无需手动操作即可从图像中提取信息。此技能使用 MiniMax 视觉 MCP 分析照片、截图、图表和原型，提供详细描述、文本提取和设计反馈。

创建、读取、编辑、验证和格式化专业Excel电子表格（.xlsx、.xlsm、CSV），零格式丢失，金融级样式，公式验证 -- 全部避免openpyxl的破坏性往返行为。

本技能提供 Azure AI 服务的全面文档和 SDK 参考，包括 Search、Speech、OpenAI、Vision、Translation 和 Document Intelligence。它帮助开发者快速找到适合其 AI 解决方案的正确 API 和代码模式。

创建AI生成的图片和视频通常需要复杂平台的导航和详细提示词的编写。此技能直接连接liblib.tv的API，让您可以通过自然语言命令来生成和编辑视觉内容。

手动设计数据库模式容易出错且难以可视化。DB Craft 提供本地可视化工作区，支持使用 AI 辅助设计 MySQL、PostgreSQL、SQLite 和 MSSQL 数据库模式，并导出可直接用于生产的 SQL 语句。

ZINC 数据库包含超过 2.3 亿种可购买的化学化合物，用于药物发现研究。此技能提供程序化访问，可通过 ZINC ID、SMILES 或供应商代码进行搜索，检索 3D 结构，并执行相似性搜索以进行虚拟筛选和分子对接研究。

处理超过内存限制的大型数据集。Zarr-python支持带压缩的分块数组存储，适用于高效的云原生科学计算工作流。

此技能支持创建、编辑和分析包含公式、格式化和数据分析的Excel电子表格。它还可以重新计算公式并验证零错误，以生成高质量的输出。

处理超出 RAM 容量的大型表格数据集需要专门的工具。Vaex 支持核心外 DataFrame 操作、延迟求值，以及在超出内存容量的数据集上实现每秒十亿行的处理速度。非常适合天文数据、金融时间序列和大规模科学分析。

高维数据难以可视化和分析。UMAP 在降维的同时保留数据结构，能够实现清晰的 2D/3D 可视化并获得更好的聚类结果。

图神经网络为药物发现、社交网络分析和推荐系统等现代应用提供动力。本技能提供可立即使用的模板和文档，用于使用 PyTorch Geometric 实现 GNN。

需要精确的数学结果而非数值近似。本技能提供关于符号代数、微积分、方程求解、矩阵运算和物理计算的全面指导，使用 Python SymPy 库。

使用OLS、GLM、ARIMA和离散选择模型进行严格的统计分析。获得可直接发表的结果，包含完整的诊断、系数表和残差分析。

不再猜测该使用哪种统计检验。获取指导性的检验选择、假设检验和APA格式的结果报告。非常适合需要对研究数据进行严格统计分析的学生和研究人员。

SimPy 使您能够通过进程、队列和共享资源对复杂系统进行建模。在实施前仿真生产线、服务运营、网络流量和物流，以优化性能。

机器学习模型通常像黑箱一样运作。SHAP提供了一个统一的框架，通过使用博弈论中的Shapley值计算特征贡献来解释任何模型预测。使用此技能可可视化特征重要性、调试模型行为并实现可解释的人工智能。

生存分析处理的是并非所有受试者都发生事件的数据。本技能提供 Python 工具，用于使用 Cox 模型、随机生存森林、SVM 和一致性指数等专用评估指标对带有删失数据的事件时间进行建模。

处理生物序列，计算多样性指标，并对微生物组和生态数据执行统计检验。本技能提供生物信息学工作流的全面指导，包括序列比对、系统发育分析和排序分析。

单细胞RNA测序产生复杂的数据集，需要专门的分析。该技能提供完整的工作流程，用于单细胞基因表达数据的质量控制、降维、聚类和可视化。

使用Reactome数据库分析生物通路和基因列表。执行通路富集分析，将基因映射到通路，并探索系统生物学研究的分子相互作用。