Communitygithub.com

Markdown-Mermaid-Schreiben

Umfassende Fähigkeit zum Schreiben von Markdown und Mermaid-Diagrammen. Verwenden Sie diese Fähigkeit beim Erstellen wissenschaftlicher Dokumente, Berichte, Analysen oder Visualisierungen. Legt textbasierte Diagramme als Standard-Dokumentationsformat fest, mit vollständigen Styleguides (Markdown + Mermaid), 24 Diagrammtyp-Referenzen und 9 Dokumentvorlagen.

Was ist Markdown-Mermaid-Schreiben?

Diese Fähigkeit etabliert und erzwingt einen Standard für die Erstellung wissenschaftlicher Dokumentation unter Verwendung von Markdown mit eingebetteten Mermaid-Diagrammen als primärem, kanonischen Format. Die Kernannahme ist: Eine als Mermaid-Diagramm in einer `.md`-Datei ausgedrückte Beziehung ist wertvoller als jedes Bild. Da das Format reiner Text ist, erzeugt es saubere Git-Diffs, erfordert keinen Build-Schritt und wird auf Plattformen wie GitHub, GitLab, Notion und VS Code nativ gerendert. Die Fähigkeit umfasst einen umfassenden Markdown-Styleguide mit Formatierungsregeln, einen Mermaid-Styleguide mit Barrierefreiheits- und Designkonventionen, Referenzen für 24 verschiedene Mermaid-Diagrammtypen und 9 Dokumentvorlagen für typische wissenschaftliche und technische Anwendungsfälle. Sie ist so konzipiert, dass sie mit anderen Fähigkeiten wie `scientific-writing` und `scientific-schematics` integriert werden kann und stellt sicher, dass alle Beziehungen, Arbeitsabläufe und Diagramme als textbasierte Mermaid-Diagramme vorliegen, bevor sie optional zur Ausgabe in hoher Qualität wie Python-Diagramme (Phase 2) oder KI-generierte Bilder (Phase 3) übergeben werden. Der Workflow implementiert ein Drei-Phasen-Modell: Phase 1 (Mermaid in Markdown) ist obligatorisch und dient als Source of Truth; die Phasen 2 und 3 sind optionale Konvertierungen für polierte Ausgaben.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/K-Dense-AI/scientific-agent-skills/tree/main/skills/markdown-mermaid-writing

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Markdown und Mermaid Schreiben

Überblick

Diese Fähigkeit lehrt Sie — und setzt einen Standard durch — für die Erstellung wissenschaftlicher Dokumentation unter Verwendung von Markdown mit eingebetteten Mermaid-Diagrammen als Standard- und kanonischem Format.

Die Kernannahme: Eine als Mermaid-Diagramm innerhalb einer .md-Datei ausgedrückte Beziehung ist wertvoller als jedes Bild. Es ist Text, also diffed es sauber in Git. Es erfordert keinen Build-Schritt. Es rendert nativ auf GitHub, GitLab, Notion, VS Code und jedem Markdown-Viewer. Es verwendet weniger Tokens als eine Prosabeschreibung derselben Beziehung. Und es kann jederzeit in ein poliertes Bild konvertiert werden — aber die Textversion bleibt die Source of Truth.

„Je mehr Sie Ihre Berichte und Dateien in .md in normalem Text halten, was Mermaid ebenfalls ist, als einfache „Skriptsprache“. Dies hilft bei jedem nachgelagerten Rendering und besonders bei KI-generierten Bildern (Verwendung von Mermaid anstelle von langem Fließtext zur Beschreibung von Beziehungen < Tokens). Darüber hinaus kann Mermaid zusammen mit Markdown rendern für einfache Verwendung fast überall durch Menschen oder KI."

