Interaktiver Hook-Ersteller für Claude Code. Ausgelöst, wenn der Benutzer das Erstellen von Hooks, PreToolUse, PostToolUse, Hook-Validierung, Hook-Konfiguration, settings.json-Hooks erwähnt oder Tool-Ausführungs-Workflows automatisieren möchte.
DAZU WIRST DU
Perfekt für diese Szenarien
Erstellen Sie sofort eine standardisierte Struktur für Referenzdokumente für neue Projekte.
Bestehende Dokumentation in eine organisierte Referenzhierarchie umstrukturieren.
Ein konsistentes Dokumentations-Framework für neue Teammitglieder bereitstellen.
Strukturierte Referenzdokumentation für API-Leitfäden und Handbücher erstellen.
MESSBARER GEWINN
Bewährte Vorteile und messbare Wirkung
Dokumentstruktur-Erstellungszeit von Stunden auf Minuten reduzieren.
Sorgen Sie für einheitliche Referenzdokumente in allen Projekten und Teams.
Reduzieren Sie den Aufwand für die Organisation und Aktualisierung von Referenzdokumenten.
DEIN EQUIPMENT
Dateien, Tags und die Installation in drei Schritten
Tipp: Lies Dokumentation und Code vor der ersten Nutzung, damit du Funktion und benötigte Berechtigungen kennst.
NÄCHSTE SKRIPTE
Empfohlen basierend auf Tags und Kategorie
Claude Code-Agent-Erzeugungssystem, das benutzerdefinierte Agenten und Sub-Agenten mit erweiterter YAML-Frontmatter, Tools-Zugriffsmustern und MCP-Integrationsunterstützung gemäß bewährten Produktionsmustern erstellt
Generieren und pflegen Sie AGENTS.md-Dateien entsprechend der öffentlichen agents.md-Konvention. Verwenden Sie dies bei der Erstellung von Dokumentation für KI-Agenten-Workflows, Onboarding-Anleitungen oder bei der Standardisierung von Agenten-Interaktionsmustern zwischen Projekten.
Cloud-Laborplatform für automatisierte Proteintests und -validierung. Verwenden Sie sie bei der Proteinentwicklung und bei der Bedürfnislage nach experimenteller Validierung, einschließlich Bindungsassays, Expressionstests, Thermostabilitätsmessungen, Enzymaktivitätsassays oder Proteinssequenzoptimierung. Verwenden Sie sie auch zum Einreichen von Experimenten über API, zum Verfolgen des Experimentstatus, zum Herunterladen von Ergebnissen, zur Optimierung von Proteinsequenzen für eine bessere Expression mit Hilfe von Rechenwerkzeugen (NetSolP, SoluProt, SolubleMPNN, ESM) oder zur Verwaltung von Proteinentwicklungsworkflows mit Nasslaborvalidierung.
Diese Fähigkeit sollte für Zeitreihenmaschinelles Lernen einschließlich Klassifikation, Regression, Clustering, Prognose, Anomalieerkennung, Segmentierung und Ähnlichkeitssuche verwendet werden. Verwenden Sie sie bei der Arbeit mit zeitlichen Daten, sequentiellen Mustern oder zeitindexierten Beobachtungen, die spezialisierte Algorithmen über standardisierte ML-Ansätze hinaus erfordern. Besonders geeignet für die Analyse univariate und multivariate Zeitreihen mit scikit-learn-kompatiblen APIs.