scientific-skills
by Weiwei-Mao
Collection of scientific skills
66 skills GitHub
Documentation
# Claude Scientific Skills 技能汇总（水文学研究·精简版）
**针对用户方向：** 水文学研究、数据分析、机器学习、写论文、写项目
**评分说明：**
- ★★★★★ 非常相关，强烈推荐
- ★★★★☆ 很相关，推荐
- ★★★☆☆ 有一定相关性
---
## 技能列表（共 61 个）
### A-B
| 技能名 | 推荐度 | 中文名称/描述 |
|--------|--------|--------------|
| **aeon** | ★★★★☆ | 时间序列机器学习工具，支持分类、回归、聚类、预测、异常检测、分割和相似性搜索。**水文时间序列预测很有用** |
### C
| 技能名 | 推荐度 | 中文名称/描述 |
|--------|--------|--------------|
| **citation-management** | ★★★★★ | 学术研究综合文献管理。搜索 Google Scholar 和 PubMed 论文、提取准确元数据、验证引用、生成 BibTeX 条目。**写论文必备** |
| **csv-data-summarizer** | ★★★★★ | 分析 CSV 文件，生成统计摘要和可视化。使用 Python 和 pandas 进行数据分析和快速绘图。**水文数据分析必备** |
### D
| 技能名 | 推荐度 | 中文名称/描述 |
|--------|--------|--------------|
| **dask** | ★★★★★ | 用于超越内存或跨集群的 pandas/NumPy 工作流的分布式计算。适合并行文件处理、分布式 ML。**处理长期水文数据序列必备** |
| **datacommons-client** | ★★★☆☆ | 使用 Data Commons 平台，提供对全球公共统计数据的程序化访问。处理人口统计数据、经济指标、健康统计、环境数据。**环境统计数据、水资源经济评估有用** |
| **denario** | ★★★☆☆ | 用于科学研究辅助的多智能体 AI 系统，自动化从数据分析到发表的研究工作流。**AI 研究助手** |
| **docx** | ★★☆☆☆ | 综合文档创建、编辑和分析。支持格式化、样式、表格、图片等。Word 文档处理。**已有 scientific-writing，备用** |
### E-F
| 技能名 | 推荐度 | 中文名称/描述 |
|--------|--------|--------------|
| **exploratory-data-analysis** | ★★★★★ | 对 200+ 文件格式的科学数据文件进行综合探索性数据分析。自动检测文件类型并生成详细报告。**水文数据分析必备** |
| **file-organizer** | ★★★☆☆ | 智能文件组织整理。理解上下文、查找重复项、建议更好的结构、自动化清理任务。**整理大量水文数据文件有用** |
| **fluidsim** | ★★★☆☆ | 使用 Python 进行计算流体力学模拟的框架。运行流体动力学模拟，包括 Navier-Stokes 方程、浅水方程、分层流动。**水文流体模拟相关** |
| **fred-economic-data** | ★★★☆☆ | 查询 FRED(美联储经济数据)API，获取 100+ 来源的 80 万+ 经济时间系列。访问 GDP、失业率、通货膨胀、利率等。**水资源经济研究、水价评估有用** |
### G
| 技能名 | 推荐度 | 中文名称/描述 |
|--------|--------|--------------|
| **generate-image** | ★★★☆☆ | 使用 AI 模型(FLUX、Gemini)生成或编辑图像。用于通用图像生成，包括照片、插图、艺术品、视觉资产。**生成演示图片可能有用** |
| **geopandas** | ★★★★★ | 用于处理地理空间矢量数据的 Python 库，包括 shapefiles、GeoJSON 和 GeoPackage 文件。用于空间分析、几何操作、坐标转换。**流域地理空间数据处理必备** |
| **get-available-resources** | ★★★★☆ | 在任何计算密集型科学任务开始时检测和报告可用系统资源(CPU 核心、GPU、内存、磁盘空间)。**运行数值模型前很有用** |
### H
| 技能名 | 推荐度 | 中文名称/描述 |
|--------|--------|--------------|
| **hypogenic** | ★★★☆☆ | 在表格数据集上进行自动化 LLM 驱动的假设生成和测试。系统地探索关于经验数据模式的假设。**探索水文数据规律可能有用** |
