implementing-data-minimization-architecture
面向 GDPR 第 5(1)(c) 条数据最小化与第 25(1) 条设计保护原则的架构模式技能，涵盖字段级加密、数据脱敏、假名化与匿名化等技术，并给出分层实施与评估方法。
Skill 广场
找到适合任务的 Agent Skill，阅读介绍并复制安装命令。
更新于 10-27 00:15
数据与分析
16,986 个结果
architectural-analysis
用于对代码库或其子目录进行用户触发的深度架构分析，覆盖信息架构、数据流、集成点、UI 表面、交互模式、数据模型、控制流、失败模式八种模式，产出以 mermaid 图表为主、带 path:line 引用的架构报告，并以仓库内文档为基准标注确认、漂移与缺口。
data-transform
基于 pandas、numpy 与 scikit-learn 的本地数据转换技能，可清洗、归一化、重塑、过滤和构造特征，兼容各类 LLM 提供方，在本地环境执行。
tcga-bulk-data-preprocessing-with-omicverse
用于处理 GDC 下载的 TCGA bulk RNA-seq 数据的 OmicVerse 技能：通过 ov.bulk.pyTCGA 读取样本表、表达档案与临床元数据，构建含 counts、FPKM、TPM 层的 AnnData，并做 Kaplan-Meier 生存分析。
cufolio
cuFOLIO 是一个基于 NVIDIA 加速的量化投资组合技能，用于从股价数据构建和分析 Mean-CVaR 投资组合，支持收益率计算、KDE 情景生成、cuOpt GPU 求解、有效前沿、回测与再平衡。
cuopt-numerical-optimization-api-c
基于 cuOpt 的 C API 求解 LP、MILP 及 QP（测试版）数值优化技能，适用于在 C/C++ 中嵌入线性或混合整数规划求解的场景。
cuopt-numerical-optimization-api-cli
基于 cuOpt 的命令行数值优化工具，可通过 cuopt_cli 读取 MPS 文件求解 LP、MILP 及测试版 QP 问题，支持时间限制、间隙容差等方法与求解选项，适合命令行批量求解优化模型的场景。
cuopt-routing-formulation
面向车辆路径问题的领域概念技能，梳理 TSP、VRP、PDP 的问题类型与数据需求，并列出澄清问题所需的关键提问，不涉及 API 或接口细节。
cupynumeric-parallel-data-load
cuPyNumeric 并行分片数据加载技能：用 Legate 手动划分任务，把分片 .npy、Parquet/Arrow、原始二进制、分片 HDF5 或自定义布局的磁盘数据集并行读入分布式 cuPyNumeric ndarray。
data-designer
data-designer 是用于创建数据集、生成合成数据或搭建数据生成流程的技能。它基于 Data Designer 库，可按描述构建合成数据集，支持交互与自动两种模式，适合需要合成数据或生成管线的场景。
dicom-metadata-extract
该技能用于从单个 DICOM 文件中提取指定元数据，并标记标准标签中是否存在 PHI。不适用于匿名化或临床使用。
dicom-series-to-volume
用于将单个 CT DICOM 序列文件夹转换为带 affine 证据的 HU NIfTI 体积，输出 .nii.gz 与 JSON 摘要。仅限单序列 CT，不支持多帧 DICOM 或压缩传输语法，不可用于临床。
earth2studio-deterministic-forecast
该技能用于指导用户使用 Earth2Studio 构建确定性（单成员）天气预报推理脚本，涉及模型选择、数据源兼容、IO 后端、nsteps 计算与生成运行脚本，不适用于集合预报、诊断、纯数据获取或安装。
earth2studio-discover
用于为天气/气候任务发现 Earth2Studio 的模型、数据源与示例的辅助技能。它依据实时文档和徽章元数据给出组件建议，不用于编写推理代码、下载数据或安装。
nemo-data-designer-plugin
该技能用于按描述创建合成数据集并构建数据生成流水线，基于 Data Designer 库工作，支持交互与自动两种模式。
nv-generate-mr
用于通过 NV-Generate-CTMR 的 rflow-mr 流程生成合成人体 MRI 体数据（仅图像，不含配套分割掩码）。属于研究/实验用途，需 NVIDIA GPU（至少 16GB 显存），权重为非商业许可，不可作为生产训练数据、临床诊断或监管提交。
nv-generate-mr-brain
nv-generate-mr-brain 是用于生成合成脑部 MRI 体积的薄封装技能，底层调用 NV-Generate-CTMR 的 rflow-mr-brain 扩散推理流程。仅产出图像、不含配对分割掩码，不可直接用作生产训练数据，也不可用于临床解读、诊断或监管申报。
nv-generate-mr-brain-finetune
用于从 NIfTI 数据列表微调 NV-Generate-CTMR 的 rflow-mr-brain 扩散 UNet 的技能，封装上游训练脚本并支持预检与推理。不适用于临床解读、监管用途或批准合成数据用于生产训练。
nv-generate-vae-finetune
用于从用户提供的 CT/MRI NIfTI 数据列表微调 NV-Generate-CTMR MAISI VAE/自编码器的技能，仅负责配置与数据列表的本地暂存和训练编排，不执行上游 notebook，也不用于临床解读、监管用途或批准合成数据用于生产训练。
nv-segment-ct
在 CT NIfTI 卷上运行 NV-Segment-CT VISTA3D 并记录标签图证据的技能包装器，输入为 ct_volume，输出为 label_map 与 result_json。仅用于工程验证，不作临床解读或诊断。
nv-segment-ct-finetune
用于在 CT NIfTI 标签上对 NV-Segment-CT VISTA3D 进行冒烟或数据集微调，封装上游 MONAI bundle 入口，不用于临床验证。需 Python 3.10+ 与 CUDA Torch，涉及 monai、numpy、nibabel 等依赖。
tao-analyze-gaps-visual-changenet
针对 NVIDIA TAO Visual ChangeNet (VCN) Classify 推理结果做差距分析的工具，它在容器内对二分类边界（PASS/NO_PASS）做阈值扫描与逐标签弱点打分，输出按光照展开的 kpi_gaps.parquet，便于后续补样与重标注。
tao-analyze-gaps-vlm-bcq
从 VLM 二分类问答（BCQ，是/否）预测中提取假阳性与假阴性缺口，用于后续 RCCA 迭代。读取预测 JSON，与真值对比后输出 FP/FN 失败样本及汇总报告。
tao-convert-dataset-format
该技能用于调用 tao-daft convert，将 NVIDIA TAO DAFT 数据集在受支持格式之间转换，并解释转换结果。仅适用于 DAFT 数据，不用于非 DAFT 到 DAFT 的转换。