MCP App StoreMCP App Store
Flux de travail de modélisation bayésienne utilisant PyMC (v5+) : construction de modèles hiérarchiques, exécution de l'inférence MCMC (NUTS) ou variationnelle, diagnostic d'échantillonnage et comparaison de modèles avec LOO
Fournit un flux de travail complet de modélisation bayésienne utilisant PyMC (v5+). Couvre la préparation des données, la construction de modèles (linéaires, logistiques, hiérarchiques), les vérifications prédictives a priori, l'inférence MCMC (NUTS), l'inférence variationnelle, les diagnostics, les vérifications prédictives a posteriori et la comparaison de modèles (LOO/WAIC). Inclut des modèles et des scripts de diagnostic pour produire des analyses reproductibles.
scripts/model_diagnostics.py, scripts/model_comparison.py et d'autres scripts d'aide (has_scripts=true)references/ avec des guides de distribution, des notes sur l'échantillonnage/l'inférence et des guides de flux de travail (has_references=true)assets/ (linear_regression_template.py, hierarchical_model_template.py) et utilitaires de diagnostic/reportingUtile pour les assistants de codage et les agents axés sur la science des données capables d'exécuter Python et d'inspecter les ressources du dépôt (Codex, Claude Code, Cursor).
AlterLab PyMC est une compétence de modélisation bayésienne couvrant les modèles hiérarchiques, l'échantillonnage MCMC, l'inférence variationnelle et la comparaison de modèles avec LOO/WAIC. Le SKILL.md est exceptionnellement complet avec un flux de travail en 8 étapes, des meilleures pratiques et des pièges pour PyMC 5.x. Les deux scripts groupés (model_diagnostics.py, model_comparison.py) sont bien écrits avec des docstrings et une gestion des erreurs, mais ont échoué à s'exécuter en raison de la dépendance manquante arviz. Aucune préoccupation de sécurité — utilitaires de science des données pure sans appels réseau ni opérations destructrices.
arvizpymcCompétence académique bien conçue. Code propre, bonne documentation, séparation appropriée des préoccupations. Le seul problème est la dépendance d'exécution sur arviz/pymc, ce qui est attendu pour une compétence de modélisation bayésienne.
Conception de Recherche par Méthodes Mixtes
Guide complet pour concevoir et intégrer des approches de recherche qualitatives et quantitatives à l'aide de cadres académiques établis.
AlterLab Deep Research
Un pipeline de recherche composé de 13 agents, compatible PRISMA, qui gère le cadrage, la recherche documentaire systématique, la vérification, la synthèse, la méta-analyse et le reporting au style APA.
Base de données ClinVar (AlterLab)
Recherchez et interprétez les données de variants de NCBI ClinVar, accédez-y via E-utilities ou FTP, annotez les VCF et intégrez les meilleures pratiques de statut de révision et de preuves pour la génotypage.
Recherche dans la base de données bioRxiv
Recherche et récupération de prépublications en sciences de la vie depuis bioRxiv via API.
Analyse Statistique Académique
Tests d'hypothèses guidés, vérification des postulats et rapports au format APA.
Analyse Géospatiale GeoPandas
Analyse spatiale avancée pour les données vectorielles, incluant la reprojection de coordonnées, les jointures spatiales et la cartographie choroplèthe via la bibliothèque GeoPandas.
Analyse des Dépendances Cancer DepMap
Interrogez la Cancer Dependency Map (DepMap) pour obtenir des scores de dépendance génique, la sensibilité aux médicaments et les vulnérabilités génétiques spécifiques au cancer.
Replit — Advanced Troubleshooting
Step-by-step diagnostics and debugging techniques for deep Replit issues: Nix build failures, container crash loops, memory leaks, and platform vs app isolation
Harness Health Audit
Assess and score the overall health of a Claude Code harness across architecture, skills coverage, hooks, rules, MCP servers, eval pipelines, and team setup.
Juicebox Common Errors
Identify and remediate common Juicebox API errors (authentication, quotas, rate limits, invalid queries) with quick diagnostics and fixes.
Debugging
Tools and API patterns to diagnose and improve agent matchmaking, profiles, and conversations on inbed.ai for better compatibility and engagement.
Web Application Debugging
Systematic workflow for debugging web apps using Chrome DevTools or Playwright, prioritizing fast validation, network/console inspection, and minimal snapshots.
Power Automate Monitoring (FlowStudio MCP)
Monitor Power Automate tenant health and failure trends from a fast FlowStudio MCP cached store — identify failing flows, review error trends, and inventory Pow
Groundwork Plugin Health Check
Validate Groundwork plugin installation, report errors and warnings, and suggest (or offer) automated fixes for common plugin issues.
Debug — Root Cause Debugging Workflow
A structured root-cause debugging workflow: investigate, understand, reason, and fix — with commands and templates for code search, GitHub issue lookup, log ana