| **hypothesis-generation** | ★★★★☆ | 从观察中结构化地制定假设。当您有实验观察或数据并需要制定可测试的假设、预测机制和设计实验时使用。**科学假设制定** |
### L
| 技能名 | 推荐度 | 中文名称/描述 |
|--------|--------|--------------|
| **latex-posters** | ★★★★☆ | 使用 LaTeX(beamerposter、tikzposter、baposter)创建专业研究海报。**学术会议必备** |
### M
| 技能名 | 推荐度 | 中文名称/描述 |
|--------|--------|--------------|
| **literature-review** | ★★★★★ | 使用多个学术数据库(PubMed、arXiv、bioRxiv、Semantic Scholar 等)进行综合系统文献综述。**写论文必备** |
| **market-research-reports** | ★★★☆☆ | 以顶级咨询公司(McKinsey、BCG、Gartner)的风格生成综合市场研究报告(50+ 页)。**写项目书、政策报告的模板和框架很有用** |
| **markitdown** | ★★★☆☆ | 将文件和办公文档转换为 Markdown。支持 PDF、DOCX、PPTX、XLSX、图像(OCR)、音频(转录)、HTML 等。**文档转换工具** |
| **matlab** | ★★★★☆ | MATLAB 和 GNU Octave 数值计算，用于矩阵运算、数据分析、可视化和科学计算。**数值模型常用** |
| **matplotlib** | ★★★★★ | 用于完全自定义的低级绘图库。当您需要对每个绘图元素进行细粒度控制时使用。**绘图必备** |
| **modal** | ★★★★☆ | 在云中运行 Python 代码，具有无服务器容器、GPU 和自动扩展。用于部署 ML 模型、运行批处理作业。**云端运行数值模型** |
### O
| 技能名 | 推荐度 | 中文名称/描述 |
|--------|--------|--------------|
| **openalex-database** | ★★★★☆ | 使用 OpenAlex 数据库查询和分析学术文献。搜索学术论文、分析研究趋势、查找作者/机构作品。**跨学科文献搜索** |
### P
| 技能名 | 推荐度 | 中文名称/描述 |
|--------|--------|--------------|
| **paper-2-web** | ★★★☆☆ | 将学术论文转换为推广和演示格式，包括交互式网站(Paper2Web)、演示视频(Paper2Video)和会议海报(Paper2Poster)。**论文展示可能有用** |
| **pdf** | ★★★☆☆ | 综合的 PDF 操作工具包。提取文本和表格、创建新 PDF、合并/拆分文档、处理表单。**处理论文、报告有用** |
| **peer-review** | ★★★☆☆ | 具有基于清单评估的结构化手稿/资助审查。用于编写正式同行评审、方法学评估、统计有效性、报告标准合规性。**审稿可能有用** |
| **perplexity-search** | ★★★★★ | 使用 Perplexity 模型通过 LiteLLM 和 OpenRouter 进行 AI 驱动的网络搜索。获取实时信息和来源引用。**AI 搜索必备** |
| **plotly** | ★★★★★ | 交互式可视化库。当您需要悬停信息、缩放、平移或可嵌入网络的图表时使用。**交互式图表必备** |
| **polars** | ★★★★★ | 适用于适合 RAM 的数据集的快速内存 DataFrame 库。当 pandas 太慢但数据仍适合内存时使用。**快速处理水文数据** |
| **pptx** | ★★☆☆☆ | 创建和编辑 PowerPoint 演示文稿。支持布局、格式、图表、动画等。**已有 latex-posters，备用** |
| **pptx-posters** | ★★☆☆☆ | 使用 HTML/CSS 创建可导出为 PDF 或 PPTX 的研究海报。仅当用户明确请求 PowerPoint/PPTX 海报格式时使用。 |
| **pubmed-database** | ★★☆☆☆ | 直接 REST API 访问 PubMed。高级布尔/MeSH 查询、E-utilities API、批处理、引用管理。**医学文献，水文较少但可用** |
| **pymc** | ★★★★☆ | 使用 PyMC 进行贝叶斯建模。构建层次模型、MCMC(NUTS)、变分推断、LOO/WAIC 比较。**贝叶斯水文建模很有用** |
| **pymoo** | ★★★★☆ | 多目标优化框架。NSGA-II、NSGA-III、MOEA/D、Pareto 前沿、约束处理。**水文模型参数率定常用** |
| **pytorch-lightning** | ★★★★☆ | 深度学习框架(PyTorch Lightning)。将 PyTorch 代码组织成 LightningModules、配置多 GPU/TPU 的训练器。**深度学习水文预测** |