— Clayton Young (@borealBytes), K-Dense Discord, 19.02.2026

Wann Diese Fähigkeit Verwenden

Verwenden Sie diese Fähigkeit, wenn:

  • Sie ein wissenschaftliches Dokument erstellen — Berichte, Analysen, Manuskripte, Methodenteile
  • Sie Dokumentation schreiben — READMEs, Anleitungen, Entscheidungsprotokolle, Projektdokumente
  • Sie ein Diagramm erstellen — Arbeitsabläufe, Datenpipelines, Architekturen, Zeitpläne, Beziehungen
  • Sie eine Ausgabe generieren, die versioniert wird — wenn es in Git geht, sollte es Markdown sein
  • Sie mit einer anderen Fähigkeit arbeiten — diese Fähigkeit definiert die Dokumentationsebene, die jede andere Ausgabe umschließt
  • Jemand Sie bittet, „ein Diagramm hinzuzufügen“ oder „die Beziehung zu visualisieren“ — Mermaid zuerst, immer

Verwenden Sie NICHT zuerst Python matplotlib, seaborn oder KI-Bildgenerierung für strukturelle oder relationale Diagramme. Dies sind Phase 2 und Phase 3 — nur verwendet, wenn Mermaid nicht ausdrücken kann, was benötigt wird (z. B. Streudiagramme mit echten Daten, fotorealistische Bilder).

🎨 Die Philosophie des Quellformats

Warum textbasierte Diagramme gewinnen

Was zähltMermaid in MarkdownPython / KI-Bild
Git-diff lesbar✅❌ binärer Blob
Bearbeitbar ohne Neugenerierung✅❌
Tokeneffizienter als Prosa✅ kleiner❌ größer
Rendert ohne Build-Schritt✅❌ benötigt Hosting
Von KI ohne Sicht auslesbar✅❌
Funktioniert in GitHub/GitLab/Notion✅⚠️ wenn gehostet
Barrierefrei (Screenreader)✅ accTitle/accDescr⚠️ benötigt Alt-Text
Später in Bild konvertierbar✅ jederzeit— bereits Bild

Der Drei-Phasen-Workflow

flowchart LR
    accTitle: Drei-Phasen-Dokumentations-Workflow
    accDescr: Phase 1 Mermaid in Markdown ist immer erforderlich und ist die Source of Truth. Phasen 2 und 3 sind optionale nachgelagerte Konvertierungen für polierte Ausgaben.

    p1["📄 Phase 1<br/>Mermaid in Markdown<br/>(IMMER — Source of Truth)"]
    p2["🐍 Phase 2<br/>Python Generiert<br/>(optional — Datencharts)"]
    p3["🎨 Phase 3<br/>KI Generierte Visuals<br/>(optional — Politur)"]
    out["📊 Endgültiges Ergebnis"]

    p1 --> out
    p1 -.->|"wenn nötig"| p2
    p1 -.->|"wenn nötig"| p3
    p2 --> out
    p3 --> out

    classDef required fill:#dbeafe,stroke:#2563eb,stroke-width:2px,color:#1e3a5f
    classDef optional fill:#fef9c3,stroke:#ca8a04,stroke-width:2px,color:#713f12
    classDef output fill:#dcfce7,stroke:#16a34a,stroke-width:2px,color:#14532d

    class p1 required
    class p2,p3 optional
    class out output

Phase 1 ist obligatorisch. Auch wenn Sie zu Phase 2 oder 3 übergehen, bleibt die Mermaid-Quelle committed.

Was Mermaid ausdrücken kann

Mermaid umfasst 24 Diagrammtypen. Fast jede wissenschaftliche Beziehung passt in einen:

AnwendungsfallDiagrammtypDatei
Experimenteller Arbeitsablauf / EntscheidungslogikFlussdiagrammreferences/diagrams/flowchart.md
Dienstinteraktionen / API-Aufrufe / NachrichtenSequenzdiagrammreferences/diagrams/sequence.md
Datenmodell / SchemaER-Diagrammreferences/diagrams/er.md
Zustandsmaschine / LebenszyklusZustandsdiagrammreferences/diagrams/state.md
Projektzeitplan / RoadmapGantt-Diagrammreferences/diagrams/gantt.md
Proportionen / ZusammensetzungKreisdiagrammreferences/diagrams/pie.md
Systemarchitektur (Zoomstufen)C4-Diagrammreferences/diagrams/c4.md
Konzepthierarchie / BrainstormingMindmapreferences/diagrams/mindmap.md
Chronologische Ereignisse / VerlaufZeitleistereferences/diagrams/timeline.md
Klassenhierarchie / TypbeziehungenKlassendiagrammreferences/diagrams/class.md
Benutzerreise / ZufriedenheitskarteBenutzerreisereferences/diagrams/user_journey.md
Zwei-Achsen-Vergleich / PriorisierungQuadrantendiagrammreferences/diagrams/quadrant.md
AnforderungsrückverfolgbarkeitAnforderungsdiagrammreferences/diagrams/requirement.md
Flussstärke / RessourcenverteilungSankey-Diagrammreferences/diagrams/sankey.md
Numerische Trends / Balken- + LiniendiagrammeXY-Diagrammreferences/diagrams/xy_chart.md
Komponentenlayout / räumliche AnordnungBlockdiagrammreferences/diagrams/block.md
Arbeitsitem-Status / AufgabenspaltenKanban-Boardreferences/diagrams/kanban.md
Cloud-Infrastruktur / Service-TopologieArchitekturdiagrammreferences/diagrams/architecture.md
Mehrdimensionaler Vergleich / Fähigkeiten-RadarRadardiagrammreferences/diagrams/radar.md
Hierarchische Proportionen / BudgetTreemap-Diagrammreferences/diagrams/treemap.md
Binäres Protokoll / DatenformatPaketdiagrammreferences/diagrams/packet.md
Git-Verzweigung / Merge-StrategieGit-Graphreferences/diagrams/git_graph.md
Code-artige Sequenz (Programmiersyntax)ZenUMLreferences/diagrams/zenuml.md
Multi-Diagramm-KompositionsmusterKomplexe Beispielereferences/diagrams/complex_examples.md

