Data Analysis

social-graph-ranker là lớp xếp hạng đồ thị có trọng số cho việc tìm kiếm warm intro, chấm điểm cầu nối và phân tích khoảng trống mạng lưới trên X và LinkedIn. Hãy dùng skill social-graph-ranker khi bạn cần một công cụ xếp hạng có thể tái sử dụng cho Lead Research, chứ không phải một quy trình outbound hay duy trì mạng lưới trọn vẹn.

Skill regex-vs-llm-structured-text giúp chọn giữa regex và LLM cho trích xuất văn bản có cấu trúc. Hãy bắt đầu bằng phân tích xác định, thêm bước kiểm tra bằng LLM cho các trường hợp biên ít chắc chắn, và dùng một pipeline rẻ hơn, đáng tin cậy hơn cho tài liệu, biểu mẫu, hóa đơn và phân tích dữ liệu.

clickhouse-io là một skill tập trung vào ClickHouse cho thiết kế schema, SQL phân tích, mẫu nạp dữ liệu và tối ưu hiệu năng. Hãy dùng nó để định hướng lựa chọn MergeTree, phân vùng, materialized views và tối ưu truy vấn theo từng khối lượng công việc cụ thể.

data-analyst là một skill GitHub tối giản, định hướng tác nhân sử dụng SQL, pandas và phân tích thống kê cơ bản để khám phá dữ liệu. Phù hợp nhất với người dùng muốn truy vấn, biến đổi và diễn giải có mã nguồn hỗ trợ chỉ từ một lớp prompt SKILL.md duy nhất.

retro là skill tổng kết dự án dành cho các nhóm kỹ thuật. Skill này phân tích lịch sử commit, mô hình làm việc và những bài học trước đó để tạo ra một buổi retro hằng tuần có cấu trúc và có tính liên tục. Hãy dùng retro cho sprint review, các câu hỏi kiểu chúng ta đã ship gì, và các buổi check-in Quản lý Dự án.

startup-metrics-framework giúp nhà sáng lập, chuyên viên phân tích và đội ngũ vận hành tính các KPI cho startup như CAC, LTV, burn multiple, runway và các chỉ số tăng trưởng cho startup SaaS, marketplace, consumer và B2B.

Dùng skill market-sizing-analysis để xây dựng ước tính TAM, SAM và SOM có cấu trúc bằng các phương pháp top-down, bottom-up và value-theory. Nội dung bao gồm bối cảnh cài đặt, tệp quan trọng, đầu vào, quy trình làm việc và cách áp dụng thực tế cho market sizing của startup và Data Analysis.

startup-financial-modeling giúp agent xây dựng mô hình tài chính startup trong 3-5 năm với doanh thu theo cohort, cơ cấu chi phí, burn, runway và các kịch bản gọi vốn. Phù hợp nhất cho founder và người phụ trách tài chính cần bối cảnh trước khi cài đặt, đầu vào rõ ràng và hướng dẫn sử dụng thực tế từ SKILL.md của skill.

risk-metrics-calculation hỗ trợ tính các chỉ số rủi ro danh mục như VaR, CVaR, Sharpe, Sortino, beta, biến động và drawdown. Dùng skill này để biến chuỗi lợi suất thành báo cáo rủi ro có cấu trúc, mẫu triển khai Python và phần diễn giải thực tiễn cho quy trình tài chính.

Kỹ năng backtesting-frameworks hỗ trợ thiết kế và rà soát backtest chiến lược giao dịch với các cơ chế kiểm soát chặt chẽ hơn đối với look-ahead bias, survivorship bias, overfitting, transaction costs và walk-forward validation trong lĩnh vực tài chính.

spark-optimization là hướng dẫn thực tiễn để chẩn đoán các job Apache Spark chạy chậm, tập trung vào partitioning, shuffle, skew, caching và tinh chỉnh bộ nhớ. Hãy dùng hướng dẫn này để cài skill từ wshobson/agents, đọc SKILL.md và áp dụng các cách khắc phục dựa trên bằng chứng từ dấu hiệu trong Spark UI, cấu hình cluster và mẫu truy vấn.

torchdrug là bộ công cụ native PyTorch dành cho machine learning trên phân tử và protein. Dùng skill torchdrug để chọn tác vụ, bộ dữ liệu và các mô hình mô-đun cho graph neural networks, mô hình protein, suy luận trên knowledge graph, tạo phân tử và retrosynthesis. Đây là lựa chọn phù hợp nhất cho phát triển mô hình tùy biến và cấu hình có thể tái lập, chứ không chỉ cho các demo có sẵn.

Hướng dẫn skill torch-geometric cho mạng nơ-ron đồ thị PyTorch Geometric. Dùng để được hỗ trợ cài đặt torch-geometric, cách sử dụng torch-geometric, phân loại đồ thị, phân loại nút, dự đoán liên kết, đồ thị dị thể, các lớp MessagePassing tùy chỉnh và mở rộng GNN cho quy trình Machine Learning.

