涵盖遥感、GIS、空间分析、地球观测机器学习及30多个科学领域的综合地理空间科学技能。支持卫星影像处理（哨兵、陆地卫星、MODIS、SAR、高光谱）、矢量与栅格数据操作、空间统计、点云处理、网络分析、云原生工作流（STAC、COG、Planetary Computer），并支持8种编程语言（Python、R、Julia、JavaScript、C++、Java、Go、Rust），提供500多个代码示例。适用于遥感工作流、GIS分析、空间机器学习、地球观测数据处理、地形分析、水文建模、海洋空间分析、大气科学及任何地理空间计算任务。

在开始任何计算密集型科学任务之前，应使用此技能来检测并报告可用的系统资源（CPU核心、GPU、内存、磁盘空间）。它会生成一个包含资源信息和策略性建议的JSON文件，以指导计算方法的选择，例如是否使用并行处理（joblib、multiprocessing）、外存计算（Dask、Zarr）、GPU加速（PyTorch、JAX）或内存高效策略。在运行分析、训练模型、处理大型数据集或任何受资源限制影响的任务之前，请先使用此技能。

一个用 Rust 编写的高性能基因组区间分析工具包，附带 Python 绑定。适用于处理基因组区域、BED 文件、覆盖度轨迹、重叠检测、机器学习模型的分词，或计算基因组学和机器学习应用中的片段分析。

在云端使用无服务器容器、GPU 和自动扩缩容运行 Python 代码。适用于部署机器学习模型、运行批处理任务、调度计算密集型任务，或提供需 GPU 加速或动态扩缩容的 API。

用于机器学习的分子特征化（100多种特征化方法）。ECFP、MACCS、描述符、预训练模型（ChemBERTa），将SMILES转换为特征，适用于QSAR和分子机器学习。

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。

功能全面的计算病理学工具包，适用于高级WSI分析，包括多重免疫荧光（CODEX、Vectra）、细胞核分割、组织图构建以及病理数据的机器学习模型训练。支持160多种切片格式。如需从H&E切片中简单提取图像块，histolab可能更便捷。

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。

通过 LiteLLM 和 OpenRouter 使用 Perplexity 模型进行基于实时信息的 AI 驱动网页搜索。此功能适用于查找当前信息、检索近期科学文献、获取带有来源引用的可靠答案，或访问超出模型知识截止日期之外的信息。通过单一的 OpenRouter API 密钥，即可访问多个 Perplexity 模型，包括 Sonar Pro、Sonar Pro Search（高级代理搜索）和 Sonar Reasoning Pro。