Communitygithub.com

Scientific Slides

Cree diapositivas y presentaciones para charlas de investigación. Úselo para presentaciones en PowerPoint, conferencias, seminarios, defensas de tesis o cualquier charla científica. Proporciona estructura de diapositivas, plantillas de diseño, guía de tiempos y validación visual. Funciona con PowerPoint y LaTeX Beamer.

¿Qué es Scientific Slides?

Esta habilidad (skill) para agentes de IA está diseñada para guiar en la creación de presentaciones científicas visualmente atractivas y efectivas. Su principal objetivo es transformar contenido de investigación en diapositivas memorables, combinando imágenes de alta calidad, citas de investigación y un diseño profesional para comunicar hallazgos de manera clara y convincente. Es compatible con múltiples flujos de trabajo, incluyendo la generación de diapositivas completas como imágenes para PDF (usando Nano Banana Pro), la creación de visuales para luego integrarlos en PowerPoint (PPTX), y la referencia a habilidades complementarias como esquemas científicos (scientific-schematics) o la búsqueda de bibliografía (research-lookup). El proceso se basa en una planificación detallada de cada diapositiva, la generación de imágenes con un formato consistente (definiendo paletas de colores, tipografía y estilo visual), la inclusión de citas directamente en las indicaciones (prompts) y la reutilización de figuras existentes del proyecto para mantener la coherencia y la calidad. La habilidad enfatiza una filosofía de diseño que prioriza lo visual sobre el texto, creando una narrativa atractiva que capte la atención de la audiencia sin sacrificar el rigor científico. Además, documenta capacidades clave en archivos de referencia y se integra con otras habilidades del ecosistema para búsqueda de literatura y escritura científica.

Compatible con✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/K-Dense-AI/scientific-agent-skills/tree/main/skills/scientific-slides

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

Scientific Slides (Diapositivas Científicas)

Descripción General

Las presentaciones científicas son un medio crítico para comunicar investigación, compartir hallazgos y conectar con audiencias académicas y profesionales. Esta habilidad proporciona una guía completa para crear presentaciones científicas efectivas, desde la estructura y el desarrollo de contenido hasta el diseño visual y la preparación para la entrega.

Enfoque Clave: Presentaciones orales para congresos, seminarios, defensas de tesis y charlas profesionales.

FILOSOFÍA DE DISEÑO CRÍTICA: Las presentaciones científicas deben ser VISUALMENTE ATRACTIVAS y RESPALDADAS POR INVESTIGACIÓN. Evite a toda costa las diapositivas secas y cargadas de texto. Las mejores presentaciones científicas combinan:

  • Visuales convincentes: Figuras, imágenes y diagramas de alta calidad (no solo viñetas)
  • Contexto de investigación: Citas adecuadas de la búsqueda bibliográfica para establecer credibilidad
  • Texto mínimo: Viñetas como recordatorios, USTED proporciona la explicación verbalmente
  • Diseño profesional: Esquemas de color modernos, jerarquía visual fuerte, amplio espacio en blanco
  • Impulsado por una historia: Arco narrativo claro, no una simple descarga de datos

Recuerde: Presentaciones aburridas = ciencia olvidada. Haga que sus diapositivas sean visualmente memorables mientras mantiene el rigor científico a través de citas adecuadas.

Cuándo Usar Esta Habilidad

Esta habilidad debe usarse cuando:

  • Prepare presentaciones para congresos (5-20 minutos)
  • Desarrolle seminarios académicos (45-60 minutos)
  • Cree presentaciones para defensas de tesis de maestría o doctorado
  • Diseñe presentaciones para propuestas de becas o financiamiento
  • Prepare presentaciones para clubes de revistas
  • Realice charlas de investigación en instituciones o empresas
  • Realice presentaciones de enseñanza o tutoriales sobre temas científicos

Generación de Diapositivas con Nano Banana Pro

Esta habilidad utiliza la IA Nano Banana Pro para generar impresionantes diapositivas de presentación automáticamente.

Hay dos flujos de trabajo según el formato de salida:

Flujo de Trabajo Predeterminado: Diapositivas PDF (Recomendado)

Genere cada diapositiva como una imagen completa usando Nano Banana Pro, luego combínelas en un PDF. Esto produce los resultados más impactantes visualmente.