💡 Wählen Sie den richtigen Typ, nicht den einfachen. Verwenden Sie nicht standardmäßig Flussdiagramme für alles. Eine Zeitleiste ist besser als ein Flussdiagramm für chronologische Ereignisse. Ein Sequenzdiagramm ist besser als ein Flussdiagramm für Dienstinteraktionen. Durchsuchen Sie die Tabelle und wählen Sie passend.


🔧 Kern-Workflow

Schritt 1: Identifizieren Sie den Dokumenttyp

Prüfen Sie, ob eine Vorlage existiert, bevor Sie von Grund auf schreiben:

DokumenttypVorlage
Pull-Request-Protokolltemplates/pull_request.md
Issue / Fehler / Funktionswunschtemplates/issue.md
Sprint / Projektboardtemplates/kanban.md
Architekturentscheidung (ADR)templates/decision_record.md
Präsentation / Briefingtemplates/presentation.md
Forschungsarbeit / Analysetemplates/research_paper.md
Projektdokumentationtemplates/project_documentation.md
Anleitung / Tutorialtemplates/how_to_guide.md
Statusberichttemplates/status_report.md

Schritt 2: Lesen Sie den Styleguide

Bevor Sie eine .md-Datei schreiben: lesen Sie references/markdown_style_guide.md.

Wichtige Regeln zu verinnerlichen:

  • Ein H1 pro Dokument — der Titel. Niemals mehr.
  • Emoji nur auf H2-Überschriften — ein Emoji pro H2, keins in H3/H4
  • Alles zitieren — jede externe Behauptung erhält eine Fußnote [^N] mit vollständiger URL
  • Fettdruck sparsam verwenden — max. 2–3 fette Begriffe pro Absatz, niemals ganze Sätze
  • Horizontale Linie nach jedem </details> — obligatorisch
  • Tabellen vor Fließtext für Vergleiche, Konfigurationen, strukturierte Daten
  • Diagramme vor Textwänden — wenn es Fluss, Struktur oder Beziehungen beschreibt, fügen Sie Mermaid hinzu

Schritt 3: Wählen Sie den Diagrammtyp und lesen Sie dessen Anleitung

Bevor Sie ein Mermaid-Diagramm erstellen: lesen Sie references/mermaid_style_guide.md.

Öffnen Sie dann die spezifische Typdatei (z. B. references/diagrams/flowchart.md) für das Beispiel, Tipps und die Kopiervorlage.

Obligatorische Regeln für jedes Diagramm:

accTitle: Kurzname 3-8 Wörter
accDescr: Ein oder zwei Sätze, die erklären, was dieses Diagramm zeigt.
  • Keine %%{init}-Direktiven — bricht GitHub Dark Mode
  • Kein Inline-style — verwenden Sie nur classDef
  • Max. ein Emoji pro Knoten — am Anfang des Labels
  • snake_case-Knoten-IDs — passen Sie zum Label

Schritt 4: Schreiben Sie das Dokument

Beginnen Sie mit der Vorlage. Wenden Sie den Markdown-Styleguide an. Platzieren Sie Diagramme inline beim zugehörigen Text — nicht in einem separaten „Abbildungen“-Abschnitt.

