質譜數據複雜，需要專業工具來進行蛋白質組學和代謝組學分析。PyOpenMS 提供 Python 綁定，可實現自動化的 LC-MS/MS 處理、肽段識別和定量分析，確保完整的可重複性。

工程師和研究人員需要在成本、重量和效能等相互衝突的目標之間找到最佳平衡點。此技能透過 pymoo 提供 NSGA-II、NSGA-III 及其他演化演算法,以發現複雜設計問題的帕累托最優解。

此技能提供使用 PyMC進行貝葉斯統計建模的工具。它支援建立層次模型、使用 NUTS 執行 MCMC 抽樣、進行變分推論，以及使用 LOO/WAIC 度量比較模型，以實現有原則的不確定性量化。

計算材料科學需要分析晶體結構、相圖和電子特性。此技能提供對 pymatgen 函式庫功能的全面存取，包括結構檔案轉換、對稱性分析和 Materials Project 資料庫整合。

使用統一的 Python 介面自動執行複雜的實驗室工作流程。編寫液體處理機器人的程式，整合微孔板讀取器和實驗室設備，並建立可在 Hamilton STAR、Opentrons OT-2 和模擬環境中運作的可重現協定。

開發醫療保健領域的機器學習模型需要了解複雜的臨床資料格式、醫療編碼系統和專業的模型架構。此技能提供使用 PyHealth 建構、訓練和評估臨床預測模型的全面指導，適用於死亡率預測、藥物推薦和醫療編碼任務。

處理醫學影像資料需要對 DICOM 檔案進行專業處理，DICOM 是醫療領域使用的標準格式。此技能提供關於讀取、轉換、匿名化和從 CT、MRI、X 光和超聲影像中提取資料的指導。

以統計嚴謹性從大量 RNA-seq 計數資料中識別差異表現基因。PyDESeq2 提供完整的 DESeq2 工作流程,包括標準化、離散度估計、Wald 檢定、FDR 校正以及適合發表的視覺化圖表。

訓練強化學習代理需要管理複雜的平行模擬並實施高效的 PPO 演算法。PufferLib 提供高效能的向量化環境和優化訓練，以實現每秒數百萬步的效能。

找到相關的生物醫學研究非常耗時。此技能提供進階搜尋技術、MeSH 術語指導和 E-utilities API 文件，可快速在擁有數百萬條引用的 PubMed 資料庫中找到文章、臨床試驗和系統性回顧。

尋找化學資訊需要瀏覽多個資料庫和複雜的 API 查詢。此技能提供對 PubChem 資料庫的統一存取，可透過名稱、結構或識別碼進行簡單搜尋，並支援屬性檢索和相似性搜尋，適用於化學資訊學工作流程。

科學家們花費大量時間手動搜尋和記錄實驗方案。此技能提供與 protocols.io API v3 的完整整合，可程式化存取搜尋、建立、管理和發布科學實驗方案，並支援團隊協作功能。

產品領導者在對齊跨團隊的公司目標時遇到困難。此工具會自動將策略性 OKR 從公司層級級聯到產品和團隊層級，並提供對齊評分。

產品經理需要客觀的方式來排名功能請求並綜合客戶洞察。此工具包提供 RICE 評分算法和基於 NLP 的訪談分析，以做出數據驅動的優先排序決策並清楚記錄需求。

團隊需要可靠的方式來大規模建立和更新 PPTX 檔案。此技能提供使用 HTML 和 OOXML 工具建立、編輯和檢查簡報的工作流程。

Pandas 工作流程在大型資料集上速度慢且記憶體密集。本技能提供 Polars 的專家指導，Polars 是建立在 Apache Arrow 上的高速 DataFrame 函式庫，透過延遲求值、平行處理和直觀的表達式 API，提供 10-100 倍的效能提升。

沒有清晰的目錄佈局和清單配置指導,插件架構可能會令人困惑。此技能提供關於插件結構、組件組織和最佳實踐的全面文檔,幫助建立可維護且能與 Claude Code 無縫整合的插件。

使用 YAML 前置資料和 markdown 內容將插件特定的配置和狀態儲存在 .claude/plugin-name.local.md 檔案中。啟用使用者可以直接編輯的每個專案插件自訂功能。

建立圖表和視覺化既耗時又費力。Plotly 提供一個 Python 函式庫,包含 40 多種圖表類型,包括散點圖、熱力圖、3D 圖表和地理地圖。產生出版品質的互動式視覺化,並匯出為 HTML 或靜態圖片。

適用於 Claude、Codex 和 Claude Code 的 AI 技能