Cómo funciona:

  1. Planifique la presentación: Cree un plan detallado para cada diapositiva (título, puntos clave, elementos visuales)
  2. Genere las diapositivas: Llame a Nano Banana Pro para cada diapositiva para crear imágenes completas de diapositivas
  3. Combine en PDF: Ensamble las imágenes de las diapositivas en una única presentación PDF

Paso 1: Planifique Cada Diapositiva

Antes de generar, cree un plan detallado para su presentación:

# Plan de Presentación: Introducción al Aprendizaje Automático

## Diapositiva 1: Diapositiva de Título
- Título: "Machine Learning: De la Teoría a la Práctica"
- Subtítulo: "AI Conference 2025"
- Ponente: Dr. Jane Smith, Universidad de XYZ
- Visual: Fondo moderno abstracto de red neuronal

## Diapositiva 2: Introducción
- Título: "Por Qué el Aprendizaje Automático Importa"
- Puntos clave: Adopción en la industria, aplicaciones innovadoras, potencial futuro
- Visual: Iconos que muestran diferentes aplicaciones de ML (salud, finanzas, robótica)

## Diapositiva 3: Conceptos Principales
- Título: "Los Tres Tipos de Aprendizaje"
- Contenido: Supervisado, No Supervisado, Por Refuerzo
- Visual: Diagrama de tres partes que muestra cada tipo con ejemplos

... (continúe para todas las diapositivas)

Paso 2: Genere Cada Diapositiva

Use el script generate_slide_image.py para crear cada diapositiva.

CRÍTICO: Protocolo de Consistencia de Formato

Para asegurar un formato unificado en todas las diapositivas de una presentación:

  1. Defina un Objetivo de Formato al inicio de su presentación e inclúyalo en CADA indicación:

    • Esquema de color (por ejemplo, "fondo azul oscuro, texto blanco, acentos dorados")
    • Estilo tipográfico (por ejemplo, "títulos sans-serif en negrita, texto del cuerpo limpio")
    • Estilo visual (por ejemplo, "minimalista, profesional, estética corporativa")
    • Enfoque de diseño (por ejemplo, "amplio espacio en blanco, contenido alineado a la izquierda")
  2. Adjunte siempre la diapositiva anterior al generar diapositivas subsiguientes usando --attach:

    • Esto permite que Nano Banana Pro vea y coincida con el estilo existente
    • Crea continuidad visual en toda la presentación
    • Asegura colores, fuentes y lenguaje de diseño consistentes
  3. El autor predeterminado es "K-Dense" a menos que se especifique otro nombre

  4. Incluya citas directamente en la indicación para diapositivas que referencien investigación:

    • Agregue citas en el texto de la indicación para que aparezcan en la diapositiva generada
    • Use el formato: "Incluir cita: (Autor et al., Año)" o "Mostrar referencia: Autor et al., Año"
    • Para múltiples citas, enumérelas todas en la indicación
    • Las citas deben aparecer en texto pequeño en la parte inferior de la diapositiva o cerca del contenido relevante
  5. Adjunte figuras/datos existentes para diapositivas de resultados (CRÍTICO para presentaciones basadas en datos):

    • Al crear diapositivas sobre resultados, SIEMPRE verifique si existen figuras en:
      • El directorio de trabajo (por ejemplo, figures/, results/, plots/, images/)
      • Archivos o directorios de entrada proporcionados por el usuario
      • Cualquier visualización de datos, gráficos o diagramas relevantes para la presentación
    • Use --attach para incluir estas figuras para que Nano Banana Pro pueda incorporarlas:
      • Adjunte la figura/diagrama de datos real para diapositivas de resultados
      • Adjunte diagramas relevantes para diapositivas de metodología
      • Adjunte logotipos o imágenes institucionales para diapositivas de título
    • Al adjuntar figuras de datos, describa lo que desea en la indicación:
      • "Cree una diapositiva que presente el gráfico de resultados adjunto con los hallazgos clave resaltados"
      • "Construya una diapositiva alrededor de esta figura adjunta, agregue título y viñetas explicando los datos"
      • "Incorpore el gráfico adjunto en una diapositiva de resultados con interpretación"
    • Antes de generar diapositivas de resultados: Enumere los archivos en el directorio de trabajo para encontrar figuras relevantes
    • Se pueden adjuntar múltiples figuras: --attach fig1.png --attach fig2.png

Ejemplo con consistencia de formato, citas y archivos adjuntos de figuras:

# Diapositiva de título (primera diapositiva - establece el estilo)
python scripts/generate_slide_image.py "Diapositiva de título para la presentación: 'Machine Learning: De la Teoría a la Práctica'. Subtítulo: 'AI Conference 2025'. Ponente: K-Dense. OBJETIVO DE FORMATO: Fondo azul oscuro (#1a237e), texto blanco, acentos dorados (#ffc107), diseño minimalista, fuentes sans-serif, márgenes generosos, sin elementos decorativos." -o slides/01_title.png

