Scientific

optimize-for-gpu giúp chuyển Python bị nghẽn ở CPU sang mã NVIDIA GPU với lựa chọn thư viện phù hợp. Dùng cho mảng dữ liệu, dataframe, pipeline ML, phân tích đồ thị, xử lý ảnh, tác vụ địa không gian, tìm kiếm vector và kernel tùy chỉnh. Kỹ năng này định hướng cách chọn CuPy, cuDF, cuML, cuGraph, cuCIM, cuVS, KvikIO, Numba CUDA và Warp, kèm hướng dẫn sử dụng optimize-for-gpu thực tế và lời khuyên di chuyển.

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.

Kỹ năng research-grants giúp biến một ý tưởng nghiên cứu còn sơ bộ thành đề xuất xin tài trợ sẵn sàng nộp cho NSF, NIH, DOE, DARPA hoặc Taiwan NSTC. Kỹ năng này hỗ trợ đánh giá mức độ phù hợp với nhà tài trợ, cấu trúc đúng yêu cầu, lập luận cho ngân sách, định khung theo tiêu chí đánh giá và soạn thảo từng phần cho PI, nghiên cứu viên sau tiến sĩ và người viết kỹ thuật.

protocolsio-integration là một skill tích hợp API của protocols.io để quản lý các quy trình khoa học một cách lập trình. Hãy dùng nó cho tìm kiếm, tạo mới, cập nhật, xuất bản, chỉnh sửa các bước, tổ chức workspace, bình luận và xử lý tệp. Đặc biệt hữu ích cho protocolsio-integration trong Phát triển Backend, tự động hóa quy trình và sử dụng protocols.io lặp lại, nhất quán.

Kỹ năng peer-review giúp bạn viết các bản phản biện chính thức, dựa trên bằng chứng cho bản thảo khoa học và hồ sơ xin tài trợ. Dùng nó để đánh giá phương pháp, thống kê, khả năng tái lập, đạo đức và các chuẩn báo cáo như CONSORT, STROBE hoặc PRISMA, kèm phản hồi mang tính xây dựng để tác giả và biên tập viên có thể hành động.

parallel-web là một skill nghiên cứu và trích xuất nội dung web được hỗ trợ bởi parallel-cli. Skill này giúp bạn tìm kiếm web, trích xuất nội dung từ URL, làm giàu dữ liệu từ các nguồn, và thực hiện nghiên cứu chuyên sâu với ưu tiên cho nguồn học thuật và khoa học. Phù hợp khi bạn cần dùng parallel-web, nghiên cứu web, trích dẫn, và các quy trình làm việc ưu tiên bằng chứng.

paperzilla là một skill dùng qua chat và CLI để làm việc với các dự án Paperzilla, các đề xuất, canonical papers, bản tóm tắt markdown, phản hồi và xuất feed. Hãy dùng khi bạn cần truy cập trực tiếp dữ liệu Paperzilla cho Nghiên cứu Học thuật, chứ không chỉ một bản tóm tắt chung chung. Skill này hỗ trợ các tác vụ sử dụng paperzilla, hướng dẫn paperzilla, và đầu ra có cấu trúc.

Kỹ năng matplotlib cho vẽ biểu đồ bằng Python với toàn quyền kiểm soát trục, nhãn, chú giải, bố cục và định dạng xuất. Hãy dùng khi cần biểu đồ khoa học, phân tích nhiều khung, kiểu biểu đồ tùy chỉnh và trực quan hóa có thể tái tạo, đặc biệt khi bạn cần độ chính xác cao hơn một prompt biểu đồ chung chung. Đây là hướng dẫn matplotlib rất phù hợp cho Phân tích dữ liệu và các biểu đồ sẵn sàng đưa vào xuất bản.

markdown-mermaid-writing là một kỹ năng viết tài liệu bằng Markdown và sơ đồ Mermaid dành cho tài liệu khoa học và kỹ thuật. Hãy dùng nó để biến quy trình, kiến trúc, phân tích và báo cáo thành tài liệu có thể chỉnh sửa, ưu tiên văn bản, với sơ đồ rõ ràng, thân thiện với kiểm soát phiên bản và cách dùng markdown-mermaid-writing thực tiễn cho Technical Writing.

latex-posters giúp bạn tạo poster nghiên cứu chuyên nghiệp bằng LaTeX cho hội nghị, hội thảo, bảo vệ luận văn và truyền thông khoa học. Kỹ năng này bao quát các quy trình làm việc phù hợp với từng gói như beamerposter, tikzposter và baposter, kèm hướng dẫn về bố cục, phân cấp nội dung, hình minh họa, trích dẫn và thiết kế poster sẵn sàng để in.

Kỹ năng literature-review hỗ trợ các quy trình rà soát tài liệu có hệ thống cho Academic Research, bao gồm tìm nguồn, kiểm tra trích dẫn, tổng hợp chủ đề và xuất đầu ra markdown hoặc PDF chỉn chu. Hãy dùng cho các tác vụ hướng dẫn literature-review, meta-analysis, scoping review và brief nghiên cứu trong các lĩnh vực khoa học và kỹ thuật.

Skill lamindb giúp bạn làm việc với LaminDB, một framework dữ liệu sinh học mã nguồn mở để biến dữ liệu thành dạng có thể truy vấn, truy vết, tái lập và tuân thủ FAIR. Dùng nó cho lamindb trong Phân tích dữ liệu, biên soạn metadata, chú thích dựa trên ontology, kiểm tra schema và các quy trình làm việc có nhận biết lineage trên notebook và pipeline.

imaging-data-commons giúp bạn truy vấn và tải về dữ liệu hình ảnh ung thư công khai từ NCI Imaging Data Commons bằng `idc-index`. Dùng skill này cho các tác vụ với imaging-data-commons trên bộ dữ liệu CT, MR, PET và mô bệnh học, bao gồm tìm kiếm metadata, xem trước trên trình duyệt, kiểm tra giấy phép, và quy trình phân tích dữ liệu hoặc huấn luyện AI. Không cần xác thực.

