听说你想蒸馏我？

一、蒸馏过程

在评论区发现有人想蒸馏我？行吧，粉丝想要，粉丝得到。

先看下用蒸馏后的skills的绘图效果：

首先我们收集承包你未来40年的单细胞学习资料的订阅部分的html/rmd/jupyter物料，这部分内容自我感觉属于是Biomamba撰写作品中质量较高的内容，覆盖了单细胞各组学常见分析的工具教学与数据实战。大概是这么些资料，获取方式见文末：

biomamba_sc_distill/ref
├── jupyter
│ ├── AI_module.ipynb
│ ├── article.ipynb
│ ├── cell_communication.ipynb
│ ├── ChimericSeq鉴定单细胞与空转数据中的病毒嵌合序列.ipynb
│ ├── cnv.ipynb
│ ├── fig1_py.ipynb
│ ├── gene_co_expression_network.ipynb
│ ├── pseudotime.ipynb
│ ├── reproduction.ipynb
│ └── scanpy.ipynb
└── rmd
├── Autodock Vina分子批量对接与亲和力热图绘制.rmd
├── beyondcell流程.R
├── Biomamba生信基地.单细胞教程.rmd
├── 《Cancercell》单细胞揭示结直肠癌免疫治疗中的T Cell响应动态.Rmd
├── Cellchat.Part1-Biomamba.Rmd
├── citeSeq学习手册.Rmd
├── ComplexHeatmap学习手册.Rmd
├── CRC_PBMC复写.rmd
├── Dotplot改造.Rmd
├── fastXXX_RapidXXX加速你的单细胞分析.rmd
├── ggplot2中的DIY.rmd
├── macrophage.Rmd
├── monocle2-Biomamba-生信基地.Rmd
├── monocle2-拟时序分析精简版.Rmd
├── monocle的下游探索.Rmd
├── Neutrophil.Rmd
├── oncoPredict_方法一.R
├── oncoPredict_方法二.R
├── scanpy单细胞流程.Rmarkdown编译版本.rmd
├── scATAC学习手册.rmd
├── SCENIC流程.Rmd
├── SCENIC转录因子调控网络分析.rmd
├── scMeta.Rmd
├── scMLnet多层信号网络教程.rmd
├── scRNA-Seq学习手册_Seurat_V5版.rmd
├── scRNA-seq揭示人纤维化皮肤病中的成纤维细胞异质性和间充质成纤维细胞增加.Rmd
├── scRNA-seq揭示头颈癌早期转移过程中潜在的免疫逃避机制.Rmd
├── scRNA-seq肿瘤细胞药敏分析.Rmd
├── scRNA联合scATAC揭示肾脏细胞分化程序和疾病靶点.rmd
├── scTCR&scBCR学习手册.Rmd
├── scTenifoldKnk单细胞虚拟基因敲除.rmd
├── SeekOne DD单细胞ATAC+RNA一胞双组学_学习手册.rmd
├── SeekSpace_V2焕新上线.rmd
├── Seurat中如何让细胞听你指挥.Rmd
├── Slingshot拟时序分析学习手册.Rmd
├── TCGA与单细胞数据的生存分析与预后分析套路合集.Rmd
├── 单样本分析.Rmd
├── 单细胞DoHeatmap改造.rmd
├── 单细胞Figure1的常见图表.rmd
├── 单细胞NMF非负矩阵分解降维及亚群分析应用.Rmd
├── 单细胞去污染学习手册.Rmd
├── 单细胞转录组学对产后肝脏发育和成熟的时间分析.Rmd
├── 双细胞过滤手册.rmd
├── 基因集评分方法的横向比较.Rmd
├── 多组别细胞通讯.Rmd
├── 快速上手Seurat_V5.rmd
├── 手把手教你做scRNA-seq_基因共表达网络分析学习手册.Rmd
├── 手把手教你做scRNA-seq_拷贝数变异专题.Rmd
├── 手把手教你做scRNA-seq数据基础分析.Rmd
├── 手把手教你做scRNA-seq_细胞通讯专题.Rmd
├── 手把手教你做scRNA-seq_轨迹分析专题.Rmd
├── 手把手教你做scRNA Velocity剪切速率.Rmd
├── 拷贝数变异学习手册.rmd
├── 改造单细胞VlnPlot.rmd
├── 改造单细胞降维图.rmd
├── 沉浸式统计细胞比例.Rmd
├── 第七讲基因富集分析.rmd
├── 细胞通讯学习手册.rmd
└── 通过单细胞基因组学绘制透明细胞肾癌的免疫微环境.Rmd
2 directories, 69 files

