Verwenden Sie es, wenn Fehler tief in der Ausführung auftreten und Sie zurückverfolgen müssen, um den ursprünglichen Trigger zu finden – verfolgt Fehler systematisch rückwärts durch den Aufrufstapel und fügt bei Bedarf Instrumentierung hinzu, um die Quelle ungültiger Daten oder falschen Verhaltens zu identifizieren
Schnelle Integration in Ihren Workflow mit minimaler Einrichtung
Aktive Open-Source-Community mit kontinuierlichen Updates
MIT/Apache-Lizenz für kommerzielle und private Nutzung
Anpassbar und erweiterbar nach Ihren Bedürfnissen
Laden Sie die Skill-Datei aus dem Quell-Repository herunter oder kopieren Sie sie
Platzieren Sie die Skill-Datei im Skills-Verzeichnis von Claude (normalerweise ~/.claude/skills/）。
Starten Sie Claude neu oder führen Sie den Reload-Befehl aus, um die Skill zu laden
Tipp: Lesen Sie die Dokumentation und den Code vor der ersten Verwendung sorgfältig durch, um die Funktionalität und Berechtigungsanforderungen zu verstehen
Alle Skills stammen aus der Open-Source-Community und bewahren die Urheberrechte der ursprünglichen Autoren
obra__superpowers/skills/root-cause-tracing/skill.mdBewährte Vorteile und messbare Wirkung
Reduzieren Sie die Zeit für die Eigenschaftsvorhersage von Wochen auf Stunden mit vortrainierten GNNs.
Zugriff auf 40+ kuratierte Datensätze für sofortiges Modelltraining und Benchmarking.
Rechenkosten mit optimierten PyTorch-basierten Workflows senken.
Perfekt für diese Szenarien
Vorhersage von arzneimittelähnlichen Eigenschaften mit GNN-Modellen für die frühzeitige Toxizitätsprüfung.
Proteinstrukturen und -interaktionen für die Zielidentifizierung analysieren.
Entwurf neuartiger Arzneimittelkandidaten mit generativen Modellen für De-novo-Entdeckung.
Optimierung von Syntheserouten für Arzneimittelkandidaten mittels ML-gesteuerter Retrosynthese.