Menu
Le prompt qui vérifie d'abord la source est sélectionné par défaut. Vous pouvez passer à une commande directe ou télécharger une copie locale.
Lisez SKILL.md et les fichiers associés affichés par SkillsMP avant de décider de l'installer.
Installer avec Codex ou Claude Copiez ce prompt, collez-le dans Codex, Claude ou un autre assistant, puis laissez-le vérifier la page du skill et l'installer pour vous.
Une commande directe contourne le prompt de vérification. Examinez la source avant de l'exécuter.
npx skills add https://github.com/mdbabumiamssm/LLMs-Universal-Life-Science-and-Clinical-Skills- --skill deep-research-swarmLa commande reste sur une seule ligne. Faites défiler horizontalement pour la vérifier avant de la copier.
Vous préférez une copie locale ? Téléchargez les fichiers actuellement disponibles dans SkillsMP.
Operate MedSAM2 for promptable segmentation of 3D medical images and medical videos, including CT lesion propagation, MRI volumes, RECIST-guided prompts, efficient CPU-oriented variants, training, and 3D Slicer integration. Use when generating or validating volumetric masks from sparse prompts or propagating masks through image slices or video frames.
Build reproducible healthcare imaging pipelines with Project MONAI for DICOM, NIfTI, pathology, and multidimensional imaging tasks including preprocessing, augmentation, training, sliding-window inference, evaluation, model bundles, labeling, and deployment. Use when implementing medical image classification, segmentation, registration, detection, generative, or foundation-model workflows in PyTorch.
Operate Google TxGemma prediction and chat models for therapeutic property prediction across small molecules, proteins, nucleic acids, diseases, targets, and cell lines. Use when formatting Therapeutics Data Commons tasks, choosing TxGemma model size or variant, running local or Model Garden inference, fine-tuning on private therapeutic data, or evaluating TxGemma in drug-discovery workflows.
Basé sur la classification professionnelle SOC
Affichage de SKILL.md
| name | deep-research-swarm |
| description | Multi-agent research literature analysis |
| keywords | ["research","literature","swarm","multi-agent","hypothesis"] |
| measurable_outcome | Generates comprehensive literature review with >50 citations in <5 minutes. |
| license | MIT |
| metadata | {"author":"Biomedical OS Team","version":"1.0.0"} |
| compatibility | [{"system":"Python 3.10+"}] |
| allowed-tools | ["run_shell_command","read_file","google_web_search"] |
A coordinated swarm of agents designed to perform deep, parallelized research into biomedical literature, aggregating findings into comprehensive reports.
User: "Research the latest advancements in mRNA cancer vaccines."
Agent Action:
python3 src/research/agents/agent_coordinator.py --topic "mRNA cancer vaccines" --depth "deep"