Latest Agent Skills

Esta habilidade deve ser usada ao trabalhar com LaminDB, um framework de dados de código aberto para biologia que torna dados consultáveis, rastreáveis, reproduzíveis e FAIR. Use ao gerenciar datasets biológicos (scRNA-seq, espacial, citometria de fluxo, etc.), rastrear workflows computacionais, curar e validar dados com ontologias biológicas, construir data lakehouses, ou garantir linhagem de dados e reprodutibilidade em pesquisa biológica. Aborda gerenciamento de dados, anotação, ontologias (genes, tipos de célula, doenças, tecidos), validação de esquema, integrações com orquestradores de workflow (Nextflow, Snakemake) e plataformas MLOps (W&B, MLflow), e estratégias de deployment.

Sistema multiagente de IA para assistência em pesquisa científica que automatiza fluxos de trabalho de pesquisa desde análise de dados até publicação. Esta skill deve ser usada ao gerar ideias de pesquisa a partir de conjuntos de dados, desenvolver metodologias de pesquisa, executar experimentos computacionais, realizar buscas de literatura ou gerar papers prontos para publicação em formato LaTeX. Suporta pipelines de pesquisa end-to-end com orquestração de agentes personalizável.

Wrapper Pythônico ao redor do RDKit com interface simplificada e padrões sensatos. Preferido para descoberta de fármacos padrão: análise de SMILES, padronização, descritores, fingerprints, clustering, conformadores 3D, processamento paralelo. Retorna objetos nativos rdkit.Chem.Mol. Para controle avançado ou parâmetros customizados, use rdkit diretamente.

Modelagem metabólica baseada em restrições (COBRA). FBA, FVA, knockouts de genes, amostragem de fluxo, modelos SBML, para análise de biologia de sistemas e engenharia metabólica.

Biblioteca Python abrangente para astronomia e astrofísica. Esta skill deve ser usada ao trabalhar com dados astronômicos, incluindo coordenadas celestes, unidades físicas, arquivos FITS, cálculos cosmológicos, sistemas de tempo, tabelas, sistemas de coordenadas mundiais (WCS) e análise de dados astronômicos. Use quando as tarefas envolvem transformações de coordenadas, conversões de unidades, manipulação de arquivos FITS, cálculos de distâncias cosmológicas, conversões de escalas de tempo ou processamento de dados astronômicos.

Esta habilidade deve ser usada ao trabalhar com matrizes de dados anotados em Python, particularmente para análise de genômica de célula única, gerenciamento de medições experimentais com metadados ou manipulação de datasets biológicos em larga escala. Use quando as tarefas envolvam objetos AnnData, arquivos h5ad, dados de RNA-seq de célula única ou integração com ferramentas scanpy/scverse.

Plataforma de laboratório em nuvem para testes e validação automatizados de proteínas. Use ao projetar proteínas e precisar de validação experimental incluindo ensaios de ligação, testes de expressão, medições de estabilidade térmica, ensaios de atividade enzimática ou otimização de sequências de proteínas. Use também para submeter experimentos via API, rastrear status de experimentos, baixar resultados, otimizar sequências de proteínas para melhor expressão usando ferramentas computacionais (NetSolP, SoluProt, SolubleMPNN, ESM), ou gerenciar workflows de design de proteínas com validação em laboratório úmido.

Gerenciar deployments do Railway - visualizar logs, reimplementar, reiniciar ou remover deployments. Use para ciclo de vida de deployment (remover, parar, reimplementar, reiniciar), visibilidade de deployment (listar, status, histórico) e troubleshooting (logs, erros, falhas, travamentos). NÃO é para deletar serviços - use a skill railway-environment com isDeleted para isso.

Especialista em backend reativo Convex: design de schema, funções TypeScript, assinaturas em tempo real, autenticação, armazenamento de arquivos, agendamento e deploy.

Use quando o usuário solicitar a ativação do Gemini CLI para revisão de código, revisão de plano ou processamento de contexto amplo (>200k). Ideal para análise abrangente exigindo janelas de contexto grandes. Usa Gemini 3 Pro por padrão para raciocínio e codificação de última geração.

Especialista em CrewAI - o principal framework multi-agente baseado em papéis utilizado por 60% das empresas da Fortune 500. Abrange design de agentes com papéis e objetivos, definição de tarefas, orquestração de crew, tipos de processo (sequencial, hierárquico, paralelo), sistemas de memória e flows para workflows complexos. Essencial para construir equipes colaborativas de agentes IA. Use quando: crewai, equipe multi-agente, papéis de agentes, crew de agentes, agentes baseados em papéis.

Template do pack (fullstack/01-t3-stack.md). Orienta o agente em stacks fullstack e arquitetura ponta a ponta alinhado a esse contexto.

