argument-mapping-reconstruction
从复杂的文本中提取论据,识别前提、结论和隐含假设,并使用图尔敏模型或标准形式创建可视化论证图
把 Skill 的源码、资源快照、README、包体和安装信号放进一个可搜索、可筛选的公开目录。
从复杂的文本中提取论据,识别前提、结论和隐含假设,并使用图尔敏模型或标准形式创建可视化论证图
启用持续学习模式以自动提取见解
物理AI、ROS 2和人形机器人领域的知识。
通过增强语法、词汇、叙述清晰度、流畅性、节奏和写作风格来提高文本质量,同时保留作者的声音。
使用Exa AI工具进行综合研究的能力,用于网络搜索和代码上下文检索。在对技术进行研究、寻找代码示例、发现最新工具或收集任何主题的全面信息时使用。结合文章/新闻的网络搜索与实现示例的代码搜索。
当用户要求“使用德尔斐”、“询问德尔斐”,或希望对同一问题进行多次并行神谕调查以发现不同的见解时,应使用此技能。德尔斐会同时启动多个带有相同提示的神谕代理,使它们能够独立探索,并可能发现不同的路径、线索和解决方案。结果将保存到.oracle/[主题]/中,并综合成最终文档。
用于机器学习的分子特征化(100多种特征化方法)。包括ECFP、MACCS、描述符、预训练模型(如ChemBERTa),能够将SMILES转换为特征,适用于QSAR和分子机器学习。
单细胞RNA-seq分析。加载.h5ad/10X数据,质量控制,归一化,PCA/UMAP/t-SNE,Leiden聚类,标记基因,细胞类型注释,轨迹分析,用于scRNA-seq分析。
Remotion - React视频创建的最佳实践
与Replicate AI集成以运行模型(图像生成、大型语言模型等)。
使用AI创建基于ASCII文本的PDF页面布局预览。将视觉和提取的数据转换为结构化的ASCII表示,用于HTML生成。
在使用Quetrex的语音界面、OpenAI实时API、WebRTC或回声消除时使用。了解Quetrex特定的语音架构决策和模式。至关重要——防止破坏正常运行的语音系统。
国际象棋引擎分析工具,提供最佳走法推荐、局面评估和多种走法选择分析。支持FEN字符串直接输入分析。
此技能应用于时间序列机器学习任务,包括分类、回归、聚类、预测、异常检测、分割和相似性搜索。在处理时间数据、序列模式或需要超出标准机器学习方法的专业算法的时间索引观察时使用。特别适合于单变量和多变量时间序列分析,并且具有与scikit-learn兼容的API。
跨平台的Python库,用于量子计算、量子机器学习和量子化学。支持构建和训练具有自动微分功能的量子电路,无缝集成PyTorch/JAX/TensorFlow,并可在模拟器和量子硬件(如IBM, Amazon Braket, Google, Rigetti, IonQ等)上实现与设备无关的执行。当处理量子电路、变分量子算法(VQE, QAOA)、量子神经网络、混合量子-经典模型、分子模拟、量子化学计…
此技能应在使用scvi-tools进行单细胞组学数据分析时使用,包括scRNA-seq、scATAC-seq、CITE-seq、空间转录组学以及其他单细胞模式。使用此技能进行概率建模、批次校正、降维、差异表达、细胞类型注释、多模态整合和空间分析任务。
高级文档解析使用PaddleOCR。返回完整的文档结构,包括文本、表格、公式、图表和布局信息。Claude根据用户需求提取相关内容。
关于检索增强生成管道、摄取和向量搜索的详细信息
Chrome内置的Prompt API实现指南。在浏览器中本地使用Gemini Nano进行AI功能开发——包括会话管理、多模态输入、结构化输出、流式传输、Chrome扩展等。适用于所有Prompt API开发的参考。
通过模拟对过去决策或假设未来的干预来评估替代情景。在事后评估决策、规划情景或比较未选择的道路时使用。产生具有概率加权结果的比较分析。
创始人的战略顾问。通过苏格拉底式对话促进深度思考,识别盲点,评估风险与机会,并利用扩展思维进行复杂分析以提供战略决策指导。
使用大型语言模型进行自动假设生成和测试。当从数据集中生成科学假设、将文献见解与实证数据结合、针对观察数据测试假设,或在诸如欺骗检测、AI内容检测、心理健康分析或其他实证研究任务等领域中进行系统性的假设探索以促进研究发现时,可以使用此技能。
全面的生物信号处理工具包,用于分析包括心电图(ECG)、脑电图(EEG)、皮肤电反应(EDA)、呼吸模式(RSP)、光电容积脉搏波描记法(PPG)、肌电图(EMG)以及眼电图(EOG)在内的生理数据。在处理心血管信号、大脑活动、皮肤电反应、呼吸模式、肌肉活动或眼球运动时使用此技能。适用于心率变异性分析、事件相关电位、复杂度测量、自主神经系统评估、心理生理学研究以及多模态生理信号整合。
使用SHAP(SHapley Additive exPlanations)进行模型可解释性和解释。在解释机器学习模型预测、计算特征重要性、生成SHAP图(瀑布图、蜂群图、条形图、散点图、力图、热图)、调试模型、分析模型偏差或公平性、比较模型或实现可解释AI时使用此技能。适用于基于树的模型(XGBoost、LightGBM、随机森林)、深度学习(TensorFlow、PyTorch)、线性模型以及任…