distill
distill 是一个用于从现有代码库中提取 Allium 规格说明的技能,属于 juxt/allium 项目。它指导使用者把代码中已实现的领域行为逆向蒸馏为规格,区分类别级设计决策与实现细节,避免把基础设施、遗留代码和偶然实现写入规格。
找到适合任务的 Agent Skill,阅读介绍并复制安装命令。
更新于 11-21 00:15
54,051 个结果
distill 是一个用于从现有代码库中提取 Allium 规格说明的技能,属于 juxt/allium 项目。它指导使用者把代码中已实现的领域行为逆向蒸馏为规格,区分类别级设计决策与实现细节,避免把基础设施、遗留代码和偶然实现写入规格。
elicit 是 juxt/allium 项目中的一项技能,通过对话引导用户完成结构化发现会话,从零构建 Allium 规格说明,帮助暴露歧义并产出描述软件行为的规格。
Tend 是 Allium 规范维护技能,用于编写、编辑、更新、改进、澄清、重构、修复或迁移 .allium 规范文件,负责规范文件的健康与完整性,支持交互与非交互两种运行模式。
requirements-analysis 是一个用于诊断软件项目需求问题的技能,帮助独立开发者区分表面诉求与真实问题、发现真实约束,并避免过早陷入解决方案思维。
用于批量 RNA-seq 的基因水平差异表达前处理技能:校验样本表、执行 FastQC/修剪/比对或定量(nf-core/rnaseq、STAR、Salmon、featureCounts),并把定量结果整理成 PyDESeq2 可用的 counts 矩阵与元数据。
DiffDock 技能用于预测蛋白质与小分子的结合构象,基于 DiffDock 与 DiffDock-L 从 PDB 或序列加 SMILES/SDF/MOL2 生成候选配体姿态并按模型置信度排序,支持单对、批量与多构象对接,置信度仅用于姿态分诊而非结合亲和力。
ETE 4.4.0 的树分析技能:读取 Newick/Nexus 树,进行注释、拓扑编辑、生根、剪枝与写回,比较拓扑与系统发育距离,用 TreePattern、PhyloTree、NCBI/GTDB 分类查询及 SmartView 可视化处理层次树数据。
FluidSim 技能:面向有界计算流体力学仿真,规划、配置、校验、检查、重启并分析基于 Python 求解器的数值模拟,强调数值有效性与 HPC 安全,不把运行完成或曲线平滑当作收敛或物理正确。
指导 Ginkgo Bioworks Cloud Lab(cloud.ginkgo.bio)的协议选择、输入准备、价格核对与浏览器下单流程,涵盖无细胞、E. coli、Pichia 表达纯化、表征检测、方法与靶点导入及特色服务。
用于分析与改造蛋白质糖基化的技能,可扫描经典 N-糖基化序列子、描述富 S/T 区域、查询糖链证据并用 GlycoSHIELD 评估结构遮蔽,强调序列基序、预测、实验占据与糖链结构四类结果不可互相替代。
科学假设生成技能,将观察转化为可检验的候选解释、竞争假说、因果或关联主张、可区分预测与证伪控制,全程保持证据边界与人工问责;仅生成候选假说,不评分、不排名、不替代伦理或监管审批。
基于 Nano Banana 2(经 OpenRouter)生成并审阅信息图的技能,支持统计摘要、时间线、对比、流程等类型,可选用 Perplexity Sonar 进行研究并自动按文档类型阈值迭代评审。
LiteParse 是本地文档解析工具,提供 Rust 核心与 Python/Node 绑定,可从 PDF、Office 文件与图片中提取带边界框的空间文本,支持 OCR、结构化 JSON、启发式 Markdown 与页面截图,适合布局感知的 RAG 与批量文献处理,无需云账号。
Medchem 是 datamol-io 的 Python 库,用于药物发现中的分子过滤与优先级排序,可应用 Lipinski、Veber、CNS 等成药性规则、PAINS/NIBR/ChEMBL 等结构警示目录、复杂度阈值、化学基团检测及自定义查询语言,对化合物库进行批量筛选。
基于 OpenMM 与 MDAnalysis 的分子动力学技能,用于搭建蛋白质/小分子体系、定义力场、进行能量最小化与 NVT/NPT 模拟,并分析轨迹的 RMSD、RMSF 与蛋白-配体接触。
Molfeat 是用于小分子特征化的工具,可将 SMILES 或 RDKit 分子转换为指纹、描述符、药效团或预训练嵌入,服务于 QSAR/QSPR、化学相似性、虚拟筛选和分子机器学习。本技能针对 Molfeat 1.0.0,涵盖 ECFP/MACCS 指纹、RDKit 描述符等。
面向科学论文同行评审的辅助技能,帮助有授权的评审人准备证据受限、建设性的评审草稿与结构化稿件评估,强调保密、人工负责与本地处理。
用于构建和分析系统发育树的技能,结合 MAFFT 多序列比对、IQ-TREE 最大似然(含 ModelFinder 与分支支持)及 FastTree,并可用 ETE3 汇总与可视化。
用于创建、编辑和分析 .pptx/.potx 演示文稿的技能,涵盖新建幻灯片、模板填充、内容读取与结构校验,并提供缩略图、复制幻灯片、清理冗余、格式验证等脚本。
PrimeKG 精准医学知识图谱查询技能,用于在固定的 PrimeKG CSV 上解析基因、药物、疾病、表型等类型化节点,检索直接关联、疾病上下文与短路径,适合复现 PrimeKG 分析。
PufferLib 强化学习环境与训练的版本感知指引,覆盖 3.0、4.0、5.0 三代 API:环境契约校验、向量化、策略、PuffeRL 训练、评估与检查点安全审查,强调固定版本、沙箱与外部日志凭证安全。
PyLabRobot 实验室自动化技能:基于硬件无关前端、资源树、追踪器与设备后端,开发与审查移液方案、离线仿真及受支持设备集成。默认仅做本地清单校验、记账与纯软件 chatterbox 后端,禁止自动连接或命令真实仪器。
pymoo 是一个 Python 优化框架,侧重多目标优化,支持单目标、多目标与多目标(many-objective)问题,内置 NSGA-II/III、MOEA/D、SPEA2 等算法,以及 ZDT、DTLZ 等基准问题和遗传算子定制。
PyTorch Lightning 深度学习框架技能,用于把 PyTorch 代码组织为 LightningModule,并用 Trainer 自动化训练流程、多 GPU/TPU 编排与分布式训练。资料基于 Lightning 2.6.6,含安装命令、模板脚本与参考文档。