say-narration
使用macOS的文本转语音功能来进行代理叙述和公告。子代理使用不同的语言声音说英语来介绍自己。适用于多代理工作流程,其中每个代理都有独特的声音身份。
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。
使用macOS的文本转语音功能来进行代理叙述和公告。子代理使用不同的语言声音说英语来介绍自己。适用于多代理工作流程,其中每个代理都有独特的声音身份。
将新闻标题作为输入,分析18个月的场景。使用scenario-analyst代理进行主要分析,并通过strategy-reviewer代理获取第二意见。生成一份包含一级、二级、三级影响、推荐股票和评论的综合报告,报告语言为日语。使用示例: /scenario-analyzer "Fed raises rates by 50bp" 触发器: 新闻分析、情景分析、18个月展望、中长期投资策略
分析房间观察结果,以识别列出的物体中可能存在的生物(例如:蛋、植物、动物)。处理观察文本,根据领域知识标记出潜在的生物项,并输出一个集中目标供后续行动使用。
这项技能根据领域知识和环境线索确定目标对象最可能的位置。当代理需要找到特定物品(如动物)但该物品不在当前房间时触发此技能。它会分析环境描述并建议传送到哪个房间进行进一步调查。
此技能执行一个'环顾四周'的动作,以扫描并描述当前房间内的内容,包括可见的物体、容器和门。当进入新房间或代理需要定位特定物品或评估环境状态时,应触发此技能。该技能输出详细的房间描述,这对于库存发现和情景意识至关重要。
生成适用于制药和临床研究环境的专业临床决策支持(CDS)文档,包括患者队列分析(基于生物标志物分层并附有结果)和治疗建议报告(基于证据的指南与决策算法)。支持GRADE证据分级、统计分析(风险比、生存曲线、瀑布图)、生物标志物整合以及法规遵从性。输出针对药物开发、临床研究及证据综合优化后的可发表LaTeX/PDF格式文件。
用于科学研究辅助的多智能体AI系统,能够从数据分析到论文发表全程自动化研究工作流程。当需要从数据集中生成研究思路、开发研究方法、执行计算实验、进行文献搜索或生成可用于发表的LaTeX格式论文时,应使用此技能。支持端到端的研究流程,并可自定义代理协调。
此技能应在处理基因组区间数据(BED文件)进行机器学习任务时使用。可用于训练区域嵌入(Region2Vec,BEDspace),单细胞ATAC-seq分析(scEmbed),构建共识峰(universes),或任何基于机器学习的基因组区域分析。适用于BED文件集合、scATAC-seq数据、染色质可及性数据集以及基于区域的基因组特征学习。
用于染色质可及性数据单细胞分析的深度学习库scARCHES的综合技能。用于scATAC-seq数据处理、模型训练、批次校正、与scRNA-seq的整合以及空间染色质分析。
scArches 单细胞深度学习参考图谱框架 - 100%覆盖文档(26个HTML文件,包含完整API、教程、模型训练、多模态整合)
将代理传送到ScienceWorld环境中的指定房间。当任务的目标对象或位置已知在不同的房间时,使用此技能可以实现高效导航。它以目标房间名称作为输入,并输出成功的传送观察结果。
该技能观察处于活动状态的装置及其内容物的状态以跟踪进度。它应该在加热或反应过程中定期触发,以检查状态变化(例如,从固态到液态)。该技能对装置和物质使用'查看'或'检查'动作。
使用库存中的工具对目标对象或位置进行特定的环境互动,如挖掘或切割。当任务需要修改环境或操作材料时激活此技能,比如使用铲子挖土。它将工具和目标作为输入,并输出互动结果,从而推动物理任务的进展。
使用多种特征化工具和预构建数据集的分子机器学习。当您需要广泛的特征化选项和MoleculeNet基准测试时,可用于属性预测(ADMET、毒性)的传统机器学习或图神经网络。最适合快速实验预训练模型和多样化的分子表示。对于优先考虑图的PyTorch工作流程,请使用torchdrug;对于基准数据集,请使用pytdc。
使用多种特征化工具和预构建数据集的分子机器学习。当你需要广泛的特征化选项和MoleculeNet基准测试时,可以用于属性预测(ADMET, 毒性)的传统机器学习或图神经网络。最适合快速实验预训练模型、多样化的分子表示。对于优先考虑图的PyTorch工作流程,请使用torchdrug;对于基准数据集,请使用pytdc。
对200多种格式的科学数据文件进行全面探索性数据分析。此技能应在分析任何科学数据文件时使用,以了解其结构、内容、质量和特性。自动检测文件类型并生成详细的Markdown报告,包括特定格式的分析、质量指标和下游分析建议。涵盖化学、生物信息学、显微镜学、光谱学、蛋白质组学、代谢组学以及通用科学数据格式。
单细胞RNA-seq分析。加载.h5ad/10X数据,质量控制,归一化,PCA/UMAP/t-SNE,Leiden聚类,标记基因,细胞类型注释,轨迹分析,用于scRNA-seq分析。
德雷舍尔的因果学习计算理论
这项技能选择并专注于特定对象,以表示任务意图或为操作该对象做准备。它是在识别出符合任务标准的目标对象(例如,生物)后触发的。该技能使用'focus on OBJ'动作,并将对象名称作为输入,在执行如移动或在scienceWorld任务中使用对象等操作之前通常需要这样做。
这项技能在任务执行过程中引入了有意的暂停。当代理需要考虑下一步、评估中间结果或等待进程完成时,应触发此技能。该技能使用'wait1'或'wait'动作暂时停止活动,以防止在复杂的实验程序中仓促做出决定。
此技能应用于时间序列机器学习任务,包括分类、回归、聚类、预测、异常检测、分割和相似性搜索。在处理时间数据、序列模式或需要超出标准ML方法的专业算法的时间索引观察时使用。特别适合使用与scikit-learn兼容的API进行单变量和多变量时间序列分析。
基于扩散的分子对接。从PDB/SMILES预测蛋白质-配体结合姿态、置信度分数、虚拟筛选,用于基于结构的药物设计。不适用于亲和力预测。
从DrugBank数据库访问和分析全面的药物信息,包括药物属性、相互作用、靶点、通路、化学结构和药理学数据。此技能应在处理药物数据、药物发现研究、药理学研究、药物-药物相互作用分析、靶点识别、化学相似性搜索、ADMET预测或任何需要来自DrugBank的详细药物和药物靶点信息的任务时使用。
访问人类代谢组数据库(包含220,000多种代谢物)。通过名称/ID/结构进行搜索,获取化学性质、生物标志物数据、NMR/MS光谱、通路等信息,用于代谢组学研究和鉴定。