Organiza inteligente tus archivos y carpetas en tu computadora al entender el contexto, encontrar duplicados, sugerir estructuras mejoradas y automatizar tareas de limpieza. Reduce la carga cognitiva y mantiene tu espacio de trabajo digital ordenado sin esfuerzo manual.
EN LO QUE TE CONVIERTES
Perfecto para estos escenarios
Validar dianas terapéuticas con puntuaciones de asociación a enfermedades y datos de «tractability»
Identificar nuevas indicaciones para fármacos existentes utilizando evidencias de objetivo-enfermedad
Clasificar objetivos por la fuerza de la evidencia genética de GWAS y estudios de variantes raras
Evaluar el perfil de seguridad del diana utilizando datos fenotípicos y de expresión
GANANCIA MEDIBLE
Beneficios probados e impacto medible
Reduce el tiempo dedicado a recopilar evidencia de objetivo-enfermedad de múltiples fuentes
Aumente la tasa de éxito priorizando objetivos validados genéticamente
Reduce los gastos eliminando objetivos no rastreables al principio del proceso
QUÉ INCLUYE
Archivos, etiquetas y la instalación en tres pasos
Consejo: Lee la documentación y el código antes del primer uso para saber qué hace y qué permisos necesita.
SIGUIENTES GUIONES
Recomendado según etiquetas y categoría
Sistema de generación de agentes de código Claude que crea agentes personalizados y subagentes con frontmatter YAML mejorado, patrones de acceso a herramientas y soporte para integración MCP siguiendo patrones de producción probados
Generar y mantener archivos AGENTS.md siguiendo la convención pública agents.md. Usar cuando se cree documentación para flujos de trabajo de agentes AI, guías de incorporación o cuando se estandaricen patrones de interacción de agentes en proyectos.
Esta habilidad debería usarse para tareas de aprendizaje automático de series temporales que incluyen clasificación, regresión, agrupamiento, pronóstico, detección de anomalías, segmentación y búsqueda de similitud. Usarla al trabajar con datos temporales, patrones secuenciales o observaciones indexadas en el tiempo que requieren algoritmos especializados más allá de los enfoques de ML estándar. Especialmente adecuada para análisis de series temporales univariadas y multivariadas con APIs compatibles con scikit-learn.
Procesa y genera contenido multimedia utilizando la API de Google Gemini. Las capacidades incluyen analizar archivos de audio (transcripción con marcas de tiempo, resumen, comprensión del habla, análisis de música/sonido hasta 9,5 horas), entender imágenes (descripción, detección de objetos, OCR, preguntas y respuestas visuales, segmentación), procesar videos (detección de escenas, preguntas y respuestas, análisis temporal, URLs de YouTube, hasta 6 horas), extraer de documentos (tablas PDF, formularios, gráficos, diagramas, varias páginas), generar imágenes (texto a imagen, edición, composición, refinamiento). Usar cuando se trabaje con archivos de audio/video, se analicen imágenes o capturas de pantalla, se procesen documentos PDF, se extraiga datos estructurados de medios, se creen imágenes a partir de indicaciones de texto o se implementen funciones de IA multimodal. Soporta múltiples modelos (Gemini 2.5/2.0) con ventanas de contexto de hasta 2 millones de tokens.