Jupyter笔记本执行器是一个用于自动化执行、参数化管理和结果提取的编程工具。它支持机器学习工作流中的探索性数据分析（EDA）、模型解释性分析和实验自动化。主要功能包括参数化笔记本运行、输出提取验证、格式转换（HTML/PDF）、单元格执行控制、错误处理和超时管理。适用于数据科学、量化金融和AI开发中的自动化分析流程。

该技能提供数值方法中插值问题的解决策略，包括数据评估、方法选择、SciPy工具实现和结果验证。适用于数据分析、科学计算和工程建模，常用于估计未知数据点。关键词：插值、数值方法、数据拟合、多项式插值、样条插值、SciPy、数据分析、预测建模。

这个技能是一个综合工具包，用于分析Neuropixels高密度神经记录数据，采用SpikeInterface、Allen Institute和International Brain Laboratory的最佳实践。它支持从原始数据加载（SpikeGLX/OpenEphys格式）、预处理（如过滤和运动校正）、尖峰排序（如Kilosort4）、质量指标计算（信噪比、ISI违规）、AI辅助视觉分析和单元整理的完整工作流程。适用于神经科学、细胞外电生理学和数据分析研究。关键词：神经记录、尖峰排序、Neuropixels、数据分析、AI辅助分析、神经科学研究。

Pymatgen是一个用于材料科学的Python库，用于晶体结构创建、分析、对称性检查、文件I/O、Materials Project API集成、相图构建和电子结构分析。它支持多种文件格式如CIF、POSCAR、XYZ，并可用于生成DFT计算输入。关键词：pymatgen, 材料科学, 晶体结构, 对称性分析, Python, 计算化学, 材料数据库。

营销分析平台技能是一个用于集成多种营销分析和测量工具的专业能力。它专注于网站分析（如GA4、Adobe Analytics）、产品分析（如Mixpanel）、归因建模、高级分析（如营销组合建模、预测分析）以及数据驱动的营销优化。该技能帮助企业实现全面的营销测量、精准的归因分析、用户行为洞察和ROI评估，从而优化营销策略和预算分配。关键词：营销分析、数据分析、归因建模、GA4、Mixpanel、营销测量、数据驱动、ROI分析、用户行为、预测建模。

研究合成技能是一个用于整合多源研究证据、分析冲突并提供决策支持的工具。它通过系统的工作流程，如来源映射、证据评估和输出生成，帮助研究人员快速合成高质量的研究报告，强调不确定性跟踪、证据强度评分和可执行输出。关键词：研究合成、证据分析、决策支持、冲突追踪、SEO搜索优化。

本技能专为解决Walter Rudin《实分析与复分析》教科书中的高级数学问题设计，涵盖测度论、勒贝格积分、Lp空间、泛函分析和复分析等核心主题。通过决策树、工具命令和关键定理参考，支持数学学习、问题解决和学术研究，关键词包括实分析、复分析、测度论、数学积分、泛函分析、解析函数。

这个技能专注于数学逻辑中的谓词逻辑问题解决，提供量词分析、前束范式转换、斯科伦化、消解证明和模型理论等策略。适用于逻辑推理、证明验证和形式化方法。关键词：谓词逻辑，数学逻辑，问题解决，Z3求解器，逻辑证明，形式验证。

这是一个综合工具包，用于验证、优化和理解Prometheus查询语言（PromQL）查询。它可以帮助用户检查语法、检测反模式、识别优化机会，并与用户交互式地规划查询。

PyDESeq2是一个用于批量RNA-seq数据差异基因表达分析的Python工具，基于DESeq2算法。它提供完整的分析工作流，包括数据加载、统计测试、FDR校正和可视化，适用于生物信息学研究和基因表达数据分析。关键词：差分基因表达分析，RNA-seq，DESeq2，Python，生物信息学，基因表达，数据分析。

pycalphad是一个Python库，用于实现CALPHAD方法，计算多组分材料系统的相图、相平衡和热力学性质，适用于材料科学和冶金学研究。关键词：计算热力学、相图分析、材料科学、Python编程、热力学数据库。

决策时刻技能是一种营销与增长框架工具，用于系统化设计客户旅程。它通过映射用户在认知、考虑、转化、留存四个关键阶段的决策时刻，精准匹配所需内容与资产（如文章、视频、案例、落地页），以优化营销漏斗、提升转化率并增强客户留存。核心关键词包括：决策时刻映射、客户旅程优化、营销漏斗设计、转化率提升、用户留存策略、自动化营销流程。