📊 データとAI

Claude Code および Codex で学術論文の AIGC 検出率と AI らしさを低減します。知网、万方、PaperPass、PaperPure などの検出器の原理に基づき、スキャンと特定、決定論的置換、文レベルの再構成、Anti-AI 監査を用いて、学術的な文体、事実、データ、引用、専門用語の整合性を保ちながらテンプレート化された AI の痕跡を削減します。ユーザーが AI らしさを抑える、AIGC 率を下げる、AI 検出を回避する、AI 重複チェックの誤判定を減らす、論文を人が書いたようにする、あるいは「去 AI 味」「降重」「AIGC 查重」などに言及したときに使用します。

このスキルは、Pythonでアノテーション付きデータ行列を処理する場合、特に単一細胞ゲノミクス解析、メタデータとともに実験測定値を管理する場合、または大規模な生物学的データセットを処理する場合に使用されます。AnnDataオブジェクト、h5adファイル、単一細胞RNA-seqデータ、またはscanpy/scverseツールとの統合を含むタスクの場合に使用してください。

コーディングタスクを Blackbox AI マルチモデル CLI に委任します。

Claude API / Anthropic SDK のリファレンス。モデル ID、料金、パラメータ、ストリーミング、ツール利用、MCP、エージェント、キャッシュ、トークン数カウント、モデル移行をカバーする。プロンプトに Claude/Anthropic が含まれる、LLM に関する質問がある、またはプロバイダーが明示されていない LLM 系タスクの場合、対象ファイルを開く前に読むこと。他のプロバイダーが対象の場合のみスキップする。

Cursor 上で claude-mem をセットアップする際に使用します：ローカルまたはリモートの worker、ローカルの host-login observer、またはリモートの cmem.ai 推論。

単一のHTMLファイルで構成された管理/分析ダッシュボード。左側に固定サイドバー、上部にユーザー/検索バー、メイン領域にはKPIカードのグリッドと1〜2個のチャート。要件がダッシュボード、管理画面、分析またはコントロールパネルの画面を求めている場合に使用する。

並列/分散コンピューティング。メモリを超えたpandas/NumPyのスケーリング、並列DataFrames/Arrays、マルチファイル処理、タスクグラフにより、RAMより大きなデータセットと並列ワークフローに対応。

Pythonのインターフェースが簡略化され、適切なデフォルト設定がされたRDKitのラッパー。標準的な創薬用途（SMILES解析、標準化、記述子、指紋、クラスタリング、3Dコンフォーマー、並列処理）に推奨。rdkit.Chem.Molオブジェクトをネイティブで返却。高度な制御やカスタムパラメーターが必要な場合は、直接RDKitを使用してください。

消費者向けのデート/マッチングダッシュボード。左レールナビゲーション、コミュニティシグナルのティッカーバー、主要KPI、30日間の mutual-matches 棒グラフ、マッチ率のトレンドブロックを配置。編集風タイポグラフィと抑えたアクセント。"dating site"、"matchmaking"、"community dashboard"、"social network dashboard" の要望や、データそのものが物語となるコンシューマー製品に使用する。

Hyperliquid のマーケットデータ、アカウント履歴、取引レビュー。

ユーザーが claude-mem のセットアップ、claude-mem のペアリング、cmem の接続、cmem キーの追加、Cowork のクラウド同期設定を求めた場合、または cmem.ai Connect の値（sync token、user id、SyncHub URL）をこのプラグイン用に提供した場合に、この skill を使用します。claude-mem-cowork プラグインの認証情報を構成します。

