当执行深处发生错误且您需要回溯查找原始触发因素时使用 - 系统地通过调用堆栈向后追踪错误，必要时添加工具，以识别无效数据或不正确行为的来源
无需复杂配置，快速集成到您的工作流
来自活跃的开源社区，持续更新维护
MIT/Apache 许可，商用个人均可使用
可根据需求自定义和扩展功能
从源仓库下载或复制 skill 文件到您的项目中。
将 skill 文件放置到 Claude 的 skills 目录中（通常是 ~/.claude/skills/）。
重启 Claude 或运行重载命令，skill 将自动加载并可供使用。
提示： 首次使用前请仔细阅读 skill 的文档和代码，确保理解其功能和权限要求。
obra__superpowers/skills/root-cause-tracing/skill.md经过验证的优势和可衡量的影响
利用预训练的图神经网络（GNN），将属性预测时间从数周缩短至数小时。
访问40多个精心整理的数据集，可立即进行模型训练和基准测试。
利用优化的PyTorch工作流，降低计算成本。
适用于以下场景
使用图神经网络模型预测药物类特性，用于早期毒性筛选。
分析蛋白质结构与相互作用，以进行靶点识别。
使用生成模型设计新药分子，用于从头药物发现。
使用机器学习驱动的逆合成优化药物候选分子的合成路线。