Skills за
вашата задача.

Намерете инструкция, прочетете оригиналния файл и подгответе команда за своя инструмент.

31 301 skills в каталога

Данните имат нужда от нова проверка.Последна успешна проверка: 23.09.2026 г.

Обхват и актуалност

Skills в индекса: 31 301
Наблюдавани репозитории: 23 011
Skills в наблюдавани репозитории: 21 767
Skills без наблюдение на репозитория: 9534
Чакащи репозитории / файлове: 21 801 / 28 839
Чакащи търсения: 381
Грешки при проверката: 19
Последен опит: 23.09.2026 г.

Проверката на източника не означава, че всяка инструкция е изпробвана от Level8. Каталогът не обхваща непременно всички публични хранилища.

Търсене в целия индекс. Метаданните показват посоченото от източника; липсващите стойности остават означени.

Филтри и подредба1 активни

КатегорияПлатформаНивоОбновен в GitHubПодредбаРезултати на страница

Датата в GitHub е отделна от първата поява в моя индекс. Филтърът по дата изключва записите без посочено обновяване.

3687 резултата

Страница 16: 24 записа в 6 групи по репозиторий. Всички записи от страницата са показани. Номерът пази позицията от избраната подредба.

Общ източник

K-Dense-AI/scientific-agent-skills

18 skills от този източник на тази страница

ncats-arax

K-Dense-AI · Разработка

Queries the NCATS Translator ARAX production API for bounded, typed, provenance-rich one-hop and endpoint-pinned two-hop biomedical knowledge-graph relationships. Use for Biolink-constrained RTX-KG2 lookup, explicit selected-provider ARAX federation, separate entity normalization, qualifier-aware graph traversal, and inspection of TRAPI edge bindings, publications, and knowledge-source provenance. Do not use for inference, ranking, open-ended pathfinding, clinical guidance, or sensitive queries.

Оригинален текст · няма потвърден превод на българскиПлатформи: Не са посочениНиво: Не е посоченоВ индекса: 20.09.2026 г.Обновен в GitHub: 14.09.2026 г.

neurokit2

K-Dense-AI · Разработка

Use NeuroKit2 to build or audit reproducible research workflows for physiological time-series preprocessing, event/interval analysis, multimodal alignment, variability, and complexity. Trigger when code imports neurokit2 or needs its current APIs, schemas, and method-aware validation—not for diagnosis or device validation.

ontology-term-resolution

K-Dense-AI · Разработка

Resolve free-text scientific labels to ontology term IDs and validate existing CURIEs against the EBI Ontology Lookup Service (OLS4). Also look up prefixes in Bioregistry, resolve compact identifiers via Identifiers.org, map lab shorthand with ZOOMA, and build Ontobee term pages. Use whenever an ontology identifier must be produced or checked - annotating tissue, cell type, disease, phenotype, assay, chemical, organism, sex, or developmental stage fields; preparing metadata for GEO, ENA, BioSamp

opentrons-integration

K-Dense-AI · Разработка

Author, review, migrate, simulate, and troubleshoot official Opentrons Python Protocol API v2 protocols for Flex and OT-2 robots. Use for robot-specific liquid handling, deck and labware setup, pipettes, modules, runtime parameters, liquid classes, and Opentrons App analysis. Use pylabrobot instead when one workflow must support multiple robot vendors.

optimize-for-gpu

K-Dense-AI · Разработка

GPU-accelerates scientific Python on NVIDIA hardware and verifies that the result is correct and faster. Use for CUDA/GPU optimization; CPU-bound NumPy, SciPy, pandas, scikit-learn, NetworkX, scikit-image, vector-search, image-processing, graph, simulation, or file-I/O workloads; CuPy, cuDF, cuML, cuGraph, cuVS, cuCIM, KvikIO, Warp, Newton, Numba-CUDA, or RAFT questions; and profiling, memory-transfer, kernel, or multi-GPU bottlenecks. Also use when large data-parallel Python code is slow and GP

paper-lookup

K-Dense-AI · Разработка

Search 18 scholarly APIs for papers, preprints, citations, open-access full text, repository records, and journal OA status, and return results with reproducible provenance. Covers PubMed, PMC, Europe PMC, bioRxiv, medRxiv, arXiv, OpenAlex, Crossref, Semantic Scholar, CORE, Unpaywall, OpenCitations, PubTator3, Zenodo, Figshare, ROR, BioStudies, and DOAJ. Use when searching for papers, citations, DOI/PMID/arXiv lookups, abstracts, full text, open-access PDFs, preprints, citation graphs, author pu

pi-agent

K-Dense-AI · Разработка

Build with and use Pi, the minimal terminal coding harness. Use for installing Pi, configuring providers/models/settings/environment variables, creating Pi skills/extensions/packages/themes/prompt templates, embedding Pi through the SDK, integrating over RPC or JSON event streams, parsing sessions, running local models through the llama.cpp router, developing custom Pi providers and TUI components, or using ecosystem packages such as pi-subagents (delegation/orchestration), pi-mcp-adapter (MCP s