コーディングを OpenHands CLI（モデル非依存、LiteLLM）に委任します。

質量分析データ解析のためのOpenMSへのPythonインターフェース。LC-MS/MSプロテオミクスおよびメタボロミクスのワークフロー、包括的なファイルハンドリング（mzML、mzXML、mzTab、FASTA、pepXML、protXML、mzIdentML）、信号処理、特徴検出、ペプチド識別、定量解析に使用します。質量分析データの処理、プロテオミクス実験の解析、またはメタボロミクスデータセットの処理を行う際に適用します。

eコマースの商品レビューとVOCを深く分析し、レビューを実行可能な洞察に変換するスキル。22次元のAIタグ付けでユーザーペルソナ、痛点、真のニーズを抽出し、15章の洞察レポートとテーマ別ダッシュボードを出力、低評価から改善機会を、高評価からヒット要素を発見します。CSVを主入力とし、SellerSpriteはオプション、Feishu同期に対応。キーワード調査や選品レーダー用途には向きません。

ScholarEval手法に基づく学術研究業績を評価するための体系的なフレームワーク。このスキルは、研究論文の評価、文献レビューの評価、研究方法論のスコア付け、科学的な文章の質の分析、または学術業績に構造化された評価基準を適用する場合に使用する必要がある。問題の設定、文献レビュー、方法論、データ収集、分析、結果の解釈、学術的な文章の質を含む複数の次元にわたる総合的な評価を提供する。

科学的な原稿の作成。IMRAD構造、引用（APA/AMA/Vancouver）、図表、報告ガイドライン（CONSORT/STROBE/PRISMA）、抄録、研究論文および雑誌投稿向け。

scikit-learnを使用したPythonによる機械学習。教師あり学習（分類、回帰）、教師なし学習（クラスタリング、次元削減）、モデル評価、ハイパーパラメータチューニング、前処理、または機械学習パイプラインの構築を行う場合に使用します。アルゴリズム、前処理手法、パイプライン、およびベストプラクティスに関する包括的なリファレンスドキュメンテーションを提供します。

このスキルは、scvi-tools を使用した単一細胞オミクスデータ解析（scRNA-seq、scATAC-seq、CITE-seq、空間トランスクリプトミクス、その他の単一細胞モダリティを含む）を行う際に使用します。確率的モデリング、バッチ補正、次元削減、差次的発現、細胞型アノテーション、マルチモーダル統合、空間解析タスクにこのスキルを使用します。

グラフニューラルネットワーク（PyG）。ノード/グラフ分類、リンク予測、GCN、GAT、GraphSAGE、異種グラフ、分子特性予測、幾何学的深層学習向け。

UMAP次元削減。高次元データに対する、2D/3D可視化のための高速非線形多様体学習、クラスタリング前処理（HDBSCAN）、教師あり/パラメトリックUMAP。

このスキルは、使用可能なRAMを超える大きな表形式データセット（数十亿行）の処理と分析に使用します。Vaexは、コア外のDataFrame操作、遅延評価、高速集計、ビッグデータの効率的な可視化、および大きなデータセットでの機械学習に優れています。ユーザーが大きなCSV/HDF5/Arrow/Parquetファイルを使用して作業する必要がある場合、大規模なデータセットで高速な統計を実行する場合、ビッグデータの可視化を作成する場合、またはメモリに収まらないMLパイプラインを構築する場合に適用します。

時給1万ドル級のX/Twitter運用メンター。Nicolas Cole、Dickie Bush、Sahil Bloom、Justin Welsh、Dan Koe、Alex Hormoziの6人のトップクリエイターの方法論、Xのオープンソースアルゴリズムの深層分析、AI/テック領域の特化戦略に基づき、6つの中核メンタルモデル、10の意思決定ヒューリスティック、トピック選定・執筆・成長の完全プレイブックを抽出している。汎用メソッドロジーを土台とし、AI/テック領域を専門とし、ユーザーがX運用、Twitter、ツイート、フォロワー増加、Xアルゴリズム、threadなどを言及した場合に起動する。

YouTube動画のインテリジェントなクリッピングツールです。動画と字幕をダウンロードし、AIが細かいチャプターを生成します。ユーザーが選択したクリップを自動編集し、字幕を中国語・英語のバイリンガルに翻訳して動画に焼き込み、サマリーテキストを生成します。