Skill

提供对数据的精细可视化控制能力，支持创建各类静态、动态及交互式图表，涵盖从基础折线图到复杂多面板出版级图形的全流程定制，可导出高分辨率 PNG、PDF 和 SVG 格式，适用于科研绘图、统计分析与专业报告场景。

支持蛋白质的多模态建模与设计，涵盖序列生成、三维结构预测与逆折叠、功能导向设计、嵌入表示学习及多步协同优化，适用于从基础研究到工程应用的全链条蛋白分析与创造任务。

提供对生物活性分子和药物发现数据的深度查询能力，支持基于化学结构、生物活性或分子特性的化合物检索，可获取靶点信息、抑制剂数据及药物作用机制，适用于药物研发中的SAR研究与虚拟筛选。

将现有 Semgrep 规则适配至多种目标语言，通过严格的适用性分析、测试先行和独立验证流程，生成具备语言特性的规则与测试用例组合，确保跨语言漏洞检测的准确性与可靠性。

自动执行网页界面的视觉回归测试，通过截图比对基线图像来识别 UI 的意外变化，支持跨浏览器和多环境的渲染一致性验证，适用于功能更新后的界面校验及 CI/CD 流程中的自动化视觉验收。

保障 LangChain 应用在生产环境中的安全性，涵盖密钥安全存储、用户输入过滤与指令隔离、工具调用白名单限制、输出内容敏感信息检测，以及完整审计日志记录。

指导 Go 代码的编写、审查与重构，强调格式统一、命名规范、错误显式处理、通道驱动并发、小接口设计及导出符号文档化，确保代码符合官方最佳实践并具备高可读性与可维护性。

构建基于 Gemini 文件搜索的文档问答系统，支持百种格式文档上传与自然语言查询，自动完成语义分块、向量嵌入及引用标注，适用于知识库构建、语义检索与文档智能问答场景。

将零散的领域资料转化为结构化技能文档，支持从规范或代码中提取可复用模式，生成包含明确触发条件、边界定义和验证示例的标准化技能包，适用于技能创建、重构与质量校验流程。

提供 Next.js App Router 中服务端与客户端组件的协同开发能力，支持服务端直出 HTML、数据库访问及密钥安全使用，同时允许在必要位置启用交互逻辑与浏览器 API，强调组件纯度、合理分层和数据传递优化。

提供高质量文本嵌入能力，支持语义相似度计算、多语言检索、聚类分析及 RAG 场景下的向量生成，具备本地化部署、批量处理与领域微调功能，适用于对延迟、成本和数据隐私有要求的生产环境。

根据项目配置自动启用对 Next.js 缓存组件与部分预渲染的深度支持，通过代码级缓存策略实现组件粒度的内容缓存与动态更新，优化静态和动态内容的边界处理，在数据依赖变化时触发精准的缓存失效，提升应用性能与响应效率。

自动构建符合行业规范的 API 过滤查询逻辑，支持 REST、GraphQL 和 OpenAPI 等主流协议，提供从设计模式到生产级代码实现的端到端辅助，涵盖认证、数据筛选与接口契约验证。

实现电子实验记录本的自动化管理，支持对笔记本、条目及附件的程序化访问与操作，提供数据备份、跨平台集成（如 Protocols.io、Jupyter、REDCap）和机构级使用分析能力，适用于科研数据全生命周期的结构化管控。

自动分析机器学习训练中的特征重要性，提供数据预处理、模型训练与超参数优化的全流程支持，生成符合行业标准的可复用代码与配置方案，适用于需要审计或改进特征选择策略的场景。

专注于识别和利用各类编程语言中的反序列化漏洞，通过分析序列化数据特征、定位反序列化入口点、构造恶意载荷并绕过常见防护机制，实现对远程代码执行等高危风险的验证与评估，同时提供针对性的加固建议。

提供系统化的 iCloud 同步问题诊断能力，覆盖 CloudKit 和 iCloud Drive 两大场景，精准识别账户状态异常、网络连接故障、存储空间不足、权限配置错误、同步冲突及配额超限等常见根源，并引导执行标准化排查流程与修复策略。

提供高通量测序数据的标准化处理与深度解析能力，涵盖 BAM 文件到 bigWig 覆盖图的转换、多维度质控（如指纹图、样本相关性、PCA）、基因组特征区域的信号矩阵计算，以及热图和剖面图等可视化，适配 ChIP seq、RNA seq、ATAC seq 等多种实验类型。

为软件项目提供代码索引、语义检索与知识图谱能力，支持基于内容模式和概念意图的双模搜索，构建带元数据标记的项目记忆库，并通过会话隔离、关系图谱分析及死代码检测实现全生命周期的知识管理与协作追踪。

提供实时学术研究信息检索能力，覆盖最新论文、技术文档、统计数据及专家观点，并自动依据问题复杂度选择高效检索或深度推理模型，确保结果附带规范引用和权威来源标注。

部署 Genkit 应用的生产级基础设施，自动化配置 Firebase Functions、Cloud Run 与 GKE 集群，集成 AI 工作流监控、自动扩缩容及 CI/CD 流水线，确保高可用与可观测性。

自动化完成 Terraform 供应商配置任务，涵盖从初始化设置、参数校验到生成符合生产标准的配置代码全流程，支持结合最佳实践进行合规性检查与环境适配。

通过测试驱动开发优化现有功能，在不改变核心逻辑的前提下提升用户体验、性能或代码质量，确保改进后的行为符合预期且不破坏原有功能。

根据官方代码仓库自动生成高质量的 Google Cloud 实战示例，覆盖 ADK 样例、Genkit 模板、Vertex AI 笔记本及 Gemini 设计模式，满足用户对可直接运行的云开发参考代码的需求。

管理国家自然科学基金标书的参考文献，通过核验论文标题、作者、年份、期刊和 DOI 确保引用真实准确，自动生成并维护 BibTeX 条目，支持将可验证的文献写入指定文件，用于规范引用流程。

通过多层抽象模型实现高效代码分析，仅用少量标记即可完成代码结构解析、依赖追踪与语义搜索，支持影响分析、死代码检测及架构洞察，在保留关键信息的同时大幅降低处理开销。

基于约束的代谢模型分析能力，支持对基因组规模代谢网络进行通量平衡分析、变异范围计算、基因敲除模拟及培养基优化，实现细胞代谢表型预测与代谢工程设计，适用于系统生物学研究中的模型构建、求解与动态调控分析。

协同完成技术文档与测试代码的生成，通过专用写作环境执行内容创作，主模型负责上下文调度与质量终审，在自动化模式下可自主完成从大纲设计到文件落地的全流程，适用于说明文档、架构决策记录及高覆盖率测试用例的标准化产出。

通过在项目目录中维护 task_plan.md、findings.md 和 progress.md 三个持久化 Markdown 文件，实现复杂任务的结构化规划与状态追踪，支持多步骤执行、研究性探索及长期会话中的上下文恢复，确保关键信息不丢失、错误可追溯、决策有依据。

支持跨生物学、化学、医学及基因组学等领域的复杂科研任务，具备序列分析、分子预测、临床数据解读与医学影像处理能力，集成主流科研数据库与计算工具，可执行多步骤研究流程并生成专业分析结果。