# Diapositiva de contenido con citas (adjuntar diapositiva anterior para consistencia)
python scripts/generate_slide_image.py "Diapositiva de presentación titulada 'Por Qué el Aprendizaje Automático Importa'. Tres puntos clave con iconos simples: 1) Adopción en la industria, 2) Aplicaciones innovadoras, 3) Potencial futuro. CITAS: Incluir al final en texto pequeño: (LeCun et al., 2015; Goodfellow et al., 2016). OBJETIVO DE FORMATO: Coincidir con el estilo de la diapositiva adjunta - fondo azul oscuro, texto blanco, acentos dorados, diseño profesional minimalista, sin desorden visual." -o slides/02_intro.png --attach slides/01_title.png

# Diapositiva de antecedentes con múltiples citas
python scripts/generate_slide_image.py "Diapositiva de presentación titulada 'La Revolución del Deep Learning'. Hitos clave: Avance de ImageNet (2012), arquitectura transformer (2017), modelos GPT (2018-presente). CITAS: Mostrar referencias al final: (Krizhevsky et al., 2012; Vaswani et al., 2017; Brown et al., 2020). OBJETIVO DE FORMATO: Coincidir exactamente con el estilo de la diapositiva adjunta - mismos colores, fuentes, diseño minimalista." -o slides/03_background.png --attach slides/02_intro.png

# DIAPOSITIVA DE RESULTADOS - Adjuntar figura de datos real del directorio de trabajo
# Primero, verifique qué figuras existen: ls figures/ o ls results/
python scripts/generate_slide_image.py "Diapositiva de presentación titulada 'Resultados de Rendimiento del Modelo'. Cree una diapositiva presentando el gráfico de precisión adjunto. Hallazgos clave a resaltar: 1) Se logró un 95% de precisión, 2) Supera la línea base en un 12%, 3) Consistente en todos los conjuntos de prueba. CITAS: Incluir al final: (Nuestros resultados, 2025). OBJETIVO DE FORMATO: Coincidir exactamente con el estilo de la diapositiva adjunta." -o slides/04_results.png --attach slides/03_background.png --attach figures/accuracy_chart.png

# DIAPOSITIVA DE RESULTADOS - Comparación de múltiples figuras
python scripts/generate_slide_image.py "Diapositiva de presentación titulada 'Comparación Antes vs Después'. Construya una diapositiva de comparación lado a lado usando las dos figuras adjuntas. Izquierda: resultados de la línea base, Derecha: nuestros resultados mejorados. Agregue etiquetas breves explicando la mejora. OBJETIVO DE FORMATO: Coincidir exactamente con el estilo de la diapositiva adjunta." -o slides/05_comparison.png --attach slides/04_results.png --attach figures/baseline.png --attach figures/improved.png

# DIAPOSITIVA DE METODOLOGÍA - Adjuntar diagrama existente
python scripts/generate_slide_image.py "Diapositiva de presentación titulada 'Arquitectura del Sistema'. Presente el diagrama de arquitectura adjunto con viñetas explicativas breves: 1) Procesamiento de entrada, 2) Inferencia del modelo, 3) Generación de salida. OBJETIVO DE FORMATO: Coincidir exactamente con el estilo de la diapositiva adjunta." -o slides/06_architecture.png --attach slides/05_comparison.png --attach diagrams/system_architecture.png

IMPORTANTE: Antes de crear diapositivas de resultados, siempre:

  1. Enumere los archivos en el directorio de trabajo: ls -la figures/ o ls -la results/
  2. Verifique los directorios proporcionados por el usuario en busca de figuras relevantes
  3. Adjunte TODAS las figuras relevantes que deberían aparecer en la diapositiva
  4. Describa cómo Nano Banana Pro debe incorporar las figuras adjuntas

Plantilla de Indicación (Prompt):

Incluya estos elementos en cada indicación (personalice según sea necesario):

[Descripción del contenido de la diapositiva]
CITAS: Incluir al final: (Autor1 et al., Año; Autor2 et al., Año)
OBJETIVO DE FORMATO: [Color de fondo], [color de texto], [color de acento], diseño profesional minimalista, sin elementos decorativos, consistente con el estilo de la diapositiva adjunta.

Paso 3: Combine en PDF

# Combine todas las diapositivas en una presentación PDF
python scripts/slides_to_pdf.py slides/*.png -o presentation.pdf

Flujo de Trabajo PPT: PowerPoint con Visuales Generados

Al crear presentaciones de PowerPoint, use Nano Banana Pro para generar imágenes y figuras para cada diapositiva, luego agregue el texto por separado usando la habilidad PPTX.

