當紀錄、曲線、程式碼和設定指向不同方向時，訓練失敗很難偵錯。此技能會整理證據，並回傳可能的根本原因、修正方式和驗證步驟。

跨沙箱協調神經訓練並不容易。此技能為 Claude、Codex 和 Claude Code 提供 Flow Nexus 訓練、推論、範本和叢集工作流程。

大型向量資料庫可能變得緩慢、記憶體負擔沉重，且難以進行基準測試。此技能提供結構化的 AgentDB 最佳化工作流程，涵蓋量化、HNSW 索引、快取與驗證。

團隊需要針對文件、RAG 系統與知識庫進行快速語意擷取。此技能提供 AgentDB 設定、搜尋模式與調校指南。

團隊需要能為 RAG 和知識庫檢索相關文件。這項技能會引導 AgentDB 設定、嵌入向量儲存、索引、API 搜尋和相關性調校。

進階 AgentDB 專案需要可靠的同步、搜尋與資料庫操作模式。此技能提供 QUIC 同步、混合搜尋、分片與生產環境調校的實用指南。

分散式向量搜尋需要謹慎規劃複寫、指標、監控與部署。此技能提供分階段的 AgentDB 工作流程，用於可擴展的混合搜尋系統。

分析事件經常偏離結構描述、PII 與註冊標準。此技能會引導 Django optimo_analytics 工作流程中的 MixPanel 實作與審查。

當使用者需要快速取得數值答案時，手動算術檢查會拖慢代理速度。此技能可評估基本數學表達式並回傳精簡結果。

資料庫使用者需要可靠的 SQL，且必須符合其連線類型與結構描述。此技能會引導 Claude、Codex 和 Claude Code 檢查結構描述、撰寫唯讀查詢，並清楚說明結果。

跨不同資料庫方言撰寫正確的 SQL 既耗時又容易出錯。這項技能可協助 Claude、Codex 和 Claude Code 建立安全的 DBX Studio 查詢。

將原始查詢結果轉換成合適的圖表，可能需要反覆設定。此技能會引導 Claude、Codex 和 Claude Code 選擇圖表類型、撰寫 SELECT 查詢，並呼叫 DBX Studio 圖表生成。

資料庫團隊在分析前通常需要快速檢視資料表、關聯與資料品質。此技能會引導 Claude、Codex 或 Claude Code 完成結構化的 DBX Studio 剖析工作流程。

探索不熟悉的資料庫可能既緩慢又不一致。此技能為 DBX Studio 提供可重複的工作流程，用於結構描述審查、分析、關聯性與品質檢查。

在 ZINC 中尋找可購買的化合物及實用的類似物，可能需要使用專門的查詢語法。此技能可指引搜尋、下載、篩選及分子對接準備。

大型科學陣列可能會使記憶體和儲存系統不堪負荷。此技能會引導您運用 Zarr、NumPy、Dask 和 Xarray 進行分塊、壓縮、雲端儲存及平行工作流程。

高維度資料難以視覺化、分群，也難以在機器學習管線中重複使用。此技能提供實用的 UMAP 設定、調校、轉換與評估指引。

圖學習專案需要審慎選擇資料、模型、取樣與評估方式。此技能提供 PyTorch Geometric 指引、範例、範本、基準測試及視覺化工具。

統計工作流程經常因模型選擇不當、診斷不足或解讀錯誤而失敗。此技能提供結構化的 statsmodels 指引，以進行可靠的推論與預測。

統計檢定的選擇與報告方式可能不一致且容易出錯。此技能可針對分析規劃、診斷、效果量、檢定力、結果詮釋及 APA 格式報告提供指引。