speckle-impl-autocad-civil3d
用于在 AutoCAD 或 Civil 3D 与 Speckle 之间交换图纸数据的技能，覆盖实体转换与 Civil 3D 基础设施对象处理，支持 AutoCAD 与 Civil 3D 2022–2026（仅 Windows）。
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 11-05 00:16
数据与分析
17,411 个结果
speckle-impl-connectors-overview
介绍 Speckle 连接器架构的技能资料，涵盖 DUI3 共享界面、ToSpeckle/ToHost 转换管线、代理系统、对象类型、标识与单位处理，以及各宿主工具（Revit、Rhino、AutoCAD、Tekla、Archicad 等）的发布/加载能力与限制。
speckle-impl-revit
用于在 Revit 与 Speckle 之间发送和接收 BIM 数据的技能，涵盖参数映射与坐标系配置。核心限制：接收端对象一律生成 Direct Shape，无法重建原生 Revit 构件；自定义属性和二维视图也不回传。
speckle-impl-sharp-sdk
面向 C#/.NET 开发者的 Speckle.Sdk 使用技能，指导用新 SDK 发送、接收和查询 Speckle 数据，避免新旧 SDK 混淆、缺少 IL Repack 依赖隔离等常见问题。
speckle-impl-versioning
用于管理 Speckle 版本（version/commit）的 Claude 技能：创建、查询、列表、更新消息、删除、跨模型移动版本，比较模型变更，实施回滚策略，以及用模型（branch）组织数据。强调版本不可变、使用新版术语、稳定标识符与分页。
webgpu-impl-buffer-upload
WebGPU 缓冲区与纹理的数据上传及回读技能，覆盖 CPU 到 GPU 上传路径选择、GPU 到 CPU 回读流程，以及 4/8/256 字节对齐规则，帮助避免未填充行距等导致的验证错误。
webgpu-syntax-buffers
WebGPU 缓冲区技能：讲解如何创建 GPUBuffer、选择合法的 GPUBufferUsage 标志组合、上传数据以及映射缓冲区供 CPU 访问，避免因非法用法组合触发 WebGPU 校验错误。
ray-dashboard
用于在本地知识库中安装、启动、升级或诊断“知识工作台”的本地网页仪表盘技能，包含总览、审核队列、进展看板、搜索与灵感速记，Markdown 仍为唯一真源，仅监听 127.0.0.1。
stock-price-updater
Stock Price Updater 是一个通过命令行运行的脚本工具，可将最新股市数据写入 Excel 文件，包含开盘价、最高价、最低价、收盘价、成交量与涨跌幅等字段，支持通过代码格式自动识别中国 A 股、港股、美股等市场。
pr-green
pr-green 是一个用于让 Pull Request 变绿的技能，可自动排查并修复 CI 检查失败，同时处理 PR 关联 Issue 的修正与关闭。支持交互模式与循环模式，通过 gh 命令分析 GitHub Actions 日志、运行本地 CI 脚本并定位根因。
rstudio-research-agent
RStudio Research Agent 是一个用于 R 科研工作流自动化的 Claude Code 技能，旨在帮助研究人员和数据科学家与 R 及 RStudio 环境交互，开展科学计算、统计分析与数据可视化。它主要提供四类能力：创建结构化的可复现 R 研究项目、在已有项目中运行 R 脚本与 RMarkdown 分析、调试 R 环境与依赖问题、生成达到出版质量的图表与报告。项目脚手架会建立标准的 data/scripts/results/reports 目录结构，可选初始化 Git，并通过 renv 管理包版本以保证可复现性，同时生成脚本与报告模板。它可运行参数化分析、返回结果表格与图形、生成 HTML/PDF 报告，并检查缺失包、解决库冲突、验证 R 版本兼容性。绘图方面支持 ggplot2 及多面板组合、PDF/PNG/SVG/TIFF 导出与色盲友好配色。该技能要求 R >= 4.0.0，支持 RStudio 与命令行 R，所有输出保存为文件。它包含 create-project、run-analysis、debug-env、generate-plots 四个可独立或组合调用的子技能。
