Travailler avec des fichiers Excel nécessite une connaissance des formules, de la mise en forme et de l'analyse de données. Cette compétence fournit des conseils complets pour créer des feuilles de calcul, effectuer des calculs et analyser des données selon des normes professionnelles.

Le traitement manuel des documents PDF prend trop de temps. Cette boîte à outils offre des opérations PDF complètes incluant l'extraction de texte, la détection de formulaires, le remplissage de formulaires et la création de documents avec Python et les outils en ligne de commande.

Créer des compositions musicales originales et convertir des fichiers MIDI en fichiers audio MP3 ou WAV. Utilise la bibliothèque music21 pour une composition intelligente et prend en charge la génération de musique orchestrale et électronique avec des sons d'instruments réalistes.

Les utilisateurs ont besoin d'un guide expert pour comprendre l'architecture de base de données Datascript de Logseq pour une gestion efficace du graphe de connaissances. Cette compétence fournit des connaissances autoritaires sur la conception de schéma, les types de propriétés, les hiérarchies de classes et les relations d'entités.

Les utilisateurs doivent extraire et interroger des données depuis leurs graphes de connaissances Logseq. Cette compétence fournit une bibliothèque cliente Python unifiée pour récupérer des pages, des blocs, des propriétés et exécuter des requêtes Datalog avancées sur des graphes Logseq locaux via HTTP API ou CLI.

Les utilisateurs de Logseq ont besoin de conseils clairs lors de la transition des fichiers Markdown vers le format de base de données. Ce skill fournit une planification de migration étape par étape, des stratégies de sauvegarde, un dépannage pour les problèmes courants et des exemples de requêtes Datalog pour la validation.

L'analyse des modèles EDN prend du temps lorsqu'elle est effectuée manuellement. La compétence edn-analyzer fournit une analyse automatisée de la structure, des contrôles de qualité et des fonctionnalités de comparaison pour les modèles de graphe de base de données Logseq. Elle identifie les éléments orphelins, valide la structure et génère des rapports exploitables.

Les utilisateurs ont besoin d'intégrer Claude avec leurs graphes de connaissances Logseq pour interroger et écrire des données. Cette skill fournit une gestion automatisée des connexions via les backends HTTP API, CLI et MCP Server avec support de dépannage intégré.

La construction d'arbres phylogénétiques à partir de multiples assemblages génomiques nécessite des flux de travail complexes avec de nombreux outils. Cette compétence génère des scripts prêts à l'emploi, compatibles avec les ordonnanceurs, pour le pipeline complet de phylogénomique basé sur BUSCO.

L'analyse biogéographique phylogénétique aide les chercheurs à comprendre comment les aires de répartition géographiques des espèces ont évolué au fil du temps. Cette compétence automatise le flux de travail complet de BioGeoBEARS, de la validation des données d'entrée aux visualisations des aires ancestrales prêtes pour publication.

La gestion de workflows de données complexes à travers les processus ETL, l'analytique et l'ingénierie des features nécessite une orchestration coordonnée et l'application de normes de qualité. Ce skill agit comme un rôle de CTO-Data, coordonnant les tâches de données tout en maintenant des standards de qualité minimum de 95 pourcent.

Cette compétence fournit des modèles prêts à l'emploi pour SQLAlchemy 2.0+ permettant des opérations de base de données asynchrones. Elle inclut des modèles sûrs au niveau des types, des opérations CRUD, des relations et des optimisations de performance pour créer des services de données robustes.

L'analyse de données nécessite souvent du code Python personnalisé pour des ensembles de données spécifiques et des besoins de visualisation. Cette compétence utilise l'IA pour générer du code pandas et matplotlib personnalisé qui traite vos données et crée des graphiques professionnels dans des environnements sandbox.

Les requêtes de base de données nécessitent de basculer entre les éditeurs de code et les fenêtres de terminal. Cette compétence vous permet d'exécuter des requêtes SQL et des méta-commandes psql directement depuis votre assistant IA sans quitter votre flux de travail.

Cette compétence fournit des motifs sécurisés CLI BigQuery pour explorer les tables et les schémas sans accéder aux données sensibles. Elle inclut des requêtes INFORMATION_SCHEMA, des vérifications de nombre de lignes et des directives de sensibilité des données pour une analyse responsable.

Intégrer du contenu web dans votre flux de travail de codage est laborieux et peu fiable. Cette compétence donne à Claude un accès instantané à n'importe quelle page web en markdown propre, captures d'écran, données structurées ou résultats de recherche.

Chargez des données depuis S3 en les plaçant d'abord sur une branche temporaire. Vérifiez la qualité avant de fusionner en production. Empêche les mauvaises données d'atteindre vos tables principales.

La création de pipelines de données à partir de zéro nécessite de comprendre l'architecture DAG, les stratégies de matérialisation et la structure du projet. Cette compétence vous guide dans la configuration de projets bauplan avec une sécurité des branches appropriée, des modèles de premiers nœuds SQL et des modèles de transformation Python.

Le trading MEV nécessite une analyse précise de la liquidité pour éviter un glissement excessif et les transactions échouées. Cette skill fournit des flux de travail systématiques et des formules pour calculer l'impact sur le prix, estimer le glissement et valider la rentabilité des trades avant l'exécution.

L'infrastructure MEV nécessite une surveillance précise de la latence pour maintenir un avantage concurrentiel. Cette compétence fournit un suivi de la latence par appel et agrégé pour identifier les goulots d'étranglement, déboguer les opérations lentes et définir des seuils d'alerte pour les anomalies de performance.