SuperAPI AI 工具集找到适合任务的 Agent Skill，阅读介绍并复制安装命令。
更新于 10-28 00:17
17,076 个结果
该技能用于通过 GenSpectrum LAPIS API 查询实时病原体基因组监测数据，回答当前流行哪些病毒谱系、其增长快慢、谱系名称当前含义以及检测靶标是否仍然匹配等问题。它强调不凭记忆陈述流行情况或谱系名称，因为 Pango 命名是持续变化的实时数据结构，且部分名称会被撤回或重新指定。技能提供四个脚本：resolve_lineage.py 解析谱系名称是否仍存在及其展开与来源；lineage_prevalence.py 按周统计谱系占比与增长；mutation_profile.py 分析突变并比较谱系差异；reporting_lag.py 评估数据报告滞后以判断可信时间范围。支持 SARS-CoV-2、H5N1、流感、RSV、mpox 等多种病原体实例，字段名因实例而异，脚本在运行时读取数据库配置。适用于研究性监测数据分析，不产生临床解读或公共卫生建议，序列计数不等于病例数。
polars-bio 是一个基于 Polars、Apache Arrow 和 Apache DataFusion 构建的高性能 Python 库，用于基因组区间运算和生物信息学文件读写。它提供以 DataFrame 为中心的 API，支持 overlap、nearest、merge、coverage、complement、subtract 等区间算术，以及 BED、VCF、BAM、CRAM、GFF/GTF、FASTA、FASTQ 等常见格式的读写。该库支持流式/核外处理、云存储 I/O 和 DataFusion SQL 查询，官方称在真实基因组基准上比 bioframe 快 6-38 倍。
PyHealth 是一个用于临床深度学习的 Python 工具包，围绕电子健康记录（EHR）、生理信号和医学影像提供统一的模块化流程。其核心是五阶段流水线：Dataset → Task → Model → Trainer → Metrics，各阶段可替换且接口稳定。该技能覆盖加载 MIMIC-III/IV、eICU、OMOP-CDM、EHRShot、SleepEDF、SHHS、ISRUC、COVID19-CXR、ChestX-ray14、TUEV/TUAB 等数据集，支持死亡率、再入院、住院时长、药物推荐、睡眠分期、ICD 编码、EEG 事件和去标识化等预测任务，并提供 ICD-9-CM、ICD-10-CM、ATC、NDC、RxNorm、CCS 等医学编码的查询与交叉映射。安装需 Python ≥ 3.12 且 < 3.14，推荐使用 uv 管理环境。
PyOpenMS 是 OpenMS 库的 Python 绑定，用于计算质谱分析，支持蛋白质组学和代谢组学数据处理。可读写质谱文件格式、处理原始谱图、检测与定量特征、鉴定肽段和蛋白质，并运行端到端 LC-MS/MS 流程。该技能附带 scripts/ 目录下可直接运行的参数化 CLI 脚本，覆盖常见高层工作流，优先运行脚本而非编写新代码。安装命令为 uv pip install pyopenms，当前版本 3.5.0。
pysam 是一个用于基因组文件处理的 Python 库，基于 HTSlib/samtools/bcftools 构建，提供对 SAM/BAM/CRAM、VCF/BCF、FASTA/FASTQ 以及 tabix 索引表格等 HTSlib 支持格式的底层流式访问能力。它通过 AlignmentFile、AlignedSegment、VariantFile、VariantHeader、VariantRecord、FastaFile、FastxFile、TabixFile 等类，以及 pysam.samtools、pysam.bcftools 命令封装，支持读取、查询、过滤和写入基因组数据。当前上游基线为 pysam 0.24.0（2026 年 4 月 27 日），封装 HTSlib/samtools/bcftools 1.23.1。安装可使用 uv pip install "pysam==0.24.0"，支持的 macOS 和 Linux 平台提供预编译 wheel。使用前需明确文件格式、压缩方式、排序顺序和可用索引，注意数值坐标为 0 基半开区间，区域字符串为 1 基闭区间。适用于基因组数据分析、变异检测、序列处理等生物信息学场景。