Оригинален текст · няма потвърден превод на българскиПлатформи: Не са посочениНиво: Не е посоченоВ индекса: 21.09.2026 г.Обновен в GitHub: 14.09.2026 г.

pyhealth

K-Dense-AI · Разработка

Build clinical/healthcare deep-learning pipelines with PyHealth — loading EHR/signal/imaging datasets (MIMIC-III/IV, eICU, OMOP, SleepEDF, ChestXray14, EHRShot), defining tasks (mortality, readmission, length-of-stay, drug recommendation, sleep staging, ICD coding, EEG events), instantiating models (Transformer, RETAIN, GAMENet, SafeDrug, MICRON, StageNet, AdaCare, CNN/RNN/MLP), training with the PyHealth Trainer, computing clinical metrics, and using medical code utilities (ICD/ATC/NDC/RxNorm l

pylabrobot

K-Dense-AI · Разработка

Develop and review PyLabRobot lab-automation resources, liquid-handling plans, offline simulations, and supported-device integrations. Use for PyLabRobot protocols or API questions; keep physical execution behind an explicit operator safety gate.

pymatgen

K-Dense-AI · Разработка

Analyze, validate, convert, and transform materials structures and computed materials data with current pymatgen APIs, including local phase diagrams, symmetry sensitivity, electronic-structure I/O, and explicitly bounded Materials Project queries.

pytorch-lightning

K-Dense-AI · Разработка

Deep learning framework (PyTorch Lightning / lightning package). Organize PyTorch code into LightningModules, configure Trainers for multi-GPU/TPU, implement data pipelines, callbacks, logging (W&B, TensorBoard, MLflow), distributed training (DDP, FSDP, DeepSpeed), for scalable neural network training.

pyzotero

K-Dense-AI · Разработка

Interact with Zotero reference management libraries using the pyzotero Python client. Retrieve, create, update, and delete items, collections, tags, and attachments via the Zotero Web API v3. Use this skill when working with Zotero libraries programmatically, managing bibliographic references, exporting citations, searching library contents, uploading PDF attachments, or building research automation workflows that integrate with Zotero.

rdkit

K-Dense-AI · Разработка

Cheminformatics toolkit for fine-grained molecular control. SMILES/SDF parsing, descriptors (MW, LogP, TPSA), fingerprints, substructure search, 2D/3D generation, similarity, reactions. For standard workflows with simpler interface, use datamol (wrapper around RDKit). Use rdkit for advanced control, custom sanitization, specialized algorithms.

rowan

K-Dense-AI · Разработка

Rowan is a cloud-native molecular modeling and medicinal-chemistry workflow platform with a Python API. Use for pKa and macropKa prediction, conformer and tautomer ensembles, docking and analogue docking, protein-ligand cofolding, MSA generation, molecular dynamics, permeability, descriptor workflows, and related small-molecule or protein modeling tasks. Ideal for programmatic batch screening, multi-step chemistry pipelines, and workflows that would otherwise require maintaining local HPC/GPU in

scholar-evaluation

K-Dense-AI · Разработка

Provide qualitative-first, evidence-traceable developmental review of scholarly works and audit low-stakes research-assessment rubrics with optional local quality controls. Never use for ranking people or consequential decisions.

Оригинален текст · няма потвърден превод на българскиПлатформи: Не са посочениНиво: Не е посоченоВ индекса: 21.09.2026 г.Обновен в GitHub: 21.09.2026 г.

sympy

K-Dense-AI · Разработка

Use when you need exact symbolic math in Python — algebra, calculus, equation solving, symbolic linear algebra, or code generation via lambdify/LaTeX. Prefer NumPy or SciPy when floating-point approximations are sufficient.

torchdrug

K-Dense-AI · Разработка

Build and troubleshoot TorchDrug 0.2.1 workflows for molecular graphs, property prediction, self-supervised pretraining, molecule generation, retrosynthesis, protein representation learning, and knowledge graph reasoning. Use when code imports torchdrug or needs its datasets, models, tasks, or Engine.

uncertainty-and-units

K-Dense-AI · Разработка

Track physical units and propagate measurement uncertainty in scientific calculations using pint and uncertainties. Use for unit conversion and dimensional checking, GUM uncertainty budgets, Type A and Type B evaluation, coverage factors and expanded uncertainty, Monte Carlo propagation, significant-figure and plus-minus reporting, error propagation through curve fits, CODATA constants, auditing Python code for stripped units or broken uncertainty propagation, and order-of-magnitude plausibility

Общ източник

danny-avila/LibreChat

1 skill от този източник на тази страница

improve-codebase-architecture

danny-avila · Разработка

Scan a codebase for deepening opportunities, present them as a visual HTML report, then grill through whichever one you pick.

