pyopenms
Python接口,用于质谱数据分析的OpenMS。适用于LC-MS/MS蛋白质组学和代谢组学工作流程,包括文件处理(mzML、mzXML、mzTab、FASTA、pepXML、protXML、mzIdentML)、信号处理、特征检测、肽识别以及定量分析。在处理质谱数据、分析蛋白质组学实验或处理代谢组学数据集时使用。
把 Skill 的源码、资源快照、README、包体和安装信号放进一个可搜索、可筛选的公开目录。
Python接口,用于质谱数据分析的OpenMS。适用于LC-MS/MS蛋白质组学和代谢组学工作流程,包括文件处理(mzML、mzXML、mzTab、FASTA、pepXML、protXML、mzIdentML)、信号处理、特征检测、肽识别以及定量分析。在处理质谱数据、分析蛋白质组学实验或处理代谢组学数据集时使用。
提供了使用pyvene的声明式干预框架对PyTorch模型执行因果干预的指导。在进行因果追踪、激活修补、互换干预训练或测试关于模型行为的因果假设时使用。
在使用Qdrant向量数据库进行语义搜索和RAG时适用。涵盖集合设置、嵌入生成、向量更新/搜索、HNSW索引、过滤以及与OpenAI嵌入集成以检索教科书内容。
从文本中提取问题-推理-答案对。使用--context进行领域聚焦提取。验证答案基于原文。
综合研究结合了网络搜索、量子分析和持久内存。在研究需要最新信息加上深度认知分析的主题时使用。
快速的行情分析,适用于/analysis页面。基于技术指标、最近新闻和基本基本面,在几秒钟内提供快速的买入/卖出/持有建议。优化了速度而非深度。
Qwen路线图审计员(原型)
RAG(检索增强生成)与xAI Grok Collections和Google Gemini的集成。当需要添加带有知识库的AI聊天、配置RAG系统、集成Grok Collections或创建基于文档内容的聊天机器人时,请使用此技能。
针对Python AI开发基础、必备库、数据结构、异步编程以及AI/ML项目的最佳实践的专业指导
与用户进行结构化的问答讨论,一次处理一个选择题、单选题和开放式问题 - 跟踪进度,验证答案,并为完整的讨论提供总结报告
迁移学习、指标优化和持续改进AI驱动的QE代理。
一种会嘎嘎叫并能生成非标准音阶作品的机械摇摆鸭形机器人。设计成本极低(约68美元物料清单)。
使用量子电路、ZX-calculus符号和量子乐器进行的量子计算机音乐创作与演奏
Qwen训练数据挖掘器(原型)
生成比赛日的配速和补给策略,包括应急计划。当用户即将参加比赛、寻求比赛准备建议或想要一份可打印的比赛日计划(包含分段配速和补给时间表)时使用。
根据10维用户画像转换教材内容,以提供个性化的学习体验。
为PyTorch设计的高级训练框架,该框架在保持灵活性的同时抽象出了样板代码。包括Trainer、LightningModule以及对多GPU扩展和可重复性的支持。(lightning, pytorch-lightning, lightningmodule, trainer, callback, ddp, fast_dev_run, seed_everything)
管理Qdrant Cloud集合,包括教科书章节的向量化和用于RAG检索的元数据标记。角色:AI工程师
该技能为实现Qdrant向量数据库与RAG(检索增强生成)系统的强健集成提供了指导,包括正确的异步客户端处理、错误管理和性能优化。
模型量化以提高推理和训练的效率。涵盖精度类型(FP32、FP16、BF16、INT8、INT4)、BitsAndBytes配置、内存估算以及性能权衡。
GraphDB探索エージェント - 通过自然语言或Cypher探索RyuGraph数据库,并返回相关的代码或说明书。/query-graph [查询] 调用。
Qwen训练数据挖掘器(原型)
改进了《物理AI与人形机器人》教科书的RAG(检索增强生成)聊天机器人,加强了严格的依据、引用要求和性能优化。
模拟法国法官的法律推理,用于分析民事案件。使用此技能来分析争议并识别法律问题,构建结构化的法律推理(三段论),撰写民事判决理由,通过Judilibre和Légifrance查找判例法和适用文本,对事实和行为进行法律定性,区分请求、手段和论据。基于《民事判决写作方法指南》(ENM/最高法院, 2023)。