Scanpy 是一个基于 AnnData 的可扩展 Python 单细胞 RNA 测序数据分析工具包，用于完成从质量控制、标准化、降维（PCA/UMAP/t-SNE）、聚类、标记基因识别、可视化到轨迹分析的完整单细胞工作流。当前稳定版本为 scanpy 1.12.x（2026 年 1 月），要求 Python 3.12+ 和 anndata ≥0.10。该技能提供了一套可直接运行的命令行脚本工具包，覆盖数据加载、QC、预处理、降维、批次校正、聚类、标记基因查找、细胞类型注释、基因集打分、pseudobulk 聚合、子集提取和绘图等常见步骤，并支持一条命令完成端到端流程。脚本以 .h5ad 为输入输出，可相互串联，每个脚本均带 --help。对于 R 原生对象（.rds、.RData、Seurat、SingleCellExperiment），需先用 R 工具转换为 .h5ad 再加载。
scikit-bio 是一个用于生物数据处理的 Python 库，覆盖序列操作、比对、系统发育、微生物生态与多元统计等分析场景。它提供 DNA、RNA、蛋白质等专用序列类，支持 FASTA、FASTQ、GenBank、Newick、BIOM 等 19 种以上生物文件格式的读写与自动识别；内置 pair_align 比对引擎（含 BLASTN/BLASTP 风格封装）、TabularMSA 多序列比对存储；可从距离矩阵构建系统发育树（NJ、UPGMA、GME、BME）并进行修剪、重根、Robinson-Foulds 比较等操作；提供 alpha/beta 多样性指标（Shannon、Faith's PD、UniFrac、Bray-Curtis 等）、PCoA/CCA/RDA 排序方法，以及 PERMANOVA、ANOSIM、Mantel 等生态统计检验。此外还支持 BIOM 特征表、蛋白质语言模型嵌入和距离矩阵操作。
scvi-tools 是一个基于 PyTorch 与 PyTorch Lightning 的单细胞基因组学概率模型 Python 框架，使用变分推断实现深度生成模型，用于分析多种单细胞数据模态。当前稳定版本为 scvi-tools 1.4.3（2026 年 5 月）。它提供统一的 API 模式（setup → train → extract），以 AnnData 为中心，可与 scanpy 生态无缝集成，并支持 GPU 加速。模型按数据模态组织：单细胞 RNA-seq（scVI、scANVI、AUTOZI、VeloVI、contrastiveVI 等）、染色质可及性（PeakVI、PoissonVI、scBasset）、多模态与多组学整合（totalVI、totalANVI、MultiVI、MrVI、DIAGVI）、空间转录组（DestVI、Stereoscope、Tangram、scVIVA）以及专门模态（MethylVI/MethylANVI、CytoVI、Solo、CellAssign）。核心模型位于 scvi.model 命名空间，多数其他模型位于 scvi.external。安装需 Python 3.12+，可用 uv pip install scvi-tools，GPU 支持使用 uv pip install "scvi-tools[cuda]"。
TileDB-VCF 是一个基于 TileDB 稀疏数组技术的高性能 C++ 库，提供 Python 与 CLI 接口，用于基因组变异调用数据的高效存储与检索。它支持 VCF/BCF 文件的规模化导入、无需昂贵合并操作的增量样本添加，以及对本地或云端（S3、Azure、GCS）变异数据的并行查询。该技能适合学习 TileDB-VCF 概念与工作流、基因组学分析与流水线原型开发、中小规模数据集（少于 1000 个样本）、需要向已有数据集增量添加样本、跨多样本高效查询特定基因组区域、处理云端存储的变异数据、导出大型 VCF 数据集子集、构建队列研究变异数据库，以及教学项目与方法开发等场景。
Waypoint 是 Outpost Bio 开源的一套用于微生物组的基础模型工具，包含三个基于 GPT-2 架构的因果语言模型检查点（Waypoint-6m、Waypoint-45m、Waypoint-170m）、Atlas 数据集（约 53.9 万个微生物组样本）和 Compass 基准（八项下游任务）。其核心思路是把微生物组样本视为“句子”，每个分类单元视为一个 token，按丰度 z-score 降序排列，用下一 token 预测训练。配套命令行工具 waypoint 提供 prepare-dataset、embed、finetune、benchmark、pretrain 五个子命令，支持将 16S/宏基因组分类谱嵌入为固定向量、微调预测表型或连续读数、在 Compass 上评分、以及在 Atlas 或自有语料上预训练。注意：标注样本少于约 1000 时，随机森林通常优于该模型；不在词汇表中的分类单元会被静默丢弃；该工具不适用于临床或诊断。
