使用AMiner开放平台API进行学术数据查询与分析。当用户需要查询学者档案、论文详情、机构数据、期刊内容或专利信息时，启用此技能。触发场景包括：提及AMiner、学术数据查询、搜索论文/学者/机构/期刊/专利、学术问答搜索、引文分析、研究机构分析、学者画像、论文引文链条、期刊投稿分析等。支持6种组合工作流（学者档案、论文深度分析、机构分析、期刊论文、论文问答搜索、专利分析）以及直接调用全部28个独立API。即使用户仅简单提及“查询学者XXX”或“查找关于XXX的论文”，也应主动启用此技能。
用于自动化蛋白质检测与验证的云实验室平台。在设计蛋白质并需要实验验证时使用，包括结合实验、表达测试、热稳定性测量、酶活性测定或蛋白质序列优化。也可用于通过API提交实验、跟踪实验状态、下载结果、利用计算工具（NetSolP、SoluProt、SolubleMPNN、ESM）优化蛋白质序列以提高表达效率，或结合湿实验验证管理蛋白质设计流程。
单细胞分析中注释矩阵的数据结构。在处理.h5ad文件或与scverse生态系统集成时使用。此为数据格式技能——分析流程请使用scanpy；概率模型请使用scvi-tools；群体规模查询请使用cellxgene-census。
Benchling 研发平台集成：通过 API 访问注册表（DNA、蛋白质）、库存、ELN 条目和工作流，构建 Benchling 应用，查询数据仓库，实现实验室数据管理自动化。
统一的 Python 接口，支持 40 多个生物信息学服务。在单个工作流中查询多个数据库（UniProt、KEGG、ChEMBL、Reactome）时使用，API 保持一致。最适合跨数据库分析和跨服务的 ID 映射。如需快速单数据库查询，请使用 gget；如需序列或文件操作，请使用 biopython。
用于处理超出内存大小的pandas/NumPy工作流的分布式计算。当您需要将现有的pandas/NumPy代码扩展到超出内存范围或跨集群运行时使用。最适合并行文件处理、分布式机器学习以及与现有pandas代码的集成。若需在单机上进行外存分析，请使用vaex；若需内存内高速运算，请使用polars。
使用多种特征提取器和预构建数据集的分子机器学习。当您需要丰富的特征提取选项和MoleculeNet基准时，可将其用于性质预测（如ADMET、毒性）与传统机器学习或图神经网络（GNN）结合使用。最适合使用预训练模型和多样分子表示进行快速实验。对于以图为主的PyTorch工作流程，请使用torchdrug；对于基准数据集，请使用pytdc。
用于科学研究辅助的多智能体AI系统，可自动化从数据分析到论文发表的研究流程。当需要从数据集中生成研究想法、开发研究方法、执行计算实验、进行文献检索或生成符合发表要求的LaTeX格式论文时，应使用此功能。支持端到端研究流程，并提供可自定义的智能体编排。
DNAnexus 云基因组学平台。构建应用程序/小程序、管理数据（上传/下载）、使用 dxpy Python SDK、运行工作流，支持 FASTQ/BAM/VCF 格式，用于基因组学管道的开发与执行。