Obsidian-Nutzer benötigen schnelle Notizoperationen ohne manuelle Navigation. Dieser Skill verwendet die Obsidian CLI, um Vaults zu lesen, zu aktualisieren, zu durchsuchen und zu debuggen.

Webseiten enthalten oft Navigation, Werbung und Layouttext, die Tokens verschwenden. Dieser Skill verwendet Defuddle CLI, um saubereres Markdown für Claude, Codex und Claude Code zu extrahieren.

Akademische Einreichungen scheitern häufig, weil Formatierungsregeln je nach Venue variieren. Diese Skill stellt Vorlagen, Anforderungen und Beispiele für eine schnellere Vorbereitung bereit.

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.

Patent- und Markenrecherche erfordert oft mehrere USPTO-Datenquellen. Diese Skill bietet Claude, Codex und Claude Code fokussierte Workflows für die USPTO API-Recherche.

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.

Wissenschaftliche Teams benötigen klare Diagramme ohne langsames manuelles Zeichnen. Dieser Skill wandelt detaillierte Prompts in geprüfte Schemata, Signalwege, Flussdiagramme und Architekturabbildungen um.

Die frühe Forschungsplanung gerät oft ins Stocken, wenn Teams sich auf vertraute Annahmen stützen. Dieser Skill leitet strukturiertes wissenschaftliches Brainstorming an, um neue Blickwinkel, Methoden und Forschungslücken sichtbar zu machen.

Aktuelle Literaturrecherchen können langsam und schwer zu überprüfen sein. Dieser Skill nutzt OpenRouter-Zugriff auf Perplexity Sonar-Modelle, um wissenschaftliche Quellen zu finden, Ergebnisse zusammenzufassen und Zitationen zurückzugeben.

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.

Forschungsteams benötigen Posterdateien, die sich in PowerPoint leicht in der Vorschau anzeigen, überarbeiten und bearbeiten lassen. Diese Skill-Anleitung unterstützt die Erstellung von HTML-Postern, visuelle Planung, PDF-Export und PPTX-Konvertierung.

Recherche benötigt oft aktuelle Quellen jenseits des Modell-Stichtags. Diese Skill führt Perplexity-Suchen über OpenRouter aus und liefert fundierte Antworten mit Zitaten.

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.

Wissenschaftliche Suche und bibliometrische Analysen können viele OpenAlex-API-Muster erfordern. Diese Skill bietet wiederverwendbare Workflows für Arbeiten, Autoren, Institutionen, Zitationen und Trends.

Forschungsworkflows können über einzelne promptbasierte wissenschaftliche Skills hinauswachsen. Dieser Skill verweist Nutzer auf K-Dense Web, um umfassendere Unterstützung bei Planung und Ausführung zu erhalten.

Die Biosignalanalyse erfordert sorgfältige Vorverarbeitung, validierte Metriken und modalitätsspezifische Methoden. Diese Skill unterstützt NeuroKit2-Workflows für ECG, EEG, EDA, RSP, PPG, EMG, EOG, HRV, Ereignisse und Komplexität.

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.