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。

一套全面的蛋白质语言模型工具包，包含ESM3（跨序列、结构和功能的生成性多模态蛋白质设计）和ESM C（高效蛋白质嵌入与表示）。在处理蛋白质序列、结构或功能预测、设计新型蛋白质、生成蛋白质嵌入、执行逆向折叠或开展蛋白质工程任务时使用此工具。支持本地模型使用和基于云的Forge API以实现可扩展推理。

对超过200种文件格式的科学数据文件进行全方位的探索性数据分析。该技能适用于分析任何科学数据文件，以理解其结构、内容、质量与特征。自动识别文件类型，并生成包含格式特定分析、质量指标及下游分析建议的详细Markdown报告。覆盖化学、生物信息学、显微镜、光谱学、蛋白质组学、代谢组学及通用科学数据格式。

查询gnomAD（基因组聚集数据库）以获取人群等位基因频率、变异约束评分（pLI、LOEUF）及功能丧失不耐受信息。对于变异致病性解读、罕见病遗传学研究以及识别功能丧失不耐受基因至关重要。

使用多个学术数据库（如PubMed、arXiv、bioRxiv、Semantic Scholar等）进行全方位、系统性的文献综述。此技能适用于开展系统性文献综述、元分析、研究整合或跨生物医学、科学与技术领域的全面文献检索。能够创建格式专业、引用经过核实的Markdown文档和PDF文件，支持多种引用格式（如APA、Nature、Vancouver等）。

查询Monarch Initiative知识图谱，获取跨物种的疾病-基因-表型关联。整合了OMIM、ORPHANET、HPO、ClinVar和模式生物数据库，适用于罕见病基因发现、表型到基因的映射、跨物种疾病建模以及HPO术语查询。

Google NotebookLM 的自托管开源替代品，支持AI驱动的研究与文档分析。适用于将研究资料整理成笔记本、导入多种内容来源（PDF、视频、音频、网页、Office文档），生成AI驱动的笔记与摘要，从研究内容创建多说话者播客，通过上下文感知AI与文档对话，利用全文和向量搜索跨材料检索，或运行自定义内容转换。支持包括OpenAI、Anthropic、Google、Ollama、Groq和Mistral在内的16种以上AI服务商，并通过自托管确保完全的数据隐私。

使用OpenAlex数据库查询和分析学术文献。当需要搜索学术论文、分析研究趋势、查找作者或机构的作品、追踪引用、发现开放获取出版物或对超过2.4亿篇学术作品进行文献计量分析时，请使用本技能。适用于文献检索、研究成果分析、引用分析和学术数据库查询。

一种与硬件无关的量子机器学习框架，支持自动微分。适用于通过梯度训练量子电路、构建混合量子-经典模型，或需在IBM/Google/Rigetti/IonQ等设备间实现跨平台兼容的场景。最适合用于变分算法（VQE、QAOA）、量子神经网络，以及与PyTorch/JAX/TensorFlow的集成。如需针对特定硬件的优化，请使用Qiskit（IBM）或Cirq（Google）；如需处理开放量子系统，请使用QuTiP。