複雜的佇列與共用資源在部署前很難進行評估。此技能可指導您建立 SimPy 模型、進行監控與同步，以及分析結果。

機器學習團隊需要清楚了解模型預測背後的原因。此技能可協助選擇 SHAP explainer、建立圖表、進行除錯與公平性檢查，以及設計正式環境的解釋工作流程。

生產級 ML 系統難以一致地設計、部署及監控。此技能可協助 MLOps、LLM 整合、RAG 架構及本機工作流程骨架建立。

統計繪圖選擇可能會拖慢資料分析與圖表產出。此技能會指導 Seaborn 圖表選擇、參數、樣式設定與範例，以建立清晰的 Python 視覺化圖表。

單細胞 omics 分析需要謹慎選擇模型、進行前處理並解讀結果。此技能會引導 scvi-tools 工作流程，用於整合、差異表達、註釋與空間分析。

存活模型需要能處理設限事件發生時間資料的方法。此技能會引導 scikit-survival 工作流程，從資料準備到模型評估。

機器學習專案需要一致的前處理、評估與模型選擇模式。此技能為 Claude、Codex 和 Claude Code 提供聚焦於 scikit-learn 的指引、參考資料與範例。

生物資訊學工作通常需要正確的序列、樹、多樣性與排序分析工作流程。這項技能會引導 Claude、Codex 和 Claude Code 使用 scikit-bio API。

科學圖表經常因尺寸、解析度、色彩和標籤而未通過期刊檢查。此技能可引導 Claude、Codex 和 Claude Code 建立兼具無障礙性且可直接用於發表的圖表。

單細胞 RNA-seq 工作流程需要謹慎的 QC、正規化、分群與文件化。此技能提供 Scanpy 工作流程、指令碼、範本與參考資料，用於可重現的分析。

當檔案格式、索引和座標系統處理不一致時，基因組分析經常會失敗。此 skill 為 Claude、Codex 和 Claude Code 提供針對比對、變異、序列和覆蓋度工作流程的 pysam 專門指引。

最佳化專案通常需要可重複的演算法選擇、限制式與 Pareto 前緣分析。此技能以範例、參考資料與疑難排解模式引導 pymoo 工作流程。

質譜工作流程需要許多 OpenMS 物件、檔案格式和演算法。此技能為 Claude、Codex 和 Claude Code 提供用於蛋白質體學與代謝體學分析的實用 pyOpenMS 指引。

貝葉斯建模需要謹慎設定先驗、診斷與模型檢查。此技能會引導 PyMC 工作流程，從模型設定到後驗驗證與比較。

臨床機器學習專案需要謹慎處理資料集、編碼系統、任務、模型與驗證。此技能整理 PyHealth 指引，讓 Claude、Codex 和 Claude Code 能協助設計可重現的醫療保健 AI 工作流程。

資料團隊在建置 Polars 管線以及從 pandas 遷移時，需要快速的指引。此 skill 提供 expressions、lazy queries、I/O、joins 和效能調校的精簡模式。

開發人員經常需要適用於多種圖表類型的可靠 Plotly 範例。此技能提供精簡的 Python 指引，涵蓋圖表、樣式設定、互動性、匯出，以及 Dash 整合。

結構生物學工作需要準確的結構 ID、中繼資料和座標檔案。此技能會引導 Claude、Codex 和 Claude Code 完成 RCSB PDB 搜尋與擷取工作流程。

藥物探索團隊需要可靠的方法來連結基因、疾病、證據與已知藥物。此技能會引導 Claude、Codex 和 Claude Code 執行 Open Targets 查詢與證據解讀。

顯微鏡團隊需要可靠的模式來存取 OMERO 資料，而不必從頭重新建立範例。此技能提供影像、中繼資料、ROI、表格和批次處理的實用 Python 工作流程。