Daten von Brokerage-Konten lassen sich über Anlageklassen, P&L, Aufträge und Kontoauszüge hinweg schwer überprüfen. Dieser Skill führt Claude, Codex und Claude Code durch Longbridge-Workflows für Analysen und bestätigte Handelsaktionen.

Investoren und Analysten benötigen aktuellen Marktkontext für asiatische und US-Märkte. Dieser Skill verwendet Longbridge-Daten, um Kurse, Charts, Markttiefe, Kapitalflüsse, Handelssitzungen, FX und IPO-Kalender abzurufen.

Marktrecherche benötigt Live-Daten, Kontokontext und klare API-Anleitungen. Diese Skill organisiert Longbridge CLI-, SDK-, MCP- und Dokumentations-Workflows für KI-Assistenten.

Händler benötigen aktuelle Produktdaten von Lieferanten, bevor sie Inventar auswählen. Dieser Skill fragt Produkt-, Bestands-, Preis- und Kontostandsdaten von LegendShop über die Plattform-API ab.

Das Design von Datenbankschemata kann sich über Notizen, SQL-Entwürfe und Diagramme hinweg fragmentieren. DB Craft öffnet ein lokales visuelles Studio, um Tabellen zu modellieren, Strukturen zu validieren und SQL zu exportieren.

Große tabellarische Datensätze überschreiten oft den lokalen Arbeitsspeicher und machen pandas-Workflows langsam. Diese Skill führt Claude, Codex und Claude Code durch Vaex-Workflows für Lazy Analysis, Konvertierung, Visualisierung und ML.

Transformer-Workflows erfordern oft viele APIs für Inferenz, Generierung, Tokenisierung und Training. Diese Fähigkeit gibt Claude, Codex und Claude Code gezielte Anleitung zur Nutzung von Hugging Face Transformers.

Symbolische Mathematikaufgaben können fehleranfällig werden, wenn Formeln exakte algebraische Ergebnisse erfordern. Diese Skill führt Claude, Codex und Claude Code durch SymPy-Workflows zum Lösen, Vereinfachen, Differenzieren, Integrieren und Erzeugen mathematischer Ausgaben.

Die Analyse von Proteininteraktionen erfordert häufig manuelle API-Abfragen und sorgfältiges Identifier-Mapping. Dieser Skill fragt STRING ab, ordnet Identifikatoren zu, ruft Netzwerke ab und fasst Anreicherungsergebnisse zusammen.

Ein Reinforcement-Learning-Setup lässt sich leicht falsch konfigurieren. Dieser Skill leitet durch SB3-Training, benutzerdefinierte Umgebungen, Callbacks, Evaluierung und Modellpersistenz.

DICOM-Dateien enthalten komplexe Bilddaten und medizinische Metadaten, die sich nur schwer sicher prüfen lassen. Dieser Skill führt Claude, Codex und Claude Code durch pydicom-Workflows zum Lesen, Konvertieren, Anonymisieren und Extrahieren von DICOM-Daten.

Die Differenzialexpression bei Bulk RNA-seq erfordert eine sorgfältige Vorbereitung der Count-Daten, die Auswahl des Designs und die Interpretation der Ergebnisse. Diese Skill führt PyDESeq2-Workflows von Eingabeprüfungen bis zu getesteten Genen, Plots und gespeicherten Ergebnissen.

Reinforcement-Learning-Experimente werden langsam, wenn Umgebungen und Trainingsschleifen nicht skalieren können. PufferLib hilft Claude, Codex und Claude Code dabei, schnellere vektorisierte Trainings-Workflows zu entwerfen.

Computergestützte Pathologiearbeit erfordert sorgfältige Entscheidungen beim Laden von Bildern, bei Vorverarbeitung, Speicherung und Modell-Workflows. Diese Skill bietet Claude, Codex und Claude Code PathML-Anleitungen für die Analyse von Ganzschnittbildern und Multiplex-Bildgebungsaufgaben.

Graphprojekte benötigen klare Methoden zum Erstellen und Analysieren von Beziehungen. Dieser Skill führt durch NetworkX-Workflows für Algorithmen, Formate und visuelle Ausgaben.

Molekulare ML-Projekte benötigen konsistente Features aus SMILES und RDKit-Molekülen. Diese Skill-Anleitung hilft bei der Auswahl von molfeat, Batch-Featurisierung, vortrainierten Embeddings, Caching und QSAR-Workflows.

Wissenschaftliche Teams benötigen zuverlässige Unterstützung beim Erstellen von MATLAB- und GNU-Octave-Workflows. Diese Skill bietet gezielte Anleitung für Analyse, Visualisierung, Kompatibilität und Skriptausführung.

Metabolomik-Teams benötigen zuverlässige Möglichkeiten, Spektren zu bereinigen und unbekannte Verbindungen mit Bibliotheken zu vergleichen. Diese Skill führt Claude, Codex und Claude Code durch matchms-Workflows für Filterung, Ähnlichkeitsbewertung und Verbindungsidentifizierung.

Biologieteams benötigen reproduzierbare Datensysteme, die Datasets, Metadaten, Workflows und Ontologiebegriffe verbinden. Dieser Skill führt durch LaminDB-Setup, Kuratierung, Abfragen, Lineage-Tracking und Integrationen.

Whole-Slide-Images sind groß und schwer für die Tile-Analyse vorzubereiten. Dieser Skill führt durch histolab-Workflows für Masken, Tiling, Filter und visuelle Prüfung.