### R
| 技能名 | 推荐度 | 中文名称/描述 |
|--------|--------|--------------|
| **research-grants** | ★★★★★ | 为 NSF、NIH、DOE、DARPA 和台湾 NSTC 撰写有竞争力的研究提案。**写项目书必备** |
| **research-lookup** | ★★★★★ | 使用 Perplexity Sonar Pro Search 或 Sonar Reasoning Pro 模型查找当前研究信息。**文献查找必备** |
### S
| 技能名 | 推荐度 | 中文名称/描述 |
|--------|--------|--------------|
| **scholar-evaluation** | ★★☆☆☆ | 使用 ScholarEval 框架系统评估学术作品，提供研究质量维度的结构化评估。**学术评估可能有用** |
| **scientific-brainstorming** | ★★★★☆ | 创意研究构思和探索。用于开放式头脑风暴会议、探索跨学科联系、挑战假设。**科研构思** |
| **scientific-critical-thinking** | ★★★★☆ | 评估科学主张和证据质量。用于评估实验设计有效性、识别偏差和混杂因素。**批判性思维** |
| **scientific-schematics** | ★★★★☆ | 使用 Nano Banana Pro AI 创建出版质量的科学图表，具有智能迭代优化。专注于神经网络架构、系统图、流程图。**绘制水文系统流程图** |
| **scientific-slides** | ★★★★★ | 为研究讲座构建幻灯片和演示文稿。制作 PowerPoint 幻灯片、会议演示、研讨会演讲。**学术报告必备** |
| **scientific-visualization** | ★★★★★ | 用于出版就绪图形的元技能。创建需要多面板布局、显著性注释、误差线、色盲安全调色板的期刊提交图形。**出版级图表必备** |
| **scientific-writing** | ★★★★★ | 深度研究和写作工具的核心技能。用完整段落(永远不要用项目符号)撰写科学手稿。IMRAD 结构、引用。**论文写作核心** |
| **scikit-learn** | ★★★★★ | 使用 scikit-learn 进行 Python 机器学习。监督学习(分类、回归)、无监督学习(聚类、降维)。**机器学习必备** |
| **seaborn** | ★★★★★ | 具有熊猫集成的统计可视化。用于快速探索分布、关系和分类比较。**统计可视化必备** |
| **shap** | ★★★★☆ | 使用 SHAP(SHapley 加性解释)进行模型可解释性和解释性。解释机器学习模型预测、计算特征重要性。**模型解释，分析气象因子重要性** |
| **simpy** | ★★★☆☆ | Python 中基于过程的离散事件模拟框架。构建具有过程、队列、资源和基于时间的事件的系统模拟。**水文过程模拟可能有用** |
| **statistical-analysis** | ★★★★★ | 具有测试选择和报告的指导性统计分析。帮助为数据选择适当的测试、假设检查、功效分析。**统计分析必备** |
| **statsmodels** | ★★★★★ | Python 统计模型库。需要具有详细诊断、残差和推理的特定模型类(OLS、GLM、混合模型、ARIMA)。**时间序列分析必备** |
| **sympy** | ★★★☆☆ | 在 Python 中使用符号数学。用于符号计算任务，包括代数求解方程、微积分运算、操作代数表达式。**推导水文方程可能有用** |
### T
| 技能名 | 推荐度 | 中文名称/描述 |
|--------|--------|--------------|
| **torch-geometric** | ★★★☆☆ | 图神经网络(PyG)。节点/图分类、链接预测、GCN、GAT、GraphSAGE、异构图、分子属性预测。**图神经网络，流域分析可能有用** |
| **transformers** | ★★★★☆ | 用于自然语言处理、计算机视觉、音频或多模态任务的预训练 transformer 模型。**时间序列预测可用 Transformer** |
### U-V
| 技能名 | 推荐度 | 中文名称/描述 |
|--------|--------|--------------|
| **umap-learn** | ★★★★☆ | UMAP 降维。用于 2D/3D 可视化、聚类预处理(HDBSCAN)、监督/参数化 UMAP 的快速非线性流形学习。**降维可视化水文数据** |
| **vaex** | ★★★★★ | 处理和分析大型表格数据集(数十亿行)，超出可用 RAM。擅长核外 DataFrame 操作、延迟评估、快速聚合。**超大规模水文数据必备** |
