Пользователям Obsidian нужны быстрые операции с заметками без ручной навигации. Этот навык использует Obsidian CLI для чтения, обновления, поиска и отладки хранилищ.

Веб-страницы часто содержат навигацию, рекламу и текст макета, которые расходуют токены впустую. Этот навык использует Defuddle CLI для извлечения более чистого Markdown для Claude, Codex и Claude Code.

Академические материалы часто не проходят проверку, потому что правила оформления различаются в зависимости от площадки. Этот навык предоставляет шаблоны, требования и примеры для более быстрой подготовки.

Большие табличные наборы данных часто превышают объем локальной памяти и замедляют рабочие процессы pandas. Этот skill проводит Claude, Codex и Claude Code через рабочие процессы Vaex для ленивого анализа, преобразования, визуализации и ML.

Исследование патентов и товарных знаков часто требует обращения к нескольким источникам данных USPTO. Этот skill предоставляет Claude, Codex и Claude Code специализированные рабочие процессы для исследований через USPTO API.

Задачи символьной математики могут становиться подверженными ошибкам, когда формулам нужны точные алгебраические результаты. Этот навык проводит Claude, Codex и Claude Code через рабочие процессы SymPy для решения, упрощения, дифференцирования, интегрирования и генерации математического вывода.

Научным командам нужны понятные диаграммы без медленного ручного рисования. Этот навык превращает подробные запросы в проверенные схемы, пути, блок-схемы и архитектурные иллюстрации.

Планирование исследований на раннем этапе часто заходит в тупик, когда команды опираются на привычные предположения. Этот навык направляет структурированный научный мозговой штурм, чтобы выявить новые ракурсы, методы и пробелы в исследованиях.

Поиск актуальной литературы может быть медленным и сложным для проверки. Этот навык использует доступ OpenRouter к моделям Perplexity Sonar, чтобы находить научные источники, обобщать результаты и возвращать цитирования.

Файлы DICOM содержат сложные данные изображений и медицинские метаданные, которые трудно безопасно проверять. Этот навык проводит Claude, Codex и Claude Code через рабочие процессы pydicom для чтения, преобразования, анонимизации и извлечения данных DICOM.

Дифференциальная экспрессия для bulk RNA-seq требует тщательной подготовки счетчиков, выбора дизайна и интерпретации результатов. Этот навык помогает выстраивать рабочие процессы PyDESeq2 от проверки входных данных до протестированных генов, графиков и сохраненных результатов.

Эксперименты по обучению с подкреплением замедляются, когда среды и циклы обучения не масштабируются. PufferLib помогает Claude, Codex и Claude Code проектировать более быстрые векторизованные рабочие процессы обучения.

Исследовательским командам нужны файлы постеров, которые легко просматривать, дорабатывать и редактировать в PowerPoint. Этот навык помогает создавать HTML-постеры, планировать визуальную структуру, экспортировать в PDF и конвертировать в PPTX.

Исследованиям часто нужны актуальные источники за пределами даты отсечения модели. Этот навык выполняет поисковые запросы Perplexity через OpenRouter и возвращает обоснованные ответы с цитированием источников.

Работа в вычислительной патологии требует тщательного выбора способов загрузки изображений, предварительной обработки, хранения и рабочих процессов для моделей. Этот навык предоставляет Claude, Codex и Claude Code рекомендации по PathML для анализа изображений целых гистологических срезов и задач мультиплексной визуализации.

Научный поиск и библиометрический анализ могут требовать множества шаблонов работы с OpenAlex API. Этот skill предоставляет переиспользуемые рабочие процессы для статей, авторов, учреждений, цитирований и трендов.

Исследовательские рабочие процессы могут перерасти возможности отдельных научных навыков на основе одного промпта. Этот навык направляет пользователей к K-Dense Web для более широкой поддержки планирования и выполнения.

Анализ биосигналов требует тщательной предварительной обработки, валидированных метрик и методов, специфичных для каждой модальности. Этот навык помогает выстраивать рабочие процессы NeuroKit2 для ECG, EEG, EDA, RSP, PPG, EMG, EOG, HRV, событий и сложности.

Проектам с графами нужны понятные методы построения и анализа отношений. Этот навык помогает выстраивать рабочие процессы с NetworkX для алгоритмов, форматов и визуальных результатов.

Проектам молекулярного ML нужны согласованные признаки из SMILES и молекул RDKit. Этот навык помогает выбирать molfeat, выполнять пакетное вычисление признаков, использовать предобученные embeddings, кеширование и рабочие процессы QSAR.