Template do pack (dominio/15-filas-jobs.md). Orienta o agente em regras de negocio e requisitos de produto alinhado a esse contexto.

Template do pack (ai-ml/03-rag-pipeline.md). Orienta o agente em integracao de IA/ML, LLM e pipelines de dados alinhado a esse contexto.

Create optimized multi-stage Dockerfiles for any language or framework

INVOKE THIS SKILL when writing ANY LangGraph code. Covers StateGraph, state schemas, nodes, edges, Command, Send, invoke, streaming, and error handling.

Itere em uma PR até que o CI passe. Use quando precisar corrigir falhas de CI, endereçar feedback de revisão, ou continuamente enviar correções até que todas as verificações fiquem verdes. Automatiza o ciclo de feedback-correção-push-aguardar.

Análise de RNA-seq de célula única. Carregue dados .h5ad/10X, QC, normalização, PCA/UMAP/t-SNE, clustering Leiden, genes marcadores, anotação de tipo celular, trajetória, para análise de scRNA-seq.

Kit de ferramentas abrangente de computação quântica para construir, otimizar e executar circuitos quânticos. Use quando trabalhar com algoritmos quânticos, simulações ou hardware quântico, incluindo (1) Construção de circuitos quânticos com portas e medições, (2) Execução de algoritmos quânticos (VQE, QAOA, Grover), (3) Transpilar/otimizar circuitos para hardware, (4) Executar em IBM Quantum ou outros provedores, (5) Química quântica e ciência dos materiais, (6) Aprendizado de máquina quântico, (7) Visualizar circuitos e resultados, ou (8) Qualquer tarefa de desenvolvimento de computação quântica.

Biblioteca DataFrame rápida (Apache Arrow). Selecione, filtre, group_by, joins, avaliação preguiçosa, I/O CSV/Parquet, expression API, para fluxos de trabalho de análise de dados de alto desempenho.

Biblioteca interativa de visualização de dados científicos e estatísticos para Python. Use ao criar gráficos, plots ou visualizações incluindo scatter plots, gráficos de linhas, gráficos de barras, heatmaps, plots 3D, mapas geográficos, distribuições estatísticas, gráficos financeiros e dashboards. Suporta visualizações rápidas (Plotly Express) e personalização refinada (graph objects). Gera HTML interativo ou imagens estáticas (PNG, PDF, SVG).

Kit de ferramentas de patologia computacional para análise de imagens de lâminas inteiras (WSI) e dados de imagem multiparamétrica. Use esta habilidade ao trabalhar com lâminas de histopatologia, imagens coradas com H&E, imunofluorescência multiplex (CODEX, Vectra), proteômica espacial, detecção/segmentação de núcleos, construção de gráficos de tecido ou treinamento de modelos ML em dados de patologia. Suporta 160+ formatos de lâmina incluindo Aperio SVS, NDPI, DICOM, OME-TIFF para fluxos de trabalho de patologia digital.

Essa habilidade deve ser usada ao trabalhar com dados de intervalos genômicos (arquivos BED) para tarefas de machine learning. Use para treinar embeddings de regiões (Region2Vec, BEDspace), análise de scATAC-seq de célula única (scEmbed), construir picos consensuais (universos), ou qualquer análise baseada em ML de regiões genômicas. Aplica-se a coleções de arquivos BED, dados scATAC-seq, conjuntos de dados de acessibilidade de cromatina e aprendizado de recursos genômicos baseado em regiões.

Analise arquivos FCS (Flow Cytometry Standard) v2.0-3.1. Extraia eventos como arrays NumPy, leia metadados/canais, converta para CSV/DataFrame, para pré-processamento de dados de citometria de fluxo.

Framework autônomo de agente de IA biomédica para executar tarefas de pesquisa complexas em genômica, descoberta de fármacos, biologia molecular e análise clínica. Use esta skill ao conduzir pesquisa biomédica em múltiplas etapas, incluindo design de triagem CRISPR, análise de RNA-seq de células únicas, previsão ADMET, interpretação GWAS, diagnóstico de doenças raras ou otimização de protocolos de laboratório. Aproveita o raciocínio de LLM com execução de código e bancos de dados biomédicos integrados.

Procure e implante serviços do marketplace de templates do Railway. Use quando o usuário quiser adicionar um serviço de um template, encontrar templates para um caso de uso específico, ou implantar ferramentas como Ghost, Strapi, n8n, Minio, Uptime Kuma, etc. Para bancos de dados (Postgres, Redis, MySQL, MongoDB), prefira a skill railway-database.

Uso do SDK JavaScript para aplicações cliente PocketBase. Use ao chamar PocketBase a partir do frontend ou Node.js, autenticar usuários, subscrever a eventos em tempo real, fazer upload de arquivos, ou trabalhar com o SDK PocketBase JS/TS. Cobre operações CRUD, fluxos de autenticação, authStore, SSE em tempo real, manipulação de arquivos, operações em lote e sintaxe de query.

