Claude Skills 中文技能市场——为 Claude Code、Codex 与 Cursor 精选 Agent Skills
收录 90,000+ 开源 SKILL.md 工作流,提供中文解读、安全检测与高速下载,一行命令即可装到你的 AI 编程助手里。
高分中文技能
scvi-tools
使用此技能进行scvi-tools单细胞组学数据分析,包括scRNA-seq、scATAC-seq、CITE-seq、空间转录组学等,用于概率建模、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。
shap
使用SHAP(SHapley Additive exPlanations)进行模型可解释性和可解释性。当解释机器学习模型预测、计算特征重要性、生成SHAP图(瀑布、蜂群、条形、散点、力、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。与基于树的模型(XGBoost,LightGBM,Random Forest)、深度学习(TensorFlow,PyTorch)、线性模型和任何黑盒模型兼容。
neurokit2
全面生物信号处理工具包,用于分析生理数据,包括ECG、EEG、EDA、RSP、PPG、EMG和EOG信号。用于处理心血管信号、脑活动、皮肤电反应、呼吸模式、肌肉活动或眼动。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、生理心理学研究和多模态生理信号整合。
matchms
质谱分析。处理mzML/MGF/MSP,光谱相似性(余弦、修改后的余弦)、元数据协调、化合物ID,用于代谢组学和MS数据处理。
omero-integration
显微镜数据管理平台。通过Python访问图像,检索数据集,分析像素,管理感兴趣区域/注释,批量处理,用于高内涵筛选和显微镜工作流程。
medchem
药物化学筛选。应用药物相似性规则(Lipinski,Veber)、PAINS筛选、结构警报、复杂度指标,用于化合物优先级排序和库筛选。
data-scientist
资深数据科学家,专注于统计分析、机器学习和商业洞察。精通探索性数据分析、预测建模和数据故事讲述,注重提供可推动业务价值的具体见解。
app-analytics-strategist
Expert digital data analytics consultant for designing and implementing data-driven growth strategies for mobile and digital applications. Use this skill when users need help with app analytics strategy, metrics selection, analytics framework implementation, cohort analysis, user segmentation, A/B testing, customer journey mapping, retention optimization, or choosing analytics tools. Applies to product managers, growth teams, and developers building data-driven applications across all platforms and industries seeking to optimize user engagement, retention, and revenue through analytics.
time-series-forecaster
使用ARIMA、Prophet、LSTM和统计方法进行时间序列预测。对"time series"、"forecasting"、"predict future"、"trend analysis"、"seasonality"、"ARIMA"、"Prophet"、"sales forecast"、"demand prediction"、"stock prediction"激活。处理趋势分解、季节性检测、多变量预测和置信区间,并与SpecWeave增量集成。
model-evaluator
使用多种指标、交叉验证和统计测试的全面ML模型评估。在"evaluate model"、"model metrics"、"model performance"、"compare models"、"validation metrics"、"test accuracy"、"precision recall"、"ROC AUC"时激活。生成包含可视化和统计显著性测试的详细评估报告,与SpecWeave增量文档集成。
model-explainer
使用SHAP、LIME、特征重要性和部分依赖图进行模型可解释性和可解释性分析。对"explain model"、"model interpretability"、"SHAP"、"LIME"、"feature importance"、"why prediction"、"model explanation"激活。生成人类可读的模型预测解释,对信任、调试和合规性至关重要。
dqmc-analyze
从完成的 DQMC 模拟中提取具有误差估计的物理可观察量。在计算密度、双占位、自旋相关性、结构因子或从模拟数据中测量的任何量时使用
reasoning-abductive
从不完整的观测中生成和评估解释性假设。诊断异常、解释意外结果或从效果推断原因时使用。产生具有证据和置信度评分的排名假设。
reasoning-counterfactual
通过模拟对过去决策或假设未来的干预来评估替代场景。事后评估决策、规划场景或比较未选择的路径时使用。产生具有概率加权结果的比较分析。
reasoning-inductive
从多个观测中提取模式和概括。检测重复出现的主题、构建预测规则或从累积数据中识别系统行为时使用。产生具有置信边界和异常处理的验证模式。
ml-model-training
使用scikit-learn、PyTorch、TensorFlow训练ML模型。适用于分类/回归、神经网络、超参数调整或遇到过拟合、欠拟合、收敛问题。
train-model
使用优化算法执行模型训练。在数据集上运行训练循环时使用。
bayesian-reasoning-calibration
在不确定情况下做出预测或判断,且需要用新证据明确更新信念时使用。在预测结果、评估概率、测试假设、校准置信度、用不确定数据评估风险或避免过度自信偏见时调用。当用户提到先验概率、似然性、贝叶斯定理、概率更新、预测、校准或信念修正时使用。
常见问题
什么是 Claude Skills(Agent Skills)?
Skills 是一种标准化的 SKILL.md 指令包——把「何时触发、如何执行、使用哪些工具」写成结构化工作流,装入 Claude Code、Codex、Cursor 等 AI 编程助手后,Agent 遇到对应任务会自动调用,效果远好于每次手写提示词。
装了 Skill 之后怎么使用?
安装后无需手动调用:直接在 Claude Code / Cursor 里描述你的任务(如「帮我做 PR 代码审查」),Agent 检测到匹配的技能后会自动加载对应 SKILL.md 并按其流程执行。也可以在对话中显式要求「使用 xx skill」。
国内如何高速下载安装?
本站在 Cloudflare R2 托管了全部技能 ZIP 离线包,无需直连 GitHub:在详情页点击「Download ZIP」,或用 `npx skills add <owner/repo>` 一键安装;也可以复制 curl 命令直接解压到 ~/.claude/skills 目录。