pymatgen
pymatgen 是材料科学计算工具，用于处理成分、分子、周期结构、对称性、相图、电子结构及 VASP/Q-Chem 等计算文件，并可通过 mp-api 查询 Materials Project 数据。所有解析、转换与对称性结果均依赖方法与参数。
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
17,422 个结果
pymc
PyMC 贝叶斯建模技能，面向 PyMC 6.3.2、PyTensor 3.3.2、ArviZ 1.3.0，提供分层模型、NUTS MCMC、变分推断、后验预测与模型比较的可复现工作流与诊断辅助脚本。
pyopenms
PyOpenMS 是 OpenMS 的 Python 绑定，用于计算质谱分析，支持蛋白质组学与代谢组学数据处理，包括读写质谱文件格式、处理原始谱图、检测与定量特征、鉴定肽段和蛋白质，以及运行端到端 LC-MS/MS 流程。
pytdc
PyTDC（Therapeutics Data Commons）是用于治疗性机器学习任务的 Python 工具包，可发现任务、加载数据集、执行任务感知的数据划分、评估预测并访问基准组。本技能提供基于 PyTDC 1.1.15 的元数据发现、数据加载、评估与缓存审计脚本。
scientific-visualization
用于创建和审查真实、可访问、可发表的科研图表的技能，基于 Matplotlib、Seaborn 或 Plotly，适合图设计、多面板布局与投稿前核查。
scikit-bio
scikit-bio 是面向生物数据的 Python 工具包，用于序列读写与操作、序列比对、系统发育树构建与分析、微生物生态多样性（α/β、UniFrac）、排序分析（PCoA、CCA、RDA）及 PERMANOVA 等统计检验，支持 FASTA、FASTQ、GenBank、Newick、BIOM 等格式。
scvelo
scVelo 是一个用于单细胞 RNA 速率分析的 Python 工具，基于已剪接与未剪接计数拟合确定性或动力学模型，估计表达导数、基因相图与潜在时间，用于方向性轨迹假设。
scvi-tools
scvi-tools 是一套面向单细胞组学数据的概率建模工具，目标版本为 1.5.1。它提供多种按数据模态划分的模型类：SCVI 用于 RNA 批次整合，SCANVI 用于 RNA 注释，TOTALVI 处理 CITE-seq 的 RNA 与蛋白计数，MULTIVI 整合 RNA 与 ATAC，PEAKVI 处理 ATAC 可及性，此外还包括 POISSONVI、METHYLVI/METHYLANVI、CYTOVI、SysVI、VELOVI 等外部模型。使用流程围绕数据注册展开：先确认模态、原始计数来源、唯一细胞与特征 ID、特征顺序和批次元数据，完成 QC 与特征选择后再用 setup_anndata 或 setup_mudata 注册，随后创建并训练模型，检查验证历史、留出拟合、种子稳定性与批次混合情况，最后提取表示或模型特定归一化输出并保存。资料强调计数规则因模型而异，例如不能把原始 RNA 计数用于 SysVI，也不能用对数归一化数据反推计数。示例代码覆盖了基于未归一化计数的 SCVI 训练、潜表示提取、邻居图与 UMAP、Leiden 聚类、模型保存，以及归一化表达和差异表达输出。安装建议使用独立环境并固定版本，在长训练前先用小规模 CPU 拟合验证环境。资料说明简短合成拟合只能验证机制，不能证明收敛或生物学有效性，且不包含托管推理端点、认证或分页。
seaborn
用于创建 Seaborn 统计可视化的技能，配合 pandas 处理分布、变量关系、分类比较、回归展示与成对图等数据集导向绘图，强调统计估计与多面板图形的少量代码实现。
shap
基于 SHAP 0.52.0 的机器学习预测解释技能，指导选择解释器与掩码器、计算并校验特征归因，适用于树模型、线性模型、文本与图像等场景的模型行为审计。
statistical-analysis
面向科研数据的统计技能：指导选择检验、检查假设、计算效应量与功效，并给出 APA 风格报告；覆盖 t 检验、ANOVA、卡方、回归、相关与贝叶斯分析，配套假设检查脚本与示例工作流。
tiledbvcf
TileDB-VCF 用于以增量队列方式存储和检索基因组变异记录，支持单样本 VCF/BCF 导入、区域与样本查询、队列统计及子集导出。它不执行联合变异检测、关联检验或归一化，需配合 bcftools 等准备输入。
usfiscaldata
usfiscaldata 是一个用于查询美国财政部 Fiscal Data REST API 的技能，可获取联邦财政数据，如逐日国债、每日财政部报表、利率与汇率、国债拍卖和储蓄债券等，无需 API 密钥。
vaex
Vaex 是用于单机列式分析的科学计算工具，可在数据量超过内存时处理本地 HDF5 或 Arrow 等大型表格数据，支持表达式、虚拟列、延迟统计、分箱可视化与文件转换。
knap
Knap 是一个命令行 Markdown 模板渲染工具，用变量、过滤器和逻辑把 JSON 或 CSV 等结构化数据渲染成 Markdown 笔记，可用于批量生成 Obsidian 笔记、把网页内容转成笔记等场景。
analytics-tracking
用于规划、审计和优化分析追踪的营销技能，覆盖 GA4 配置、事件追踪、转化与数据质量，适用于网站与应用的跨渠道营销追踪。
schema-markup
用于实现与优化 Schema.org 结构化数据（JSON-LD）的技能，帮助生成富媒体搜索结果、提升搜索结果展示并支持生成式引擎优化（GEO）。涵盖类型选择、页面映射、实施与校验流程。
twitter-cards
用于编写、审查、实现和优化 X/Twitter 链接预览的 Twitter Card 元数据，涵盖 twitter:card、twitter:title、twitter:description、twitter:image 等标签及卡片类型选择。
trading-strategist
基于币安市场数据、技术分析指标与加密 RSS 情绪汇总，为加密货币生成数据驱动的交易策略，输出买卖/持有信号、进出场点、止损与仓位建议，并声明不构成投资建议。
schema-exploration
schema-exploration 是 langchain-ai/deepagents 中的数据库模式探索技能，用于列出数据表、描述列与数据类型、识别外键关系并梳理实体关联，适合回答“有哪些表”“某表有哪些列”“如何查询某指标”等问题。
langsmith-dataset
LangSmith 数据集技能：在 LangSmith 中创建、上传和管理评测数据集，支持 final_response、single_step、trajectory、rag 等类型，可通过 CLI 或 Python/JavaScript SDK 操作。
langsmith-trace
LangSmith 追踪技能，用于为应用接入 LangSmith 追踪，并通过 langsmith CLI 查询、筛选和导出 trace 与 run 数据，支持 LangChain/LangGraph 自动追踪及非 LangChain 框架的手动埋点。
langfuse
Langfuse 技能用于在 AI 应用开发中接入和使用 Langfuse，覆盖追踪、监控、数据集创建、实验运行与评估等常见工作流，并提供通过 CLI 访问 Langfuse 数据及查阅官方文档的方法。
lieflat-charts
Lieflat Charts 是一套模板驱动的数据可视化与报告生成 skill，可按 Lupi、Basics、Glance、Maps、Interactive gallery 的真实实现生成单文件 HTML 图表，也可从 12 套中英文整页报告模板生成 HTML 报告，默认输出图表而非报告。