Use quando o usuário pede para executar Codex CLI (codex exec, codex resume) ou referencia OpenAI Codex para análise de código, refatoração ou edição automatizada. Usa GPT-5.2 por padrão para engenharia de software de ponta.

Escreva código C eficiente com gerenciamento adequado de memória, ponteiros

Build communication features with Twilio: SMS messaging, voice calls, WhatsApp Business API, and user verification (2FA). Covers the full spectrum from simple notifications to complex IVR systems and multi-channel authentication.

Template do pack (backend/09-rust-axum.md). Orienta o agente em APIs, servicos e arquitetura backend alinhado a esse contexto.

I'm ready to help you review code changes on your branch for bugs, security vulnerabilities, and code quality issues.

Criar pull requests seguindo as convenções do Sentry. Use ao abrir PRs, escrever descrições de PR ou preparar mudanças para revisão. Segue as diretrizes de revisão de código do Sentry.

Use esta competência ao trabalhar com matemática simbólica em Python. Esta competência deve ser usada para tarefas de computação simbólica incluindo resolução de equações algebraicamente, realização de operações de cálculo (derivadas, integrais, limites), manipulação de expressões algébricas, trabalho com matrizes simbolicamente, cálculos de física, problemas de teoria dos números, computações de geometria e geração de código executável a partir de expressões matemáticas. Aplique esta competência quando o usuário precisa de resultados simbólicos exatos em vez de aproximações numéricas, ou ao trabalhar com fórmulas matemáticas que contêm variáveis e parâmetros.

Framework de simulação de eventos discretos baseado em processos em Python. Use essa habilidade ao construir simulações de sistemas com processos, filas, recursos e eventos baseados em tempo, como sistemas de manufatura, operações de serviço, tráfego de rede, logística, ou qualquer sistema onde entidades interagem com recursos compartilhados ao longo do tempo.

Kit de ferramentas de quiminformática para controle molecular refinado. Análise de SMILES/SDF, descritores (MW, LogP, TPSA), fingerprints, busca de subestruturas, geração 2D/3D, similaridade, reações. Para fluxos de trabalho padrão com interface mais simples, use datamol (wrapper do RDKit). Use rdkit para controle avançado, sanitização customizada, algoritmos especializados.

Simulações e análise de mecânica quântica usando QuTiP (Quantum Toolbox in Python). Use quando trabalhar com sistemas quânticos incluindo: (1) estados quânticos (kets, bras, matrizes densidade), (2) operadores e gates quânticos, (3) evolução temporal e dinâmica (Schrödinger, equações mestras, Monte Carlo), (4) sistemas quânticos abertos com dissipação, (5) medições quânticas e emaranhamento, (6) visualização (esfera de Bloch, funções de Wigner), (7) estados estacionários e funções de correlação, ou (8) métodos avançados (teoria de Floquet, HEOM, resolutores estocásticos). Manipula sistemas quânticos fechados e abertos em vários domínios incluindo óptica quântica, computação quântica e física da matéria condensada.

Therapeutics Data Commons. Conjuntos de dados prontos para IA em descoberta de drogas (ADME, toxicidade, DTI), benchmarks, divisões de scaffold, oráculos moleculares, para ML terapêutico e predição farmacológica.

Kit de ferramentas para arquivos genômicos. Leia/escreva alinhamentos SAM/BAM/CRAM, variantes VCF/BCF, sequências FASTA/FASTQ, extraia regiões, calcule cobertura, para pipelines de processamento de dados NGS.

Framework de otimização multi-objetivo. NSGA-II, NSGA-III, MOEA/D, frentes de Pareto, tratamento de restrições, benchmarks (ZDT, DTLZ), para problemas de design e otimização em engenharia.

Execute código Python na nuvem com contêineres serverless, GPUs e autoscaling. Use ao fazer deploy de modelos de ML, executar jobs de processamento em lote, agendar tarefas compute-intensivas ou servir APIs que exigem aceleração GPU ou scaling dinâmico.

Toolkit de alta performance para análise de intervalos genômicos em Rust com bindings Python. Use ao trabalhar com regiões genômicas, arquivos BED, tracks de cobertura, detecção de sobreposições, tokenização para modelos de ML, ou análise de fragmentos em genômica computacional e aplicações de aprendizado de máquina.

Listar, alternar e configurar projetos do Railway. Use quando o usuário quiser listar todos os projetos, alternar entre projetos, renomear um projeto, ativar/desativar deploys de PR, tornar um projeto público/privado ou modificar configurações do projeto.

Add official Railway database services (Postgres, Redis, MySQL, MongoDB) to a project, check for existing databases, and connect them to other services.

