medchem
Medchem 是一个用于药物发现流程的 Python 分子过滤与优先级排序库，可应用 Lipinski、Veber 等成药性规则、PAINS 与结构警报、复杂度指标，对化合物库进行大规模筛选和先导优化排序。
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 10-28 00:17
数据与分析
17,042 个结果
opentargets-database
Open Targets Platform 是一个用于系统性识别和优先排序潜在药物靶点的综合资源，整合人类遗传学、组学、文献与化学数据，构建并评分靶点-疾病关联。该技能通过 GraphQL API 提供编程访问，涵盖靶点注释、疾病-靶点关联、多类型证据、已知药物与药物信息查询。
pytorch-lightning
PyTorch Lightning 深度学习框架技能，用于把 PyTorch 代码组织为 LightningModule，配置 Trainer 实现多 GPU/TPU 训练，并用 LightningDataModule 管理数据管线。
vaex
Vaex 是一个面向超大规模表格数据的高性能 Python 库，采用惰性求值与核外（out-of-core）DataFrame 设计，可处理和分析超出可用内存的表格数据集。资料称其每秒可处理超过十亿行，支持对数十亿行数据进行交互式探索与分析。它适用于大于内存（从 GB 到 TB 级）的表格数据、对海量数据做快速统计聚合、为大数据创建可视化与热力图、在大数据上构建机器学习流水线、在 CSV、HDF5、Arrow、Parquet 等格式间转换，以及需要惰性求值和虚拟列以避免内存开销的场景，例如天文数据、金融时间序列等大规模科学数据。核心能力涵盖六个方面：DataFrame 与数据加载、数据处理与操作、性能与优化、数据可视化、机器学习集成、I/O 操作。典型用法是先通过 vaex.open 打开文件或从 pandas/NumPy 等创建 DataFrame，再用虚拟列、筛选与聚合进行计算，最后可视化或导出为 HDF5 等格式。
depmap-crispr-essentiality
针对 DepMap CRISPR 基因效应（Chronos）数据的分析技能，重点解决必需性（essentiality）符号约定与逐基因 NaN 安全 Spearman 相关问题，含数据加载、对齐和常见陷阱说明。
aggregating-performance-metrics
该技能用于将应用、系统、数据库、缓存与服务的性能指标集中聚合到 Prometheus、StatsD 或 CloudWatch，并统一命名规范，帮助 Claude 完成指标分类设计、聚合工具选型、采集配置、仪表盘与告警设置。
analyzing-nft-rarity
用于分析 NFT 系列稀有度的技能，可从 OpenSea API 获取元数据、解析特征属性、按多种算法计算稀有度并对代币排名，支持导出 JSON 与 CSV。
chart-type-recommender
chart-type-recommender 是 Data Analytics 领域的自动激活技能，用于辅助图表类型推荐相关任务。当请求中提到该名称或询问相关模式与最佳实践时自动触发，提供分步指导、生成配置与代码并做校验。
feature-engineering-helper
Feature Engineering Helper 是 ML Training 领域的自动激活技能，用于辅助特征工程相关任务。当请求中提及该技能名称或询问其特征工程模式与最佳实践时自动触发，提供分步指导、生成配置与代码并校验输出。
model-evaluation-metrics
该技能为 ML Training 领域的模型评估指标任务提供自动化辅助，当请求中提及“model evaluation metrics”或需要相关模式与最佳实践时自动激活，帮助生成配置与代码并做基本验证。
optimizing-sql-queries
该技能用于 SQL 查询优化：输入慢查询与执行计划，识别反模式并重写查询，输出优化后的 SQL、前后执行计划对比、索引建议与性能指标，支持 PostgreSQL 和 MySQL。
sklearn-pipeline-builder
sklearn-pipeline-builder 是一个面向机器学习训练领域的自动激活技能，用于协助构建 scikit-learn 管道（pipeline）相关任务，提供分步指导、最佳实践与配置生成。当请求中提到该名称或询问相关模式时自动触发。
visualization-best-practices
该技能为数据分析领域的可视化最佳实践提供自动化辅助，在请求中提及“visualization best practices”等关键词时自动激活，输出分步指导、配置与代码、最佳实践建议及校验结果。
pymatgen
pymatgen 是一个用于材料与分子科学计算的 Python 库，可对组分、分子、周期性晶体结构、计算条目、对称性、相图、电子结构以及电子结构计算软件文件进行解析、验证、转换与变换。它支持 CIF、POSCAR、XYZ、JSON 等格式互转，提供对称性容差扫描、结构变换与溯源、本地相图生成、VASP 与 Q-Chem 文件读写，以及 Materials Project API 客户端（mp-api）。该技能强调方法依赖性与可复现性：所有解析、转换、对称性指派和数据库结果都需记录参数、单位、坐标模式与警告，并保留产物清单。安装需 Python 3.11+，通过 uv 固定 pymatgen、pymatgen-core 与 mp-api 版本。
shijian-renshilun
一个面向“分析瘫痪”与“盲目行动”情境的思维方法论技能，基于《实践论》整理“实践—认识—再实践—再认识”的螺旋循环框架，用于判断当前所处认知阶段并推动从实践到总结、从理论到验证的下一步行动。
shishiqiushi-sigao
处理杂乱信息的决策辅助技能：把用户反馈、竞品数据、市场报告等原始材料，经去粗取精、去伪存真、由此及彼、由表及里四步加工，转化为可决策的结论。
data-pipeline
用于构建与加固数据流水线的技能：为 ETL、数据摄取、cron、队列任务引入幂等性、原子写入、数据契约与死信处理，防止重试重复计数、半写损坏、schema 漂移等静默失败。
dotnet-testing-bogus-fake-data
用于 .NET 测试的 Bogus 假资料产生技能，可生成姓名、地址、电话、Email、公司等拟真测试数据，涵盖 Faker 类别、多语言、自定义规则与大量数据产生。
us-stock-analysis
用于美股分析的中文技能，支持基本面、技术面、同业比较并生成投资报告。它通过联网搜索获取实时行情与财务数据，按参考框架整理指标、趋势、支撑阻力和风险，输出表格化结论；资料未提供安装命令、价格与运行平台信息。
dual-write
dual-write 是一种双重写入（双写）数据迁移模式，通过在每次变更时同时写入新旧两个数据存储，实现带回滚保障的渐进式迁移。适用于数据库或存储后端切换、零停机迁移、多数据源写入代码审查等场合；需要与影子读取、回填、对账等配套手段结合使用。
multi-source-data-merger
该技能用于将 JSON、CSV、Parquet、XML 等多种异构数据源合并为统一数据集，涵盖读取不同格式、字段名映射、按来源优先级解决冲突，并生成合并结果与冲突报告。
query-optimize
面向 SQL 查询优化任务的技能，强调先建立性能基线、分析查询计划，再迭代改写查询。适用于排查慢查询、提升数据库性能与重写 SQL，覆盖 SQLite、PostgreSQL、MySQL 的差异与验证方法。
ln-76-architecture-migration-planner
用于规划系统架构迁移的技能：从有证据的现状到明确目标，覆盖兼容性、数据搬迁、分批上线与回滚。只产出迁移文档，不执行迁移、不改产品代码、不生成通用任务计划，也不负责交付审批。
ln-812-query-optimizer
ln-812-query-optimizer 是 claude-code-skills 中的 L3 优化技能，用于修复查询效率问题，包括 N+1 查询、重复获取、过度获取和无界查询，并通过测试以保留/丢弃模式逐项验证修复。