Schritt 5: Als Text committen

Die .md-Datei mit eingebettetem Mermaid wird committed. Wenn Sie auch ein PNG oder KI-Bild generiert haben, sind diese ergänzend — das Markdown ist die Quelle.


⚠️ Häufige Fallstricke

Radar-Chart-Syntax (radar-beta)

FALSCH:

radar
title Beispiel
x-axis ["A", "B", "C"]
"Serie" : [1, 2, 3]

RICHTIG:

radar-beta
title Beispiel
axis a["A"], b["B"], c["C"]
curve serie["Serie"]{1, 2, 3}
max 3
  • Verwenden Sie radar-beta nicht radar (das bloße Schlüsselwort existiert nicht)
  • Verwenden Sie axis um Dimensionen zu definieren, nicht x-axis
  • Verwenden Sie curve um Datenreihen zu definieren, nicht zitierte Labels mit Doppelpunkt
  • Kein accTitle/accDescr — radar-beta unterstützt keine Barrierefreiheits-Anmerkungen; fügen Sie immer einen beschreibenden kursiven Absatz oberhalb des Diagramms hinzu

XY-Chart vs. Radar-Verwechslung

DiagrammSchlüsselwortAchsen-SyntaxDatensyntax
XY-Chart (Balken/Linien)xychart-betax-axis ["Label1", "Label2"]bar [10, 20] oder line [10, 20]
Radar (Spinnennetz)radar-betaaxis id["Label"]curve id["Label"]{10, 20}

Vergessen von accTitle/accDescr bei unterstützten Typen

Nur einige Diagrammtypen unterstützen accTitle/accDescr. Fügen Sie bei solchen, die es nicht tun, immer einen beschreibenden kursiven Absatz direkt oberhalb des Code-Blocks ein:

Radarchart, der drei Methoden über fünf Leistungsdimensionen vergleicht. Hinweis: Radarcharts unterstützen kein accTitle/accDescr.

radar-beta
...

🔗 Integration mit anderen Fähigkeiten

Mit scientific-schematics

scientific-schematics generiert KI-gestützte publikationsfähige Bilder (PNG). Verwenden Sie das Mermaid-Diagramm als Vorlage für die Schemazeichnung:

Workflow:
1. Erstellen Sie das Konzept als Mermaid in .md (diese Fähigkeit — Phase 1)
2. Beschreiben Sie dasselbe Konzept für scientific-schematics für ein poliertes PNG (Phase 3)
3. Committen Sie beides — die .md als Quelle, das PNG als ergänzende Abbildung

Mit scientific-writing

Wenn scientific-writing ein Manuskript erstellt, sollten alle Diagramme und Strukturabbildungen die Standards dieser Fähigkeit verwenden. Die Schreibfähigkeit behandelt Prosa und Zitate; diese Fähigkeit behandelt visuelle Struktur.

Workflow:
1. Verwenden Sie scientific-writing, um das Manuskript zu verfassen
2. Ersetzen Sie für jede Abbildung, die einen Arbeitsablauf, eine Architektur oder eine Beziehung zeigt:
   - Platzhalter durch ein Mermaid-Diagramm gemäß der Anleitung dieser Fähigkeit
3. Verwenden Sie scientific-schematics nur für Abbildungen, die wirklich fotorealistisches/komplexes Rendering benötigen

Mit literature-review

literature-review erzeugt Zusammenfassungen mit vielen Beziehungsdaten. Verwenden Sie diese Fähigkeit, um:

  • Konzeptkarten (Mindmap) der Literaturlandschaft zu erstellen
  • Publikationszeitpläne anzuzeigen (Timeline oder Gantt)
  • Methodiken zu vergleichen (Quadrant oder Radar)
  • Datenflüsse aus Papieren zu diagrammieren (Sequenz oder Flowchart)

Mit jeder Fähigkeit, die Ausgabedokumente erzeugt

Bevor Sie ein Dokument aus einer Fähigkeit finalisieren, wenden Sie die Checkliste dieser Fähigkeit an:

  • Verwendet das Dokument eine Vorlage? Wenn ja, habe ich mit der richtigen begonnen?
  • Sind alle Diagramme in Mermaid mit accTitle + accDescr?
  • Kein %%{init}, kein Inline-style, nur classDef?
  • Sind alle externen Behauptungen mit [^N] zitiert?
  • Ein H1, Emoji nur auf H2?
  • Horizontale Linien nach jedem </details>?

