Agent Skills Hub

scikit-learn

使用 scikit-learn 进行经典机器学习。适用于分类、回归、聚类、降维、数据预处理、模型评估，以及构建 Python 机器学习流程。

stable-baselines3

使用 Stable Baselines3 进行生产级强化学习。通过类 scikit-learn API 训练智能体、设计自定义环境、实现训练回调函数并优化工作流程。

pymc

使用 PyMC 进行贝叶斯建模与概率编程。构建分层模型，执行 MCMC 采样 (NUTS) 与变分推断，并透过 LOO/WAIC 进行严谨的模型比较与后验检查。

pytdc

提供用于药物开发的 AI 就绪数据集、基准测试与分子预测工具，涵盖 ADME、毒性、药物-目标交互作用及分子生成任务。

zarr-python

用于存储分块 N 维阵列的高性能 Python 技能。支持云存储 (S3/GCS)、并行 I/O，并与 NumPy、Dask 及 Xarray 无缝集成，适用于大规模科学计算。

light-curve-preprocessing

使用 Lightkurve 进行天文光变曲线预处理与清洁。提供离群值移除、趋势平滑化、去趋势与数据质量标记处理工具，适用于天文时序数据分析。

networkx

Python 网络分析与图论工具集。适用于建立图结构、分析网络关系、计算中心性与社区检测，并支持合成网络生成与可视化，广泛应用于各类科学研究领域。

lomb-scargle-periodogram

使用 Lomb-Scargle 周期图法分析天文时间序列数据，特别适用于非均匀采样数据，并透过 lightkurve 函数库检测周期性信号。

data-analysis

数据分析专家：进行探索性数据分析、统计建模、SQL 查询与 Python 数据可视化，通过严谨的量化方法将原始数据转化为可操作的洞察。

statsmodels

Python 统计建模与计量经济学函数库。执行 OLS、GLM、混合模型、ARIMA、诊断与推论，适用于严谨的科学分析。

pyhealth

全方位 Python 医疗 AI 工具包，用于临床数据处理、医学编码转换，以及开发用于 EHR、生理信号和临床预测任务的深度学习模型（如 RETAIN 与 Transformer）。

flow-nexus-neural

使用 Flow Nexus 平台在分布式 E2B 沙盒中训练与管理神经网络，支持 Transformer、LSTM 和 GAN 等自定义架构。