| **venue-templates** | ★★★★★ | 访问主要科学出版场所(Nature、Science、PLOS、IEEE、ACM)的综合 LaTeX 模板、格式要求和提交指南。**期刊投稿必备** |
### X-Z
| 技能名 | 推荐度 | 中文名称/描述 |
|--------|--------|--------------|
| **xlsx** | ★★★★★ | 综合电子表格创建、编辑和分析。支持公式、格式、数据分析和可视化。**Excel 水文数据分析必备** |
| **zarr-python** | ★★★☆☆ | 用于云存储的块状 N-D 数组。压缩数组、并行 I/O、S3/GCS 集成、NumPy/Dask/Xarray 兼容。**云存储数组，可能有用** |
---
## 按推荐度分类
### ★★★★★ 核心必备（27个）
**数据分析与机器学习：**
- `polars` - 快速内存数据处理
- `dask` - 分布式大数据处理
- `vaex` - 超大规模数据核外处理
- `scikit-learn` - 标准机器学习库
- `statsmodels` - 统计模型与时间序列
- `exploratory-data-analysis` - 探索性数据分析
- `statistical-analysis` - 指导统计分析
- `csv-data-summarizer` - CSV 数据分析
- `xlsx` - Excel 电子表格
**可视化：**
- `matplotlib` - 低级绘图库
- `seaborn` - 统计可视化
- `plotly` - 交互式可视化
- `scientific-visualization` - 出版级图表
- `geopandas` - 地理空间数据处理
**写作与项目：**
- `scientific-writing` - 论文写作核心
- `literature-review` - 文献综述
- `scientific-slides` - 制作学术PPT
- `citation-management` - 文献管理
- `research-grants` - 撰写项目书
- `venue-templates` - 期刊投稿模板
- `research-lookup` - 文献查找
- `perplexity-search` - AI 网络搜索
### ★★★★☆ 强烈推荐（17个）
**机器学习与建模：**
- `aeon` - 时间序列机器学习
- `pytorch-lightning` - 深度学习框架
- `pymoo` - 多目标优化（参数率定）
- `pymc` - 贝叶斯建模
- `shap` - 模型可解释性
- `transformers` - Transformer模型
- `umap-learn` - 降维可视化
- `networkx` - 图分析（河流网络）
- `modal` - 云端运行Python
- `matlab` - 数值计算
**通用科研工具：**
- `hypothesis-generation` - 科学假设制定
- `scientific-brainstorming` - 科研构思
- `scientific-critical-thinking` - 批判性思维
- `scientific-schematics` - 科学图表
- `latex-posters` - LaTeX海报
- `openalex-database` - 跨学科文献搜索
- `get-available-resources` - 计算资源检测
### ★★★☆☆ 备用技能（15个）
**AI 研究助手：**
- `denario` - AI研究助手
- `hypogenic` - 假设生成测试
**经济与跨学科：**
- `datacommons-client` - 公共统计数据（环境/经济）
- `fred-economic-data` - 经济时间序列（水资源经济）
- `market-research-reports` - 智库风格报告（项目书模板）
**工具类：**
- `generate-image` - AI图像生成
- `markitdown` - 文档转换
- `peer-review` - 同行评审
- `paper-2-web` - 论文展示
- `scholar-evaluation` - 学术评估
- `sympy` - 符号数学
- `torch-geometric` - 图神经网络
- `simpy` - 离散事件模拟
- `zarr-python` - 云存储数组
- `file-organizer` - 文件组织整理
- `pdf` - PDF 处理
### ★★☆☆☆ 保留可选（4个）
- `docx` - Word 文档（已有 scientific-writing）
- `pptx` - PowerPoint（已有 latex-posters）
- `pubmed-database` - 医学文献
- `pptx-posters` - PPT海报
---