📚 Referenzindex

Styleguides

AnleitungPfadZeilenWas wird behandelt
Markdown-Styleguidereferences/markdown_style_guide.md~733Überschriften, Formatierung, Zitate, Tabellen, Mermaid-Integration, Vorlagen, Qualitätscheckliste
Mermaid-Styleguidereferences/mermaid_style_guide.md~458Barrierefreiheit, Emoji-Set, Farbklassen, Themenneutralität, Typauswahl, Komplexitätsstufen

Diagrammtyp-Anleitungen (24 Typen)

Jede Datei enthält: ein produktionsreifes Beispiel, Tipps spezifisch für diesen Typ und eine Kopiervorlage.

references/diagrams/ — architecture, block, c4, class, complex_examples, er, flowchart, gantt, git_graph, kanban, mindmap, packet, pie, quadrant, radar, requirement, sankey, sequence, state, timeline, treemap, user_journey, xy_chart, zenuml

Dokumentvorlagen (9 Typen)

templates/ — decision_record, how_to_guide, issue, kanban, presentation, project_documentation, pull_request, research_paper, status_report

Beispiele

assets/examples/example-research-report.md — ein vollständiger wissenschaftlicher Forschungsbericht, der die richtige Überschriftenhierarchie, mehrere Diagrammtypen (Flussdiagramm, Sequenz, Gantt), Tabellen, Fußnotenzitate, einklappbare Abschnitte und alle Regeln des Styleguides demonstriert.


📝 Zuschreibung

Alle Styleguides, Diagrammtyp-Anleitungen und Dokumentvorlagen in dieser Fähigkeit stammen aus dem Repository SuperiorByteWorks-LLC/agent-project unter der Apache-2.0-Lizenz.

Diese Fähigkeit (als Teil von scientific-agent-skills) wird unter der MIT-Lizenz vertrieben. Die enthaltenen Apache-2.0-Inhalte sind kompatibel für die nachgelagerte Nutzung unter Beibehaltung der Zuschreibung, wie in den Dateiköpfen dieser Fähigkeit erhalten.


Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

adaptyv

How to use the Adaptyv Bio Foundry API and Python SDK for protein experiment design, submission, and results retrieval. Use this skill whenever the user mentions Adaptyv, Foundry API, protein binding assays, protein screening experiments, BLI/SPR assays, thermostability assays, or wants to submit protein sequences for experimental characterization. Also trigger when code imports `adaptyv`, `adaptyv_sdk`, or `FoundryClient`, or references `foundry-api-public.adaptyvbio.com`.

aeon

This skill should be used for time series machine learning tasks including classification, regression, clustering, forecasting, anomaly detection, segmentation, and similarity search. Use when working with temporal data, sequential patterns, or time-indexed observations requiring specialized algorithms beyond standard ML approaches. Particularly suited for univariate and multivariate time series analysis with scikit-learn compatible APIs.

alphagenome

Look up precomputed AlphaGenome Atlas effects for any GRCh38 single-nucleotide variant (AVI score with Phred and 18 SHAP feature attributions, plus raw and quantile scores for RNA-seq, DNase, ATAC, ChIP-TF, ChIP-histone, CAGE, PRO-cap, splicing, polyadenylation and contact-map tracks), score variants or scan windows on demand with the AlphaGenome model for human and mouse (variant scoring, in silico mutagenesis, REF-versus-ALT track prediction), and build Atlas website deep links. Use when the user mentions AlphaGenome, AlphaGenome Atlas, AVI or AlphaGenome Variant Impact, DeepMind variant effect prediction, or wants to prioritise or mechanistically interpret non-coding, regulatory, splicing, enhancer, promoter, or chromatin-accessibility effects of SNVs from a VCF, credible set, or region. Research use only; not a clinical tool.

analytical-method-validation

Plan, execute, and document validation, verification, and transfer of analytical procedures under the governing framework - ICH Q2(R2) and Q14, USP <1220>/<1225>/<1226>, ICH M10 bioanalytical, CLSI EP, or ISO/IEC 17025. Use for HPLC, LC-MS/MS, GC, CE, ICP-MS, dissolution, qNMR, qPCR, NIR, and ligand binding or cell-based assays whenever the question is whether a procedure is fit for its intended purpose. Triggers include

anndata

Data structure for annotated matrices in single-cell analysis. Use when working with .h5ad files or integrating with the scverse ecosystem. This is the data format skill—for analysis workflows use scanpy; for probabilistic models use scvi-tools; for population-scale queries use cellxgene-census.