这个时候启用claude，用AI来蒸馏我！把大象装进冰箱(bushi)，在claude中蒸馏Biomamba的单细胞技能分为以下几个步骤：

步骤一

这一步是把几十篇帖子的经验，从散布的推文，变成机器可读的结构化知识库。

你是知识抽取器，ref中是Biomamba生信基地单细胞实操教程。
请严格输出JSON，不要多余闲聊。
输出JSON结构：
{
"workflow": [], // 分析流程步骤，字符串数组
"code_pattern": [], // 常用代码范式，可复用代码片段
"pitfall": [], // 踩坑、坑点、错误做法
"param_suggest": [], // 参数选择建议（Seurat/Scanpy各个函数关键参数）
"error_case": [], // 真实报错、解决方案
"best_practice": [] // 最佳实践，该怎么做
}
只输出JSON，不要markdown解释。
对每一个分片调用 DeepSeek，把返回的 JSON 全部保存，得到一个知识库合集 sc_knowledge_base.json。

步骤二

根据上一步生成的sc_knowledge_base.json生成skills

你现在需要基于下面的单细胞生信结构化知识库，生成一份完整符合Claude Code规范的 SKILL.md。
目标：当Claude Code做单细胞数据分析任务时，自动遵循Biomamba生信基地的实操经验、流程、避坑、代码风格。
要求：
1. 开头说明Skill用途：本Skill为Biomamba单细胞分析经验蒸馏，用于指导Claude Code完成单细胞转录组分析。
2. 【任务行为约束】：Agent做单细胞分析时固定分析流程顺序；优先使用Seurat/Scanpy；严格遵循知识库里面的最佳实践。
3. 【代码输出约束】：输出R/Python单细胞代码的风格，参考知识库code_pattern；不要输出过时写法。
4. 【强制检查清单】：每完成一个步骤，必须自查pitfall里面的坑点；遇到报错优先参考error_case。
5. 【参数约束】：函数调用优先使用param_suggest给出的推荐参数，不随意设置默认值。
6. 【工具调用约束】：结合我们已有的settings.json权限白名单，优先使用允许的bash命令，不触发多余确认。
7. 【可视化优化】：涉及到uamp、doheatmap、vlnplot、Dotplot等，请按照Biomamba的改造系列风格进行绘制。
8. 如果用户提问，优先使用知识库内经验，知识库没有的再使用通用公开知识。
9. 格式严格为SKILL.md，使用markdown标题、列表，不要输出json。

这样你就得到了这样一份skills，理论上你就蒸馏了Biomamba一部分的技能，可以随时让我给你干活，算是让Biomamba赛博永生了，不知道大家有没有看过黑镜。