## 使用建议
### 日常高频使用
- 数据处理：`polars` / `dask` / `vaex` / `csv-data-summarizer` / `xlsx`
- 可视化：`matplotlib` / `seaborn` / `plotly`
- 机器学习：`scikit-learn` / `pytorch-lightning`
- 统计分析：`statsmodels` / `statistical-analysis`
### 写论文/项目时
- 核心写作：`scientific-writing` / `literature-review`
- 文献查找：`research-lookup` / `perplexity-search`
- 制作图表：`scientific-visualization` / `scientific-slides`
- 项目申请：`research-grants` / `market-research-reports`
- 文档处理：`pdf` / `xlsx`
### 水文建模辅助
- 地理数据：`geopandas`
- 网络分析：`networkx`（河流网络）
- 参数优化：`pymoo`（多目标优化）
- 云端计算：`modal`
- 文件整理：`file-organizer`
---
## 技能选择决策树
### 数据处理工具选择
```
数据大小评估
│
├─ < 1GB，适合内存
│ ├─ 需要最快速度 → polars
│ ├─ 熟悉 pandas → csv-data-summarizer
│ └─ Excel 格式 → xlsx
│
├─ 1GB - 100GB
│ ├─ 有多核 CPU → dask（并行处理）
│ └─ 单机内存不够 → vaex（核外计算）
│
└─ > 100GB 或集群
├─ 云端运行 → modal + dask
└─ 本地集群 → dask（分布式模式）
```
### 可视化工具选择
```
图表类型需求
│
├─ 快速探索数据
│ ├─ 统计关系 → seaborn
│ └─ 自定义绘图 → matplotlib
│
├─ 交互式图表
│ ├─ 网页展示 → plotly
│ └─ 演示汇报 → scientific-slides
│
└─ 期刊投稿
├─ 多面板图 → scientific-visualization
├─ 地理数据 → geopandas + matplotlib
└─ 色盲友好 → scientific-visualization（自动处理）
```
### 机器学习工具选择
```
任务类型
│
├─ 传统机器学习
│ ├─ 分类/回归 → scikit-learn
│ ├─ 时间序列 → aeon
│ └─ 需要解释 → scikit-learn + shap
│
├─ 深度学习
│ ├─ 标准 PyTorch → pytorch-lightning
│ ├─ 时间序列 → transformers + pytorch-lightning
│ └─ 图神经网络 → torch-geometric（河流网络）
│
└─ 参数优化
├─ 单目标 → pymoo（简单模式）
└─ 多目标 → pymoo（Pareto 前沿）
```
### 写作工具选择
```
写作阶段
│
├─ 文献调研
│ ├─ 综合搜索 → literature-review
│ ├─ 快速查找 → research-lookup
│ └─ 实时信息 → perplexity-search
│
├─ 假设构思
│ ├─ 头脑风暴 → scientific-brainstorming
│ ├─ 假设制定 → hypothesis-generation
│ └─ 批判评估 → scientific-critical-thinking
│
├─ 论文撰写
│ ├─ 正文写作 → scientific-writing
│ ├─ 引用管理 → citation-management
│ └─ 期刊模板 → venue-templates
│
└─ 项目申请
├─ 撰写提案 → research-grants
├─ 参考模板 → market-research-reports
└─ 制作海报 → latex-posters
```
---
## 典型工作流示例
### 工作流 1：水文数据分析与预测
```mermaid
graph LR
A[数据获取] --> B[探索性分析]
B --> C[预处理]
C --> D[特征工程]
D --> E[模型训练]
E --> F[模型解释]
F --> G[结果可视化]
A:::tools -->|xlsx, csv-data-summarizer| B
B:::tools -->|exploratory-data-analysis, seaborn| C
C:::tools -->|polars, dask| D
D:::tools -->|statsmodels| E
E:::tools -->|scikit-learn, aeon| F
F:::tools -->|shap| G
