BC instrument-data-to-allotrope
Преобразует выходные файлы лабораторных приборов (PDF, CSV, Excel, TXT) в формат JSON Allotrope Simple Model (ASM) или плоский 2D CSV. Используйте этот навык, когда ученым необходимо стандартизировать данные приборов для систем LIMS, хранилищ данных или последующего анализа. Поддерживает автоматическое определение типов приборов. Выходные данные включают полный JSON ASM, плоский CSV для простого импорта и экспортируемый код Python для инженеров данных. Распространенные триггеры включают преобразование файлов приборов, стандартизацию лабораторных данных, подготовку данных для загрузки в системы LIMS/ELN или генерацию кода парсера для производственных конвейеров.
машинный переводПоказать оригиналСкрыть оригинал«Convert laboratory instrument output files (PDF, CSV, Excel, TXT) to A…»
Convert laboratory instrument output files (PDF, CSV, Excel, TXT) to Allotrope Simple Model (ASM) JSON format or flattened 2D CSV. Use this skill when scientists need to standardize instrument data for LIMS systems, data lakes, or downstream analysis. Supports auto-detection of instrument types. Outputs include full ASM JSON, flattened CSV for easy import, and exportable Python code for data engineers. Common triggers include converting instrument files, standardizing lab data, preparing data for upload to LIMS/ELN systems, or generating parser code for production pipelines.
Преобразует выходные файлы лабораторных приборов (PDF, CSV, Excel, TXT) в формат JSON Allotrope Simple Model (ASM) или плоский 2D CSV.
Как процесс C 51/100 · Есть пробелы — Скилл ссылается на файлы, которых нет в архиве: references/examples/, references/instrument_guides/
Такой же скилл встречается ещё в 1 месте: RA-Skills
Как улучшить
- В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
- Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
- spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.
Находки guard · 0
✓ Критических и высоких находок нет
Просканировано файлов: 11. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
missing-refссылка на отсутствующий файл: references/examples/ - предупреждение
missing-refссылка на отсутствующий файл: references/instrument_guides/
Процессный рейтинг: все десять параметров 51/100
- 0Инструменты и файлы. Не хватает 2 файла(ов): references/examples/, references/instrument_guides/
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
- 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
- 100Шаги. Шагов: 40
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 2501 токенов
- 100Повторный запуск. Изменяющих операций нет
- 100Отчётность по ходу. Скилл сообщает о ходе работы
- low Разделов верхнего уровня: 13. Похоже на несколько доменов в одном скилле
Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.
Сигналы качества
- +5В description нет примеров фраз, по которым скилл должен срабатывать
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +2Инструкции на одном языке
- +3Длина description 581 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 23 заголовков
- +3Пошаговые инструкции: 40 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (11 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (4 из 4)
- +3Все 4 скриптов описаны в инструкциях
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 86.