Transcrever arquivos de áudio para texto com diarização opcional e dicas de falantes conhecidos. Use quando um usuário pedir para transcrever fala de áudio/vídeo, extrair texto de gravações ou identificar falantes em entrevistas ou reuniões.

Use quando o usuário solicitar explicitamente uma captura de tela do desktop ou do sistema (tela cheia, app ou janela específica, ou região de pixels), ou quando as capacidades de captura específicas da ferramenta não estiverem disponíveis e uma captura de nível de SO for necessária.

Uma ferramenta para criar e gerenciar addons do Garry's Mod, incluindo scripts Lua, criação de conteúdo e empacotamento de addons. Use quando: desenvolvendo novos addons, escrevendo scripts Lua para GMod, organizando arquivos de addon, ou quando o usuário menciona Garry's Mod, GMod, scripts Lua ou desenvolvimento de addons.

Analisa alterações staged/unstaged e cria commits convencionais semânticos com contexto sobre POR QUÊ, não apenas O QUÊ. Detecta automaticamente tipo e escopo do commit a partir do diff. Suporta argumentos opcionais de tipo/escopo. Uso - /commit-smart, /commit-smart fix, /commit-smart refactor api

Domine SQL moderno com bancos de dados cloud-native, otimização OLTP/OLAP e técnicas avançadas de query. Especialista em tuning de performance, modelagem de dados e sistemas analíticos híbridos.

Jira

Template do pack (backend/08-hono-bun.md). Orienta o agente em APIs, servicos e arquitetura backend alinhado a esse contexto.

Busca no Google via API SERP do Bright Data. Retorna resultados JSON estruturados com título, link e descrição. Requer as variáveis de ambiente BRIGHTDATA_API_KEY e BRIGHTDATA_UNLOCKER_ZONE.

Extraia conteúdo de qualquer página web como markdown limpo via API Web Unlocker do Bright Data. Desativa detecção de bots e CAPTCHA. Requer as variáveis de ambiente BRIGHTDATA_API_KEY e BRIGHTDATA_UNLOCKER_ZONE.

Use essa skill para processar e analisar grandes conjuntos de dados tabulares (bilhões de linhas) que excedem a RAM disponível. Vaex excels em operações DataFrame out-of-core, avaliação lazy, agregações rápidas, visualização eficiente de big data e machine learning em datasets grandes. Aplique quando usuários precisarem trabalhar com arquivos CSV/HDF5/Arrow/Parquet grandes, realizar estatísticas rápidas em datasets massivos, criar visualizações de big data ou construir pipelines de ML que não cabem em memória.

Interpretabilidade e explicabilidade de modelos usando SHAP (SHapley Additive exPlanations). Use essa skill ao explicar predições de modelos de machine learning, computar importância de features, gerar plots SHAP (waterfall, beeswarm, bar, scatter, force, heatmap), depurar modelos, analisar vieses ou justiça de modelos, comparar modelos ou implementar IA explicável. Funciona com modelos baseados em árvores (XGBoost, LightGBM, Random Forest), deep learning (TensorFlow, PyTorch), modelos lineares e qualquer modelo black-box.

Modelagem Bayesiana com PyMC. Construa modelos hierárquicos, MCMC (NUTS), inferência variacional, comparação LOO/WAIC, verificações posteriores, para programação probabilística e inferência.

Kit de ferramentas CLI/Python para consultas rápidas de bioinformática. Preferido para buscas BLAST rápidas. Acesso a 20+ bancos de dados: informações de genes (Ensembl/UniProt), AlphaFold, ARCHS4, Enrichr, OpenTargets, COSMIC, downloads de genoma. Para BLAST avançado/processamento em lote, use biopython. Para integração multi-banco de dados, use bioservices.

Computação paralela/distribuída. Escale pandas/NumPy além da memória disponível, DataFrames/Arrays paralelos, processamento multi-arquivo, grafos de tarefas, para datasets maiores que RAM e workflows paralelos.

Framework de computação quântica para construir, simular, otimizar e executar circuitos quânticos. Use esta skill ao trabalhar com algoritmos quânticos, design de circuitos quânticos, simulação quântica (com ou sem ruído), execução em hardware quântico (Google, IonQ, AQT, Pasqal), otimização e compilação de circuitos, modelagem e caracterização de ruído, ou experimentos e benchmarking quântico (VQE, QAOA, QPE, randomized benchmarking).

Esta skill deve ser usada para tarefas de machine learning em séries temporais, incluindo classificação, regressão, clustering, forecasting, detecção de anomalias, segmentação e busca de similaridade. Use quando trabalhar com dados temporais, padrões sequenciais ou observações indexadas por tempo que requerem algoritmos especializados além de abordagens padrão de ML. Particularmente adequada para análise univariada e multivariada de séries temporais com APIs compatíveis com scikit-learn.