cell-type-annotation
该技能是单细胞 RNA 测序（scRNA-seq）细胞类型注释的入口与决策技能，用于在任何注释操作前选择合适的注释路线，并实现其中的手工标记基因注释路线。它提供 A 至 D 四条路线：A 为基于经典标记基因的手工注释（使用 scanpy，可在默认沙盒中直接运行）；B 为 CellTypist 预训练模型迁移注释；C 为基于用户已标注参考数据的 popV 或 scvi-tools 集成迁移注释（需先安装）；D 为手工标记与自动迁移对比的逐步验证路线。技能强调聚类簇不等于细胞类型，要求至少两个共表达标记基因，使用 Cell Ontology 名称与明确的粒度，并通过预检访谈确定组织与状态、注释策略、参考图谱、标记面板、标签粒度、未解析簇处理与双细胞处理等事项。适用于常规组织的快速注释、大规模免疫或肺组织注释、新疾病状态或罕见细胞类型的多方法验证。空间转录组数据不在覆盖范围内，需转用相应空间注释技能。
multimodal-omics-integration
面向空间与单细胞组学的多模态、多切片整合技能：用 totalVI 联合建模同一斑点或细胞上的 RNA 与蛋白（Visium CytAssist Gene and Protein、CITE-seq），用 MultiVI 联合 RNA 与染色质可及性（10x Multiome、空间 ATAC-RNA），用 BBKNN 整合多个切片或样本，用 scanpy ingest 在新切片上迁移注释标签，用 sc.tl.score_genes 在组织上打分通路或细胞状态特征。
spatial-domain-detection
空间转录组学的空间域检测工具包，提供 SpaGCN（结合表达、空间图和 H&E 组织学）、GraphST（对比图嵌入）和 UTAG（单细胞分辨率）三种方法，用于将组织切片分割为空间上连贯的区域（如皮层分层、肿瘤核心与间质、生发中心）。每种方法为每个 spot 或细胞返回一个域标签，输出包括域标签、方法间一致性、域标记基因和域图。
spatial-mapping-tangram
Tangram（tangram-sc）是一个将单细胞 RNA 测序（scRNA-seq）数据映射到空间转录组数据（Visium、Slide-seq、MERFISH、Xenium）的技能。它通过拟合“细胞×空间位点”的概率矩阵，使映射后的单细胞表达能够重现共享训练基因的空间表达。基于该矩阵可完成三类任务：计算每个空间位点的细胞类型比例、预测 panel 未测量或受 dropout 影响的基因表达、以及结合组织学图像为每个分割细胞核分配细胞类型。由于映射总会收敛，该技能强调在报告结果前用留出基因进行验证，并要求参考数据与切片来自同一组织与状态且共享信息基因。
spatial-panel-design
spatial-panel-design 是一个用于空间转录组基因 panel 设计的技能，面向 Xenium、MERFISH、CosMx 等基于成像的平台，目标是选出恰好 N 个基因，使这些基因能够支持识别目标组织的每一种主要细胞类型。该技能通过代码构建证据，包括参考数据集差异表达标记、PanglaoDB 标记和 CellMarker 2.0 标记，然后由智能体根据证据表做最终选择，并为每个基因写明入选理由。输出包括逐基因证据表和 final_gene_panel.csv。适用于设计自定义 panel、为厂商基础 panel 补充基因、检查候选 panel 能否区分所需细胞类型，以及记录每个基因的选取依据。
spatial-transcriptomics-analysis-squidpy
该技能基于 Squidpy 库，针对已注释的空间转录组数据（如单细胞或 Visium 数据）执行空间统计与图分析。核心流程包括构建空间邻接图（支持 kNN、半径、Delaunay、Visium 网格），计算邻域富集（识别细胞类型是否显著相邻或回避）、共现距离范围、交互矩阵与中心性分数、Ripley 统计量（判断聚集/随机/分散）、空间自相关（Moran's I 或 Geary's C 寻找空间可变基因），以及配体-受体置换检验。每个模块独立运行并输出 CSV 文件。使用前需准备含 obsm["spatial"] 和已对数归一化 X 的 AnnData 对象，以及 obs 中的分类标签列。安装依赖 squidpy、omnipath、scanpy 等。