Оригинален текст · няма потвърден превод на българскиПлатформи: Не са посочениНиво: Не е посоченоВ индекса: 20.09.2026 г.Обновен в GitHub: 20.09.2026 г.

Общ източник

Yuan1z0825/nature-skills

2 skills от този източник на тази страница

nature-data

Yuan1z0825 · Разработка

Draft or audit manuscript Data/Code Availability statements, dataset access routes, repository plans, and FAIR metadata. Use for 数据可用性声明、数据共享、数据仓库选择 and dataset citations; not general data cleaning or statistical analysis.

Оригинален текст · няма потвърден превод на българскиПлатформи: Не са посочениНиво: Не е посоченоВ индекса: 20.09.2026 г.Обновен в GitHub: 19.09.2026 г.

nature-downloader

Yuan1z0825 · Разработка

Use when a user needs lawful academic full text, CNKI institutional access, English OA retrieval, publisher API access, institutional browser fallback, or supporting information downloads.

Общ източник

MadsLorentzen/ai-job-search

1 skill от този източник на тази страница

freehire-search

MadsLorentzen · Разработка

Use this skill to search live software / tech / data / engineering job listings across many countries and markets (and remote) via the freehire.me aggregator's public API, or to look up a specific posting. It aggregates roles from ~50 ATS platforms into one schema, so a single skill covers many mark

Оригинален текст · няма потвърден превод на българскиПлатформи: Не са посочениНиво: Не е посоченоВ индекса: 20.09.2026 г.Обновен в GitHub: 16.09.2026 г.

Общ източник

reactive-resume/reactive-resume

1 skill от този източник на тази страница

resume-builder

reactive-resume · Разработка

Generate professional resumes that conform to the Reactive Resume schema. Use when the user wants to create, build, or generate a resume through conversational AI, or asks about resume structure, sections, or content. This skill guides the agent to ask clarifying questions, avoid hallucination, and produce valid JSON output for https://rxresu.me.

Общ източник

ChromeDevTools/chrome-devtools-mcp

1 skill от този източник на тази страница

debug-optimize-lcp

ChromeDevTools · Разработка

Guides debugging and optimizing Largest Contentful Paint (LCP) using Chrome DevTools MCP tools. Use this skill whenever the user asks about LCP performance, slow page loads, Core Web Vitals optimization, or wants to understand why their page's main content takes too long to appear. Also use when the

Оригинален текст · няма потвърден превод на българскиПлатформи: ClaudeНиво: НапредналоВ индекса: 04.03.2026 г.Обновен в GitHub: 11.06.2026 г.

Какво означават данните.

Пазя съществуващия каталог и добавям намерени SKILL.md файлове след прочит на метаданните. Наличният индекс остава използваем, когато проверката е частична.

Платформата и нивото описват записаното в източника. Те не са гаранция за съвместимост. Български текст се показва само когато в каталога има отделен превод; иначе виждате оригинала с означен език.

Общите звезди показват натрупана популярност. За „Набират интерес“ се сравнява измереният темп при достатъчен интервал. ≥ означава непълна извадка. Под един час не изчислявам дневен темп; методът и изминалият период се показват до записа.

Проверете файла, лиценза и нужния достъп преди употреба. Нито каталогът, нито четенето на SKILL.md изпълняват външни инструкции.

Темата Agent Skills в GitHub

Подбрани

React Composition Patternsvercel-labs · Разработка
React Best Practicesvercel-labs · Разработка
Web Artifacts Builderanthropics · Разработка
Test-Driven Developmentobra · Тестване
Web App Testinganthropics · Тестване
Systematic Debuggingobra · Тестване
Vercel Deploymentvercel-labs · DevOps
Vercel AI SDK Patternsvercel · Данни и AI
MCP Builderanthropics · Данни и AI
Web Design Guidelinesvercel-labs · Дизайн
Frontend Designanthropics · Дизайн
Canvas Designanthropics · Дизайн
Algorithmic Artanthropics · Дизайн
Theme Factoryanthropics · Дизайн
Writing Implementation Plansobra · Документация
Document Co-Authoringanthropics · Документация
Dispatching Parallel Agentsobra · Инструменти
Brainstorming & Ideationobra · Инструменти
Verification Before Completionobra · Инструменти
Executing Implementation Plansobra · Инструменти
PDF Generationanthropics · Инструменти
DOCX Generationanthropics · Инструменти
Excel Spreadsheetsanthropics · Инструменти
PowerPoint Presentationsanthropics · Инструменти