Dùng sympy để làm toán học ký hiệu chính xác trong Python, bao gồm đại số, giải tích, ma trận, công thức vật lý, lý thuyết số, hình học và sinh mã. Skill này giúp bạn giữ biểu thức ở dạng chính xác, chọn đúng module của SymPy và tránh các lỗi thường gặp khi phụ thuộc quá nhiều vào số thực. Phù hợp nhất cho người cần một hướng dẫn sympy thực dụng cho quy trình làm việc ký hiệu và sympy cho phân tích dữ liệu.

Kỹ năng rdkit hỗ trợ các quy trình cheminformatics chính xác: phân tích cú pháp SMILES, SDF, MOL, PDB và InChI; tính toán descriptor; tạo fingerprint; chạy tìm kiếm substructure; xử lý phản ứng; và xây dựng tọa độ 2D/3D. Hãy dùng hướng dẫn rdkit này khi cần kiểm soát nâng cao, sanitization tùy chỉnh, và quy trình rdkit cho phân tích dữ liệu.

qiskit là một kỹ năng điện toán lượng tử của IBM để xây dựng mạch, chọn backend, transpile cho phần cứng và chạy job trên simulator hoặc thiết bị IBM Quantum. Đây là lựa chọn phù hợp khi dùng qiskit trong hóa học, tối ưu hóa và machine learning, đặc biệt nếu bạn cần hướng dẫn cài đặt và chạy thực tế thay vì một tài liệu qiskit chỉ thiên về lý thuyết.

Open Notebook là một workspace nghiên cứu mã nguồn mở, tự host, phục vụ phân tích tài liệu, ghi chú, chat có dẫn nguồn, tìm kiếm và tạo tóm tắt kiểu podcast. Hãy dùng kỹ năng open-notebook để tổ chức notebook, nạp PDF, trang web, âm thanh, video và file Office, đồng thời hỗ trợ các quy trình riêng tư, ưu tiên API cho Data Analysis.

hypogenic là một skill để tạo và kiểm tra giả thuyết trên các tập dữ liệu dạng bảng hoặc dữ liệu trích xuất từ văn bản, có hỗ trợ LLM. Nó giúp phân tích dữ liệu với hypogenic bằng cách biến các câu hỏi thực nghiệm thành quy trình làm việc có cấu trúc và có thể kiểm chứng cho diễn giải phân loại, phân tích nội dung và phát hiện gian lận. Hãy dùng khi bạn cần giả thuyết có bằng chứng, không chỉ là động não ý tưởng.

Skill hugging-science giúp bạn tìm và sử dụng các tài nguyên AI khoa học từ Hugging Science catalog và org `hugging-science` trên Hugging Face. Đây là lựa chọn phù hợp cho sinh học, hóa học, khí hậu, genomics, vật liệu, thiên văn học và các công việc tương tự khi bạn cần một dataset, model, Space hoặc bài blog có thể chạy hoặc trích dẫn được. Hãy dùng nó cho nhu cầu sử dụng hugging-science và các workflow hướng dẫn hugging-science thay vì tìm kiếm chung chung.

histolab là một skill Python cho tiền xử lý ảnh whole-slide image (WSI) trong giải phẫu bệnh số. Skill này hỗ trợ phát hiện mô, trích xuất tile và chuẩn hóa nhuộm cho các slide H&E, rất hữu ích cho chuẩn bị bộ dữ liệu, phân tích nhanh theo tile và các quy trình phân tích dữ liệu nhẹ. Hãy cài đặt và dùng histolab với hướng dẫn thực tế về mask, tiler và quản lý slide.

diffdock là một skill docking để dự đoán tư thế gắn kết protein-ligand từ cấu trúc PDB hoặc từ chuỗi protein kèm ligand ở định dạng SMILES, SDF hoặc MOL2. Hãy dùng skill diffdock cho thiết kế thuốc dựa trên cấu trúc, sàng lọc ảo và phân tích tư thế có chấm điểm độ tin cậy. Skill này không dùng để dự đoán ái lực gắn kết.

dhdna-profiler trích xuất các mẫu nhận thức và “dấu vân tay tư duy” từ văn bản hoặc lời nói. Dùng nó để lập hồ sơ cách một người suy luận, ra quyết định, đặt giá trị và giao tiếp; so sánh phong cách tư duy; hoặc trả lời câu hỏi “phong cách tư duy của tôi là gì?”. Skill này đặc biệt hữu ích cho phân tích có cấu trúc, đối chiếu lặp lại, và đào sâu vào “bộ não” đứng sau một đoạn nội dung.

Skill user-personas tạo ra 3 persona tinh chỉnh từ dữ liệu nghiên cứu, kèm JTBD, pain points, gain points và những insight bất ngờ. Hãy dùng cho user-personas trong nghiên cứu UX, phân khúc người dùng, chiến lược onboarding và các quyết định sản phẩm khi bạn có khảo sát, phỏng vấn hoặc nguồn dữ liệu tương tự.

market-sizing giúp ước tính TAM, SAM và SOM bằng cả phương pháp top-down lẫn bottom-up. Hãy dùng cho quy trình Market Research, quyết định thâm nhập thị trường, bộ deck cho nhà đầu tư và kế hoạch ra mắt khi bạn cần một logic trail có thể bảo vệ, các giả định cần kiểm chứng và một ước tính thị trường sơ bộ thực tế.