G:::tools -->|scientific-visualization, plotly|
classDef tools fill:#e1f5fe,stroke:#01579b,stroke-width:2px;
```
**技能组合链：** `xlsx` → `csv-data-summarizer` → `polars` → `statsmodels` → `scikit-learn` → `shap` → `scientific-visualization`
### 工作流 2：流域建模与参数率定
```mermaid
graph LR
A[地理数据处理] --> B[模型数据准备]
B --> C[参数优化]
C --> D[云端运行]
D --> E[结果分析]
A:::tools -->|geopandas| B
B:::tools -->|polars, file-organizer| C
C:::tools -->|pymoo| D
D:::tools -->|modal, get-available-resources| E
E:::tools -->|matplotlib, geopandas|
classDef tools fill:#e8f5e9,stroke:#1b5e20,stroke-width:2px;
```
**技能组合链：** `geopandas` → `polars` → `pymoo` → `modal` → `matplotlib`
### 工作流 3：论文撰写全流程
```mermaid
graph LR
A[文献调研] --> B[假设构思]
B --> C[数据分析]
C --> D[论文撰写]
D --> E[图表制作]
E --> F[投稿准备]
A:::tools -->|literature-review, research-lookup| B
B:::tools -->|hypothesis-generation, scientific-brainstorming| C
C:::tools -->|polars, scikit-learn| D
D:::tools -->|scientific-writing, citation-management| E
E:::tools -->|scientific-visualization, scientific-schematics| F
F:::tools -->|venue-templates, latex-posters|
classDef tools fill:#fff3e0,stroke:#e65100,stroke-width:2px;
```
**技能组合链：** `literature-review` → `hypothesis-generation` → `polars` → `scientific-writing` → `scientific-visualization` → `venue-templates`
### 工作流 4：项目申请书撰写
```mermaid
graph LR
A[背景调研] --> B[研究设计]
B --> C[预算评估]
C --> D[撰写提案]
D --> E[制作演示]
A:::tools -->|perplexity-search, openalex-database| B
B:::tools -->|scientific-critical-thinking| C
C:::tools -->|datacommons-client, fred-economic-data| D
D:::tools -->|research-grants, market-research-reports| E
E:::tools -->|scientific-slides, latex-posters|
classDef tools fill:#f3e5f5,stroke:#4a148c,stroke-width:2px;
```
**技能组合链：** `openalex-database` → `scientific-critical-thinking` → `datacommons-client` → `research-grants` → `scientific-slides`
---
## 技能组合推荐
### 常用技能链
| 场景 | 推荐组合链 | 说明 |
|------|-----------|------|
| **快速数据分析** | `csv-data-summarizer` → `seaborn` | 导入 → 可视化 |
| **大规模数据处理** | `dask` → `polars` → `plotly` | 分布式 → 快速处理 → 交互展示 |
| **时间序列预测** | `aeon` → `statsmodels` → `shap` | 建模 → 评估 → 解释 |
| **地理空间分析** | `geopandas` → `matplotlib` → `scientific-visualization` | 空间处理 → 绘图 → 出版 |
