Jupyter

Open Notebook 是一个自托管、开源的研究工作区，适用于文档分析、笔记、带来源的聊天、搜索以及播客式摘要。使用 open-notebook 技能来整理 notebook、导入 PDF、网页、音频、视频和 Office 文件，并支持面向私有场景、以 API 为先的数据分析工作流。

histolab 是一个用于数字病理全切片图像（WSI）预处理的 Python 技能。它支持组织检测、切片提取和 H&E 切片的染色归一化，适合数据集准备、基于切片的快速分析以及轻量级数据分析工作流。结合掩膜、tiler 和切片管理的实用指导，即可安装并使用 histolab。

当你在 Python 数据分析中需要统计建模、推断和诊断时，statsmodels 技能可帮助你使用 statsmodels。它适用于 OLS、GLM、离散因变量、时间序列和混合模型，并提供系数表、p 值、置信区间和假设检验。可将这份 statsmodels 指南用于计量经济学、预测和可交付、可辩护的报告输出。

statistical-analysis 技能可帮助你为 Data Analysis 选择、执行并汇报有说服力的检验，涵盖前提假设、效应量、统计功效以及 APA 风格结果。适用于学术研究、实验和观察性研究，尤其是在检验选择和清晰报告比实现某个具体模型更重要的场景。

用于 Python 中单细胞 RNA-seq 数据分析的 scanpy 技能。适合做 QC、标准化、PCA、UMAP/t-SNE、聚类、marker 基因发现、轨迹分析以及生成出版级图表。最适合围绕 AnnData 构建的探索性 scRNA-seq 工作流，提供清晰的 scanpy 使用与安装指引。

用于 Python 绘图的 matplotlib 技能，可对坐标轴、标签、图例、布局和导出格式进行完整控制。适合科学图表、多面板分析、自定义图类型以及需要比通用图表提示更高精度的可复现可视化。对于数据分析和可直接用于发表的图表，它是一个很强的 matplotlib 指南。

matlab 技能可帮助你生成、调试和适配 MATLAB 或 GNU Octave 代码，适用于矩阵运算、数据分析、可视化、统计、优化和科学计算。它适合用于可直接运行的 MATLAB 用法示例、MATLAB 数据分析、MATLAB 到 Python 的转换，以及需要比通用提示更少反复试错的 Octave 兼容脚本。

labarchive-integration 可用于 LabArchives REST API 工作流，涵盖笔记本访问、条目、附件、备份、报告，以及与 Protocols.io、Jupyter 和 REDCap 的集成。若你在 API 开发中需要关于凭据、配置和可重复 ELN 自动化的实用指导，这个 labarchive-integration 技能会很有帮助。

imaging-data-commons 可帮助你使用 idc-index 查询并下载 NCI Imaging Data Commons 的公开癌症影像数据。适用于 CT、MR、PET 和病理数据集中的 imaging-data-commons 使用场景，包括元数据检索、浏览器预览、许可检查，以及 AI 训练或数据分析工作流。无需认证。

gget 是一款生物信息学技能，可通过 CLI 或 Python 快速、统一地访问 20+ 个基因组数据库和分析工具。适合查询基因信息、BLAST 相关检索、AlphaFold 结构、表达数据、疾病关联以及富集分析等场景，也很适合用于快速探索和 gget 数据分析工作流。

exploratory-data-analysis 技能可将科学文件转换为支持格式感知的 EDA 报告。它会识别文件类型、概括结构与质量、提取关键元数据，并给出后续分析建议。适用于化学、生物信息学、显微镜、光谱学、蛋白质组学、代谢组学等各类科学文件格式的数据分析与探索性数据分析（EDA）。

astropy 是一个面向天文学和天体物理工作流的 Python 工具包。这个 astropy 技能适用于天体坐标、单位、FITS 文件、时间尺度、表格、WCS、宇宙学，以及 astropy 数据分析。它能帮助完成坐标转换、单位换算和数据处理等实用天文任务。

jupyter-notebook 技能可帮助你创建、重构并组织 .ipynb notebooks，用于实验、教程和数据分析。它借助内置模板和 `new_notebook.py` 辅助脚本，生成结构清晰、可复现的 notebooks，具备明确分区、可运行单元格，并尽量减少 JSON 错误。