Agent Skills Hub

scikit-learn

使用 scikit-learn 進行經典機器學習。適用於分類、迴歸、分群、降維、資料預處理、模型評估，以及構建 Python 機器學習流程。

stable-baselines3

使用 Stable Baselines3 進行生產級強化學習。透過類 scikit-learn API 訓練智能體、設計自定義環境、實作訓練回調函數並優化工作流程。

pymc

使用 PyMC 進行貝葉斯建模與機率編程。構建分層模型，執行 MCMC 採樣 (NUTS) 與變分推斷，並透過 LOO/WAIC 進行嚴謹的模型比較與後驗檢查。

pytdc

提供用於藥物開發的 AI 就緒數據集、基準測試與分子預測工具，涵蓋 ADME、毒性、藥物-目標交互作用及分子生成任務。

zarr-python

用於儲存分塊 N 維陣列的高效能 Python 技能。支援雲端儲存 (S3/GCS)、平行 I/O，並與 NumPy、Dask 及 Xarray 無縫整合，適用於大規模科學運算。

light-curve-preprocessing

使用 Lightkurve 進行天文光變曲線預處理與清潔。提供離群值移除、趨勢平滑化、去趨勢與資料品質標記處理工具，適用於天文時序資料分析。

networkx

Python 網路分析與圖論工具集。適用於建立圖結構、分析網路關係、計算中心性與社區檢測，並支援合成網路生成與視覺化，廣泛應用於各類科學研究領域。

lomb-scargle-periodogram

使用 Lomb-Scargle 週期圖法分析天文時間序列數據，特別適用於非均勻採樣數據，並透過 lightkurve 函式庫偵測週期性訊號。

data-analysis

資料分析專員：進行探索性資料分析、統計建模、SQL 查詢與 Python 資料視覺化，透過嚴謹的量化方法將原始數據轉化為可操作的洞察。

statsmodels

Python 統計建模與計量經濟學函式庫。執行 OLS、GLM、混合模型、ARIMA、診斷與推論，適用於嚴謹的科學分析。

pyhealth

全方位 Python 醫療 AI 工具包，用於臨床數據處理、醫學編碼轉換，以及開發用於 EHR、生理訊號和臨床預測任務的深度學習模型（如 RETAIN 與 Transformer）。

flow-nexus-neural

使用 Flow Nexus 平台在分佈式 E2B 沙盒中訓練與管理神經網路，支援 Transformer、LSTM 和 GAN 等自定義架構。