Cómo funciona:

  1. Planifique la presentación: Cree un plan de contenido para cada diapositiva
  2. Genere visuales: Use Nano Banana Pro con la bandera --visual-only para crear imágenes para las diapositivas
  3. Construya el PPTX: Use la habilidad PPTX (PptxGenJS o basada en plantillas) para crear diapositivas con los visuales generados y el texto separado

Paso 1: Genere Visuales para Cada Diapositiva

# Genere una figura para la diapositiva de introducción
python scripts/generate_slide_image.py "Ilustración profesional que muestra aplicaciones de aprendizaje automático: diagnóstico de salud, análisis financiero, vehículos autónomos y robótica. Diseño plano moderno, iconos coloridos sobre fondo blanco." -o figures/ml_applications.png --visual-only

# Genere un diagrama para la diapositiva de métodos
python scripts/generate_slide_image.py "Diagrama de arquitectura de red neuronal que muestra capa de entrada, tres capas ocultas y capa de salida. Estilo limpio y técnico con conexiones de nodos. Esquema de color azul y gris." -o figures/neural_network.png --visual-only

# Genere un gráfico conceptual para resultados
python scripts/generate_slide_image.py "Comparación antes y después que muestra mejora: el lado izquierdo muestra datos desordenados, el lado derecho muestra información organizada. Flecha que los conecta. Estilo profesional de negocios." -o figures/results_visual.png --visual-only

Paso 2: Construya PowerPoint con la Habilidad PPTX

Use el flujo de trabajo de PptxGenJS de la habilidad PPTX para crear diapositivas que incluyan:

  • Imágenes generadas en el paso 1
  • Título y texto del cuerpo agregados por separado
  • Diseño y formato profesional

Consulte skills/pptx/SKILL.md para la documentación completa sobre creación de PPTX.


Mejora Visual con Esquemas Científicos

Además de la generación de diapositivas, use la habilidad scientific-schematics para diagramas técnicos:

Cuándo usar scientific-schematics en su lugar:

  • Diagramas técnicos complejos (diagramas de circuitos, estructuras químicas)
  • Figuras de calidad de publicación para artículos (umbral de calidad más alto)
  • Diagramas que requieren revisión de precisión científica

Cómo generar esquemas:

python scripts/generate_schematic.py "descripción de su diagrama" -o figures/output.png

Para obtener una guía detallada sobre la creación de esquemas, consulte la documentación de la habilidad scientific-schematics.


Capacidades Principales

La estructura y organización de la presentación, los principios de diseño de diapositivas, la visualización de datos para diapositivas, la guía específica para la charla, las opciones de implementación (Beamer / PowerPoint / PDF generado), la revisión e iteración visual, el tiempo y ritmo, y la validación están documentados en references/slide_capabilities.md.

El proceso de desarrollo por etapas (planificación, diseño y creación, desarrollo de contenido, validación visual, práctica y refinamiento, y preparación final) se encuentra en references/presentation_workflow.md.

La guía para escribir indicaciones (prompts) tanto para la generación de diapositivas completas como solo visuales está en references/prompt_writing.md. Los argumentos y opciones de cada script incluido están en references/script_reference.md. Los errores que con mayor frecuencia arruinan una charla se catalogan en references/common_pitfalls.md.

Integración con Otras Habilidades

Búsqueda de Investigación (Research Lookup) (Crítico para Presentaciones Científicas):

  • Desarrollo de antecedentes: Busque en la literatura para construir el contexto de la introducción
  • Recopilación de citas: Encuentre artículos clave para citar en su charla
  • Identificación de brechas: Identifique lo que se desconoce para motivar la investigación
  • Comparación con trabajos previos: Encuentre artículos para comparar sus resultados
  • Evidencia de apoyo: Localice literatura que respalde sus interpretaciones
  • Preparación de preguntas: Encuentre artículos que puedan informar las respuestas durante la sesión de preguntas y respuestas
  • Utilice siempre research-lookup al desarrollar cualquier presentación científica para asegurar el contexto y las citas adecuados

Escritura Científica (Scientific Writing):

  • Convierta el contenido del artículo al formato de presentación
  • Extraiga hallazgos clave y simplifique
  • Use las mismas figuras (pero rediseñadas para diapositivas)
  • Mantenga una terminología consistente

Habilidad PPTX:

  • Úsela para la creación y edición de PowerPoint
  • Aproveche los scripts para flujos de trabajo basados en plantillas
  • Use la generación de miniaturas para validación
  • Consulte el SKILL.md de la habilidad PPTX para la creación programática

Visualización de Datos (Data Visualization):

  • Genere gráficos y tablas de alta calidad para diapositivas de resultados
  • Asegúrese de que las visualizaciones sean claras e impactantes en formato de diapositiva
  • Siga las mejores prácticas para la visualización de datos en ciencia

Referencias

Consulte los archivos de referencia para obtener documentación detallada:

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.

Skills relacionados