面向大规模科学计算场景。
用于配置 Python 库打包的技能:以单一 pyproject.toml 为唯一打包配置,选择 PEP 517 构建后端,采用 src/ 布局,用 uv 管理依赖并提交 uv.lock,并验证生成的 sdist 与 wheel 内容,避免 py.typed、数据文件等声明的文件在 wheel 中缺失。
该技能用于把单个 issue 或指令集拆分为可独立实现的部分,借助 Claude Workflow 工具并行开发,最终合并到同一分支并验证。它不负责润色或创建 PR,需后续运行 polish 和 ready-pr。
Payroc Boarding API 技能:引导开发者通过 POST /v1/merchant-platforms 创建新的商户平台记录,涵盖获取令牌、构建请求体、提交与错误处理。
这是一个面向 Godot 4.x 的 2D 玩法开发技能,用于实现和调试逐帧操作手感相关的核心机制,包括 CharacterBody2D 移动、平台跳跃与俯视角物理、TileMapLayer 关卡、动画、碰撞体与受击判定等。它强调先读取项目现有的 scene、输入、物理层与组件约定,再给出适配模式的代码,并要求在物理帧内处理移动、用输入映射而非硬编码按键、按可量化指标调参,最后通过运行场景与测试验证边界情况。
面向音乐视频生成前的专业导演构思与分镜设计技能:依据歌曲音频、曲风、歌词与视觉参考,确定歌曲命题、情绪运动、声画关系和段落结构,输出导演分镜卡、宫格分镜及供下游提示词技能使用的交接材料,不负责模型提示词优化或图片视频生成。
面向代码仓库所有编辑与规划的工作流技能,覆盖代码、文档、配置和测试改动,也可用于从任务跟踪器中选择下一个任务。它强调读取本地约定、明确范围、评估方案、按需制定计划和验证,并按风险选择检查项。
用于构建 Web 应用时接入 Ping Orchestration JavaScript SDK(原 ForgeRock JavaScript SDK)的引导技能。通过三步向导确定认证流程与前端框架,再生成代码或交接给对应子技能,涵盖 Journey、DaVinci 与 OIDC 集中登录三种流程。
这是一个用于调试与问题解决的原则技能,适用于两个或更多共享同一前提的修复在同一个验收关口失败的情形。它要求先把所有失败修复共同假设的那句话写下来,直接设计观察来检验该前提是否成立,再决定下一步,而不是继续在同一前提下叠加第三个修复。该技能只提供原则与操作模式,不包含代码或工具。
该技能提出“边界纪律”原则:把校验、类型收窄与错误处理集中在系统边界(CLI 参数、配置文件、网络协议、外部 API),系统内部无条件信任类型与内部代码,业务逻辑写在无框架依赖的纯函数中,外壳保持轻薄机械。适用于接线校验、错误处理或框架适配器时使用。
这是一条关于领域建模的编码原则技能,适用于编写有状态逻辑,或代码分支过多、在多个文件中重复出现同一种形状假设的场景。其核心主张是把真实领域编码进数据结构,而不是把领域规则散落在条件判断里:与领域匹配的结构能让非法状态无法表示,并删除大量分支。技能建议在编写时选择合适结构(成本低),否则事后恢复往往被视为重构而被推迟。可考虑的结构包括状态机、类型化模型、映射/注册表/查找表/可辨识联合、reducer 或命令/事件模型、围绕单一领域知识组织的模块、聚合重复行为与不变量的模块边界,以及队列、缓存、索引、图、树、规范化集合等。同时强调不要强行抽象:若当前形状已清晰、局部且不太可能增长,宁可保留朴素代码;对只增加间接层却不消除分支、重复规则、非法状态或生命周期风险的抽象应保持怀疑。
SDL-MCP(Symbol Delta Ledger)是一款以策略为中心的上下文预算层工具,属于 MCP Skills 集合,用于为 AI 编程智能体将庞大的代码库转换为紧凑、高信号的上下文。它通过将代码索引为可搜索的符号图,并借助 Iris Gate Ladder 升级系统精确提供合适的上下文量,可带来 4-20 倍的 token 节省。其核心能力包括:符号卡片(每个函数、类、接口、类型和变量生成约 100 token 的元数据记录,替代约 2000 token 的原始代码)、图切片(沿依赖图而非目录边界获取 token 预算内最相关的符号)、四层上下文升级、Delta Packs 与影响半径(语义变更智能)、实时索引(反映未保存的编辑器改动)以及按任务形态检索(为 debug/review/implement/explain 任务选择合适层级)。安装需要 Node.js 24+,支持全局安装(npm install -g sdl-mcp)或 npx 使用,可作为 MCP 服务器接入 Claude Desktop 等客户端。
RHDH Pull Request 是一个用于发布已验证变更的技能,面向 rhdh-plugins 或 community-plugins 仓库。它负责检测仓库与受影响的工作区、运行仓库构建流水线、生成 changeset、提交并推送代码、创建拉取请求、上传提供的录制文件,以及更新关联的 GitHub issue。该技能不诊断或修改产品代码,也不实现修复或功能;若验证暴露产品代码失败,会停止并将失败交回产生变更的技能。所有外部写入操作(推送、上传、创建 PR、更新 issue)都需先完整声明目标、命令与变更预览并获得批准,无自动批准模式。