Keboola Data App Development 技能：面向使用 Streamlit 开发并部署到 Keboola 的数据应用，强调“校验→构建→验证”工作流，要求先通过 Keboola MCP 核对表结构与样例数据，再按 SQL 优先架构编写代码，最后用 Playwright 做可视化验证。
该技能通过已连接的 Kafka MCP 自动发现目标 topic、键值 schema 与集群连接信息，并生成可运行的 ShadowTraffic 配置，用于向 Kafka topic 灌入符合 schema 的合成数据。
针对 SQLite 预写日志（WAL）文件损坏、加密或无法访问时进行数据恢复的指导技能，强调只提取真实存在的数据、不得猜测或编造，并提供排查、分析与解密取证思路。
该技能为数据重分片（resharding）任务提供指导，主要针对需要按目录结构重新组织文件、同时满足文件大小上限和每目录条目数上限等约束的场景。其核心概念是约束的递归应用：当约束规定“每个目录最多 N 个文件或文件夹”时，该限制适用于输出结构中的所有目录，包括根目录、中间分组目录以及最终的分片/叶目录。技能强调在实现前进行约束算术验证，通过计算输出条目总数判断是否需要分层嵌套，并给出从输入分析、约束验证、层级结构设计、文件分发到重建元数据生成的完整流程，以及递归校验脚本模式和常见陷阱。
将 RStan（R 的 Stan 接口）代码转换为 PyStan（Python 的 Stan 接口）的指导技能，重点讲解两者 API 差异、超参数映射、样本提取形状差异及常见陷阱。
该技能提供在编译 SQLite 或类似 C/C++ 项目时启用 gcov 代码覆盖率插桩的指导，涵盖编译标志、.gcno/.gcda 文件生成机制、路径嵌入原理、GCOV_PREFIX 环境变量重定向、符号链接等策略，以及验证清单和常见陷阱。
ClawShire 公告数据查询技能，用于查询 A 股上市公司公告的结构化提取结果，支持按日期范围、证券代码和公告原文链接检索，服务地址为 https://api.clawshire.cn。
Codat 是一个统一业务数据 API，供贷款、保险和金融科技公司访问其小微企业客户的会计、银行与商业数据。该技能通过 Membrane CLI 连接 Codat，管理公司、账户、账单、发票、支付、供应商等数据。
Syniverse 集成技能，通过 Membrane CLI 连接 Syniverse 电信服务，管理账户、活动、消息与模板等数据并自动化工作流；适用于需要与 Syniverse 数据交互的场景，认证与凭证刷新由 Membrane 自动处理。
Effect 生态中基于值的数据结构与高性能集合技能，涵盖 Data.struct、Data.tuple、Data.array 的结构化相等比较，以及 Chunk、HashSet 等集合类型，用于安全比较与管道处理。
用于编写在 Azure SQL Database 上返回正确结果的 T-SQL，并识别无报错却结果错误的语句，如用 = 或 <> 与 NULL 比较、对可空列用 NOT IN、聚合忽略 NULL、整数除法截断等，同时纠正 PostgreSQL 习惯写法。
NIST隐私框架CONTROL功能的实施技能，覆盖CT.DM数据管理、CT.DP数据处理政策与流程、CT.PO去关联处理三类子类别，提供子类别实施指引、数据生命周期控制点、访问控制矩阵、去标识化技术选型、留存计划模板、审计日志要求及与ISO 27701、GDPR、NIST 800-53的映射。
围绕 NIST 隐私框架（1.0 版）IDENTIFY 功能的技能，覆盖业务环境（ID.BE）、数据行为（ID.DA）、持续改进（ID.IM）与风险评估（ID.RA）四类子类，提供分阶段实施工作流、成熟度评估与跨框架控制映射。
该技能用于落地 NIST 隐私框架 PROTECT 职能，覆盖 PR.AC 访问控制、PR.DS 数据安全与 PR.PO 保护性策略，提供身份与权限管理、加密标准、DLP 配置、网络分段及控制映射等技术实施指引。