biomamba_sc_distill/
├── manifest.json
├── mcp
│ └── sc_kb_server.py
├── merge.py
├── out
│ ├── 0001.json
│ ├── 0002.json
│ ├── 0003.json
│ ├── 0004.json
│ ├── 0005.json
.................
│ ├── 0137.json
│ └── 0138.json
├── preprocess.py
├── prompts
│ └── sc_analysis_prompt.md
├── ref
│ ├── jupyter
│ │ ├── AI_module.ipynb
│ │ ├── article.ipynb
│ │ ├── cell_communication.ipynb
│ │ ├── ChimericSeq鉴定单细胞与空转数据中的病毒嵌合序列.ipynb
│ │ ├── cnv.ipynb
│ │ ├── fig1_py.ipynb
│ │ ├── gene_co_expression_network.ipynb
│ │ ├── pseudotime.ipynb
│ │ ├── reproduction.ipynb
│ │ └── scanpy.ipynb
│ └── rmd
│ ├── Autodock Vina分子批量对接与亲和力热图绘制.rmd
│ ├── beyondcell流程.R
│ ├── Biomamba生信基地.单细胞教程.rmd
│ ├── 《Cancercell》单细胞揭示结直肠癌免疫治疗中的T Cell响应动态.Rmd
│ ├── Cellchat.Part1-Biomamba.Rmd
│ ├── citeSeq学习手册.Rmd
│ ├── ComplexHeatmap学习手册.Rmd
│ ├── CRC_PBMC复写.rmd
│ ├── Dotplot改造.Rmd
│ ├── fastXXX_RapidXXX加速你的单细胞分析.rmd
│ ├── ggplot2中的DIY.rmd
│ ├── macrophage.Rmd
│ ├── monocle2-Biomamba-生信基地.Rmd
│ ├── monocle2-拟时序分析精简版.Rmd
│ ├── monocle的下游探索.Rmd
│ ├── Neutrophil.Rmd
│ ├── oncoPredict_方法一.R
│ ├── oncoPredict_方法二.R
│ ├── scanpy单细胞流程.Rmarkdown编译版本.rmd
│ ├── scATAC学习手册.rmd
│ ├── SCENIC流程.Rmd
│ ├── SCENIC转录因子调控网络分析.rmd
│ ├── scMeta.Rmd
│ ├── scMLnet多层信号网络教程.rmd
│ ├── scRNA-Seq学习手册_Seurat_V5版.rmd
│ ├── scRNA-seq揭示人纤维化皮肤病中的成纤维细胞异质性和间充质成纤维细胞增加.Rmd
│ ├── scRNA-seq揭示头颈癌早期转移过程中潜在的免疫逃避机制.Rmd
│ ├── scRNA-seq肿瘤细胞药敏分析.Rmd
│ ├── scRNA联合scATAC揭示肾脏细胞分化程序和疾病靶点.rmd
│ ├── scTCR&scBCR学习手册.Rmd
│ ├── scTenifoldKnk单细胞虚拟基因敲除.rmd
│ ├── SeekOne DD单细胞ATAC+RNA一胞双组学_学习手册.rmd
│ ├── SeekSpace_V2焕新上线.rmd
│ ├── Seurat中如何让细胞听你指挥.Rmd
│ ├── Slingshot拟时序分析学习手册.Rmd
│ ├── TCGA与单细胞数据的生存分析与预后分析套路合集.Rmd
│ ├── 单样本分析.Rmd
│ ├── 单细胞DoHeatmap改造.rmd
│ ├── 单细胞Figure1的常见图表.rmd
│ ├── 单细胞NMF非负矩阵分解降维及亚群分析应用.Rmd
│ ├── 单细胞去污染学习手册.Rmd
│ ├── 单细胞转录组学对产后肝脏发育和成熟的时间分析.Rmd
│ ├── 双细胞过滤手册.rmd
│ ├── 基因集评分方法的横向比较.Rmd
│ ├── 多组别细胞通讯.Rmd
│ ├── 快速上手Seurat_V5.rmd
│ ├── 手把手教你做scRNA-seq_基因共表达网络分析学习手册.Rmd
│ ├── 手把手教你做scRNA-seq_拷贝数变异专题.Rmd
│ ├── 手把手教你做scRNA-seq数据基础分析.Rmd
│ ├── 手把手教你做scRNA-seq_细胞通讯专题.Rmd
│ ├── 手把手教你做scRNA-seq_轨迹分析专题.Rmd
│ ├── 手把手教你做scRNA Velocity剪切速率.Rmd
│ ├── 拷贝数变异学习手册.rmd
│ ├── 改造单细胞VlnPlot.rmd
│ ├── 改造单细胞降维图.rmd
│ ├── 沉浸式统计细胞比例.Rmd
│ ├── 第七讲基因富集分析.rmd
│ ├── 细胞通讯学习手册.rmd
│ └── 通过单细胞基因组学绘制透明细胞肾癌的免疫微环境.Rmd
├── resume.sh
├── sc_knowledge_base.json
├── shards
│ ├── 0001.txt
│ ├── 0002.txt
│ ├── 0003.txt
│ ├── 0004.txt
│ ├── 0005.txt
.................
│ └── 0138.txt

二、试试实战效果

这是原文图片，其实在那个时间节点已经是个很“时髦”的图了：

试试调用skills的效果：'请按照biomamba_sc_distill中的skills，以“单细胞常见Figure1”的技巧，复现这篇文章的Figure1：https://pmc.ncbi.nlm.nih.gov/articles/PMC9077318

ok，见证奇迹的时刻，全程AI上班分析、绘图、拼图，输出的可视化结果是这样的：

果然AI还是适合做一些有参考的工作流，如果我让它抛开原文，提示词为“单纯把“常见Figure1”流程中的数据替换为当前测试数据，输出图片”，得到的结果是：

另外我还用我原来做教程的skills(试试没有skills的情况下(不是基于裸的基座LLM和环境，我的claude环境中有我通用的生信分析skills)，复现文章的效果：)试了一下，效果也不错，至少还原度还可以，还能额外收获一份教程：

跟着生成的学习手册练起来：

我的教程skills

├── SKILL.md
└── templates
├── image
│ └── Rmarkdown开头2026.png
├── python教程
│ ├── cnv.html
│ └── cnv.ipynb
└── R语言教程
├── scTenifoldKnk单细胞虚拟基因敲除.html
├── scTenifoldKnk单细胞虚拟基因敲除.r
└── scTenifoldKnk单细胞虚拟基因敲除.rmd
4 directories, 8 files

三、获取蒸馏skills

由于本推送物料蒸馏了大量订阅用户资料教程，故现仅向终身订阅/单细胞订阅/八年订阅的用户开放，以上会员请联系我们[Biomamba_yunying]发放权益和提取码哦~

你还想蒸馏我的什么技能？欢迎评论区交流！

通过网盘分享的文件：听说你想蒸馏我的单细胞skills？

链接: https://pan.baidu.com/s/1ioqnWGrT5mDHdCSPT8l_0w