write-readme 是一个用于按 Remix 仓库风格撰写或重写包 README 文件的技能。它把 README 定位为面向真实用户的简洁包文档,而非营销文案或 API 堆砌,要求先阅读包 API 与同类包的 README,再按固定结构组织内容:以简短包名作标题、一两句简介、扁平化的 Features 列表、Installation、贴近生产环境的 Usage 示例、每个主要功能一节示例、Related Packages、Related Work 与 License。规则上强调安装始终以 npm i remix 开头,第三方依赖或 peer 要在其后显式列出;示例从 remix/... 导入而非 @remix-run/...;首个示例应像真实应用代码;跨文件或跨包链接使用完整 GitHub URL,同文档锚点与自链接保持相对路径;正文紧凑,不为了控制行宽而在句子中间人为换行,优先使用扁平列表和短段落。适用于起草新包 README、修订已有 README 等场景。
面向 Motoko 包维护的自动化操作手册,指导 AI 智能体依次完成依赖升级、编译器告警修复、测试与基准运行、CHANGELOG 更新、文档与 README 完善、代码格式化以及 CI 与版本化发布分支的准备。适用于 MOPS 上发布的 Motoko 包的周期性依赖升级、发布前维护,或用户要求“更新依赖”“维护包”“准备发布”的场景。
这是一个用于自动提交代码变更并创建或更新 GitHub Pull Request 的技能。它会在当前协调器中运行,不派发 worker。其核心流程是:读取仓库状态、当前分支、目标变更文件、远程仓库、默认分支以及当前提交已有的开放 PR,然后根据请求选择路径——仅需描述时只生成标题和正文,不修改远程仓库;已有 PR 时推送限定范围的提交,并在请求包含时更新正文;无 PR 时先创建功能分支再提交、推送并创建 PR。该技能只暂存明确指定的文件,避免混入无关改动;撰写描述时基于完整变更范围而非最新一次提交,先讲结果,再说明验证情况或限制。推送或创建前会重新检查分支与已有 PR 状态,若状态仍未知则停止并报告阻塞,防止产生重复 PR。正文通过临时文件应用,便于保留原始内容。限制方面:仅描述请求是只读的;不授权暂存无关工作、重写他人工作、合并或修改远程设置;不添加生成声明、作者身份声明或共同作者署名;未捕获到输出则不声称检查已运行。输出先给出 PR URL 或草拟的标题,并说明分支、提交、验证证据和已知限制。
该技能面向在 Spring Boot 3 中实现 Kafka、RabbitMQ、Pulsar 或 JMS 生产者与消费者的场景,提供事件驱动消息的设计与实现规范。内容涵盖事件契约、幂等性、重试、死信处理等主题,强调在系统未证明更强语义前按至少一次投递进行设计。技能给出事件信封字段(eventId、eventType、occurredAt、schemaVersion、payload)、生产者规则(状态持久化后再发布、事务性发件箱、确定性分区键、显式配置投递超时与确认)、消费者规则(幂等处理、事务边界、失败分类、有界重试与死信路由、保留原始事件与失败原因以便重放),以及测试要求(序列化兼容性、处理器幂等性、Testcontainers 集成测试、重复/乱序/延迟/毒消息测试)。同时列出常见陷阱,如误以为代理支持事务即端到端恰好一次、对校验失败无限重试、在数据库事务内直接发布、使用随机分区键、直接反序列化为 JPA 实体等。
该技能用于在开展任何 Runway API 集成工作之前,从官方文档地址 https://docs.dev.runwayml.com/api/ 获取最新的 API 参考,并将其作为权威依据。它强调 Runway API 的模型、端点、请求/响应结构和版本可能发生变化,因此应使用实时文档而非缓存或本地摘要。技能说明了获取步骤、使用时机(编写或建议集成代码前、用户报告可能由 API 变更引起的错误时)以及重新获取的条件,并指出 API 基础地址为 https://api.dev.runwayml.com,请求需携带 Authorization: Bearer <RUNWAYML_API_SECRET> 和 X-Runway-Version: 2024-11-06(或所获取文档中声明的版本)。获取后可继续配合相关集成技能(如视频、图像、音频、上传、角色、文档、角色嵌入等)进行实现。
Runway 官方技能集成助手,用于帮助开发者将 Runway 视频生成 API 接入服务端代码。该技能支持文生视频、图生视频、视频转视频以及角色表演等多种生成方式,覆盖 gen4.5、gen4_turbo、gen4_aleph、veo3、veo3.1、veo3.1_fast、act_two 等多个模型。它提供 Node.js 与 Python SDK 的调用示例、Express、Next.js、FastAPI 等常见框架的路由实现范例,并说明模型选择建议、常用参数、文件上传处理、输出下载与错误处理等集成模式,适合需要在后端代码中构建视频生成功能的开发场景。
cc-defensive-programming 是一个防御性编程检查与实施技能,源自 ryanthedev/code-foundations,基于《Code Complete》的防御性编程规则。它通过四项核心检查(断言中不含可执行代码、禁止空 catch 块、外部输入在入口处验证、断言仅用于程序缺陷)来防止小故障演变为难以诊断的静默错误。技能提供 CHECKER 和 APPLIER 两种模式:前者按清单逐项审查代码并输出违规、警告或通过状态;后者生成断言放置、错误处理策略、隔离墙架构和验证实现。内容涵盖断言与错误处理的选择、正确性与健壮性的权衡、隔离墙设计、错误处理策略选项以及现代错误传播模式(async/await、回调、Promise.all、事件处理器)。适用于代码审查、错误处理架构设计和输入验证策略制定,安全关键代码永不豁免。