arbor

Autonomously improve a real artifact (code, training recipe, agent harness, data pipeline, prompt) against an objective and an evaluator, using Hypothesis Tree Refinement (HTR) from the Arbor paper. Use this whenever someone wants to iteratively optimize something over many experiments without overfitting — e.g.

arboreto

Infer gene regulatory networks (GRNs) from gene expression data using scalable algorithms (GRNBoost2, GENIE3). Use when analyzing transcriptomics data (bulk RNA-seq, single-cell RNA-seq) to identify transcription factor-target gene relationships and regulatory interactions. Supports distributed computation for large-scale datasets.

astropy

Core Python library for astronomy and astrophysics workflows that need Astropy APIs, including units/quantities, coordinates, FITS I/O, tables, time systems, WCS, and cosmology. Use when implementing or debugging astronomical data analysis code with Astropy.

autoskill

Observe the user

benchling-integration

Benchling Python SDK and REST API integration for registry entities, inventory, ELN entries, workflows, Benchling Apps, and Data Warehouse queries. Use when automating lab data with benchling-sdk or the v2 API.

bgpt-paper-search

Search scientific papers and retrieve structured experimental data extracted from full-text studies via the BGPT MCP server. Returns 25+ fields per paper including methods, results, sample sizes, quality scores, and conclusions. Use for literature reviews, evidence synthesis, and finding experimental details not available in abstracts alone.

bids

>

biopython

Comprehensive molecular biology toolkit. Use for sequence manipulation, file parsing (FASTA/GenBank/PDB), phylogenetics, and programmatic NCBI/PubMed access (Bio.Entrez). Best for batch processing, custom bioinformatics pipelines, BLAST automation. For quick lookups use gget; for multi-service integration use bioservices.

bioservices

Unified Python interface to 40+ bioinformatics services. Use when querying multiple databases (UniProt, KEGG, ChEMBL, Reactome) in a single workflow with consistent API. Best for cross-database analysis, ID mapping across services. For quick single-database lookups use gget; for sequence/file manipulation use biopython.

bulk-rnaseq

End-to-end bulk RNA-seq orchestrator — takes raw FASTQ reads through QC and trimming (FastQC, fastp/Trim Galore), alignment and quantification (STAR, Salmon, featureCounts), assembles a gene-level counts matrix, then hands off to differential expression (pydeseq2), pathway/GSEA enrichment (pathway-enrichment), and publication figures (scientific-visualization). Use whenever the user has bulk RNA-seq reads or quant output and wants a complete, reproducible differential-expression workflow — e.g.

cellxgene-census

Query the CZ CELLxGENE Census programmatically for versioned public single-cell and spatial transcriptomics data. Use when you need population-scale cell metadata, gene expression slices, Census summary counts, source H5AD URIs/downloads, embeddings, spatial Census data, or reference atlas comparisons across organisms, tissues, diseases, assays, and cell types. For analyzing your own local single-cell data use scanpy, anndata, or scvi-tools.

cirq

Google quantum computing framework. Use when targeting Google Quantum AI hardware, designing noise-aware circuits, or running quantum characterization experiments. Best for Google hardware, noise modeling, and low-level circuit design. For IBM hardware use qiskit; for quantum ML with autodiff use pennylane; for physics simulations use qutip.

citation-management

Comprehensive citation management for academic research. Search OpenAlex, PubMed, and Google Scholar for papers, extract accurate metadata, validate citations, and generate properly formatted BibTeX entries. This skill should be used when you need to find papers, verify citation information, convert DOIs to BibTeX, or ensure reference accuracy in scientific writing.

clinical-decision-support

Prepare and validate research-only clinical decision-support evaluation, evidence-profile, cohort, survival, biomarker/model, privacy, and governance artifacts. Use for aggregate or synthetic research documentation and traceability—not patient care or live clinical operation.

clinical-reports

Create safety-bounded draft structures and run local deterministic checks for clinical case, diagnostic, trial, safety, and aggregate research reports. Use only with synthetic, de-identified, or aggregate inputs and verified source-fact manifests; every output requires qualified review.

Verwandte Skills