| **深度学习** | `pytorch-lightning` → `transformers` → `modal` | 训练 → 模型 → 云部署 |
| **参数率定** | `pymoo` → `shap` → `matplotlib` | 优化 → 敏感性分析 → 可视化 |
| **降维聚类** | `umap-learn` → `seaborn` | 降维 → 可视化 |
| **贝叶斯建模** | `pymc` → `arviz` (内置) → `matplotlib` | 建模 → 诊断 → 绘图 |
| **文献综述** | `research-lookup` → `literature-review` → `citation-management` | 搜索 → 综述 → 引用 |
| **学术报告** | `scientific-visualization` → `scientific-schematics` → `scientific-slides` | 图表 → 流程图 → PPT |
### 互补技能搭配
| 主技能 | 搭配技能 | 使用场景 |
|--------|---------|---------|
| `polars` | `seaborn` | 数据处理 + 快速可视化 |
| `scikit-learn` | `shap` | 建模 + 可解释性 |
| `matplotlib` | `scientific-visualization` | 基础绘图 + 期刊美化 |
| `scientific-writing` | `citation-management` | 写作 + 引用管理 |
| `geopandas` | `plotly` | 地理数据 + 交互地图 |
| `dask` | `modal` | 本地并行 + 云端扩展 |
| `pymoo` | `statistical-analysis` | 参数优化 + 统计检验 |
| `literature-review` | `perplexity-search` | 文献搜索 + 实时信息 |
---
## 更新与维护
### 自动同步（GitHub Actions）
本项目已配置 GitHub Actions 自动同步上游，**每天北京时间 9:00 AM 自动运行**：
- 自动检测上游新技能
- 创建 sync 分支并复制新技能
- 生成同步报告（包含评估标准）
- 自动创建 Pull Request 供审核
你也可以在 [Actions 页面](https://github.com/Weiwei-Mao/hydrology-skills/actions) 手动触发同步。
### 手动同步上游
本项目基于 [anthropics/scientific-skills](https://github.com/anthropics/scientific-skills) 精简而来。如需手动同步：
```bash
# 1. 添加上游仓库为 remote（仅第一次）
cd hydrology-skills
git remote add upstream https://github.com/anthropics/scientific-skills.git
# 2. 获取上游更新
git fetch upstream
# 3. 查看上游新技能
git ls-tree upstream/main --name-only | grep -E "^[^/]+/$"
# 4. 选择性添加新技能（示例）
git checkout upstream/main/new-skill-name -- new-skill-name
# 5. 更新 README.md（手动）
# - 添加新技能到对应字母分类
# - 评估推荐度（★★★★★ ~ ★☆☆☆☆）
# - 更新技能总数
# 6. 提交更新
git add .
git commit -m "Add new skill: new-skill-name"
git push origin main
```
### 评估新技能建议
遇到上游新技能时，按以下标准评估是否添加：
| 评估维度 | 保留（★★★~★★★★★） | 舍弃（★★~★） |
|---------|-------------------|-------------|
| **数据相关** | 水文数据处理、时间序列、地理空间 | 纯生物/医学数据 |
| **建模相关** | 数值模型辅助、参数优化、ML/DL | 分子动力学、量子化学 |
| **写作相关** | 学术写作、文献管理、期刊投稿 | 非学术写作 |
| **跨学科** | 经济数据、环境统计、政策报告 | 纯医学/生物 |
### 更新日志
建议在 README 末尾维护更新日志：
```markdown
## 更新日志
- 2026-02-01: 初始版本，61 个技能
- [待更新]: 新增 XXX 技能（★★★★☆）
```
---
*文档生成时间: 2026-02-01*
*针对用户：水文学研究、数据分析、机器学习*
*保留技能数: 61*