spatial-transcriptomics-cell-cell-communication
该技能用于空间转录组数据的细胞间通讯分析，特别是配体-受体（ligand-receptor，LR）相互作用推断。它默认使用 LIANA 共识方法（也可选用 CellPhoneDB v5 统计方法）对已注释的细胞类型进行 LR 配对排序，将结果整合为统一表格，再结合空间邻域富集分析筛选出空间上相邻的细胞类型之间的相互作用，并在组织每个位置上评估 LR 共表达情况，最终按用户关注的通路（如免疫检查点、趋化因子、Notch、Wnt、TGF-beta 等）将候选互作分类为不同的证据等级。该技能还支持多样本或不同条件之间的通讯差异比较、MISTy 邻域解释，以及文献证据支持步骤。需要注意的是，配体与受体的表达本身不能证明信号传递，所有结果均为候选。
spatial-transcriptomics-cell-type-annotation
该技能用于单细胞分辨率空间转录组数据的细胞类型与组织生态位注释，适用于 Xenium、MERFISH、CosMx、SeqFISH 等基于成像的平台。流程为：从 CELLxGENE 检索与组织及状态匹配的 scRNA-seq 参考数据，经 Harmony 整合后用分类器迁移标签，并结合面板自身标志基因逐一命名聚类，输出含每细胞标签、置信度和生态位的 AnnData 及证据表。使用前需区分平台：单细胞分辨率数据走本技能，Visium 等斑点数据应改用反卷积技能。依赖 scanpy、cellxgene-census、harmonypy、scikit-learn，生态位分析另需 squidpy。
spatial-transcriptomics-deconvolution-cell2location
该技能用于基于 spot 的空间转录组数据（Visium、Slide-seq、ST）的细胞类型去卷积，核心工具为 cell2location。它从 scRNA-seq 参考数据中学习各细胞类型的表达特征，再将每个 spot 的计数解释为这些特征的混合，输出每个 spot 各细胞类型的估计细胞数与比例，并可在组织切片图上展示。技能包含加载 Space Ranger 输出、准备参考数据、拟合参考特征、拟合空间模型、导出丰度与比例、以标记基因校验结果等步骤，需提供组织与状态、参考数据来源、每 spot 细胞数等前置信息。
trajectory-inference
该技能用于单细胞与空间转录组数据的轨迹推断和细胞命运映射。核心流程分三层，每层可选叠加在前一层之上：PAGA 图加扩散伪时间（DPT）给出簇间连接关系和伪时间；scVelo 利用 spliced 与 unspliced 计数计算 RNA 速率（velocity），得到每个细胞的变化方向；CellRank 2 基于速率或伪时间核推断终末状态、命运概率和驱动基因。对空间数据，还可把伪时间和命运概率映射到组织坐标，并用 Moran's I 检查推断出的排序是否在空间上呈组织化分布。输出包括 PAGA 邻接矩阵、命运概率、谱系驱动基因、带伪时间与速率层的 h5ad 文件及多张图。注意：Xenium、MERFISH、CosMx 等成像平台只计数探针、不区分内含子，因此无法计算 RNA 速率。
r-data-science
面向 R 语言的数据科学与统计分析技能，以 tidyverse 为主、SQL 为辅，强调函数式编程与可复现研究。适用于用 R 分析数据、编写脚本、构建管道与数据库查询等场景。
tinyworld-runtime-state
这是 Tiny World Builder（一款浏览器端 3D 世界构建器）中的运行时持久化状态技能说明，用于指导新增或修改 localStorage 持久化状态，包括设置默认值、音频、相机/轨道视图、面板位置、功能开关及“Save Defaults”默认值发布流程。文档说明了 tinyworld:* 键的读写约定、云端存档与分享、资产同步、多人房间临时状态，以及排除清单、面板位置用相对百分比、内联脚本属性要求、导出与 saveState 保持一致的验证要点。
umami-setup
将 Umami 分析接入 Web 应用的技能：在文档 head 注入 tracker 脚本，可选 Core Web Vitals 与会话录制器，全部通过环境变量开关控制，未设置则不注入脚本、不产生任何 Umami 网络请求。