Kỹ năng infographics giúp bạn tạo ra các hình ảnh sẵn sàng xuất bản từ một chủ đề, bộ dữ liệu hoặc câu chuyện. Kỹ năng này hỗ trợ infographics cho Data Visualization với khả năng tạo bằng Nano Banana Pro, review chất lượng bằng Gemini 3 Pro, tùy chọn nghiên cứu, bảng màu dễ tiếp cận và tinh chỉnh lặp lại cho marketing, báo cáo, timeline, so sánh và bố cục mạng xã hội.

gget là một skill tin sinh học giúp truy cập nhanh, thống nhất hơn 20 cơ sở dữ liệu hệ gen và công cụ phân tích từ CLI hoặc Python. Dùng nó để tra cứu thông tin gen, truy vấn liên quan đến BLAST, cấu trúc AlphaFold, dữ liệu biểu hiện, liên kết bệnh lý và các phân tích kiểu enrichment. Nó phù hợp cho việc khám phá nhanh và các quy trình phân tích dữ liệu với gget.

get-available-resources kiểm tra CPU, GPU, bộ nhớ và ổ đĩa trước các quy trình khoa học hoặc ML nặng. Skill này trả về ảnh chụp tài nguyên cùng các khuyến nghị thực tế về xử lý song song, tăng tốc GPU hoặc cách tiếp cận an toàn với bộ nhớ, giúp tác nhân chọn cách thực thi tốt hơn cho tự động hóa workflow.

Kỹ năng exploratory-data-analysis biến các tệp khoa học thành báo cáo EDA có nhận biết định dạng. Kỹ năng này phát hiện loại tệp, tóm tắt cấu trúc và chất lượng, trích xuất siêu dữ liệu quan trọng và gợi ý hướng phân tích tiếp theo. Dùng kỹ năng exploratory-data-analysis cho Data Analysis trong các lĩnh vực hóa học, tin sinh học, hiển vi, quang phổ, proteomics, metabolomics và các định dạng tệp khoa học khác.

exa-search là một skill nghiên cứu web được hỗ trợ bởi Exa, dùng để tìm thông tin mới nhất và trích xuất nội dung từ các URL. Hãy dùng nó cho tìm kiếm, khám phá nguồn, trích xuất bài viết và PDF, cũng như nghiên cứu kỹ thuật hoặc khoa học với truy xuất ngữ nghĩa, lọc kiểu học thuật và hướng dẫn cài đặt, sử dụng rõ ràng.

etetoolkit là bộ công cụ cây phát sinh chủng loài cho các quy trình ETE. Dùng skill etetoolkit để phân tích cú pháp, chỉnh sửa, so sánh, định gốc, tỉa và trực quan hóa cây ở định dạng Newick, NHX, PhyloXML hoặc NeXML. Skill này hỗ trợ phylogenomics, phân tích orthology/paralogy, taxonomy NCBI, và xuất PDF hoặc SVG theo phong cách xuất bản.

depmap hỗ trợ phân tích Cancer Dependency Map cho điểm phụ thuộc gen của dòng tế bào ung thư, độ nhạy với thuốc và hồ sơ tác động gen. Hãy dùng nó để xác định các điểm yếu đặc hiệu của ung thư, các tương tác gây chết tổng hợp và xác thực mục tiêu thuốc ung thư bằng một hướng dẫn depmap có thể tái lập cho Phân tích Dữ liệu.

Skill deeptools hỗ trợ các workflow phân tích NGS trong deepTools: chuyển BAM sang bigWig, QC, so sánh mẫu, và tạo heatmap hoặc biểu đồ profile cho ChIP-seq, RNA-seq, ATAC-seq và các xét nghiệm liên quan. Hãy dùng nó như một hướng dẫn deeptools thực tiễn khi bạn cần phân tích và trực quan hóa trên dòng lệnh có thể tái lập.

database-lookup giúp định tuyến câu hỏi nghiên cứu đến đúng API cơ sở dữ liệu công khai và trả về JSON thô, kèm tên các cơ sở dữ liệu nguồn. Hãy dùng nó cho hợp chất, gen, protein, biến thể, thử nghiệm lâm sàng, bằng sáng chế, dữ liệu môi trường hoặc chỉ số kinh tế khi bạn cần một hướng dẫn tra cứu cơ sở dữ liệu thay vì một bản tóm tắt web chung chung.

citation-management hỗ trợ nghiên cứu học thuật bằng cách tìm bài báo, kiểm tra chi tiết trích dẫn và tạo BibTeX chính xác. Dùng skill citation-management để đối chiếu tài liệu tham khảo với Google Scholar, PubMed, CrossRef hoặc arXiv, làm sạch các trích dẫn rối và giảm lỗi trước khi nộp bản thảo hoặc luận văn.

Skill cellxgene-census để truy vấn CELLxGENE Census bằng lập trình. Dùng để khám phá dữ liệu biểu hiện gen, metadata, embeddings và các mẫu liên hệ giữa nhiều bộ dữ liệu trên các mô, bệnh và loại tế bào. Phù hợp nhất cho phân tích single-cell ở quy mô quần thể và so sánh với atlas tham chiếu; nếu làm việc với dữ liệu của chính bạn, hãy dùng scanpy hoặc scvi-tools.