SKILLEMALL.ai

BC tooluniverse-binder-discovery

Поиск новых низкомолекулярных ингибиторов для белковых мишеней с использованием структурных и лигандных подходов. Создает практические отчеты с кандидатными соединениями, профилями ADMET и оценкой возможности синтеза. Используйте, когда пользователи запрашивают поиск низкомолекулярных соединений для мишени, идентификацию новых ингибиторов, проведение виртуального скрининга или когда требуется идентификация соединений от хитов к лидам.

машинный переводПоказать оригиналСкрыть оригинал«Discover novel small molecule binders for protein targets using struct…»

Discover novel small molecule binders for protein targets using structure-based and ligand-based approaches. Creates actionable reports with candidate compounds, ADMET profiles, and synthesis feasibility. Use when users ask to find small molecules for a target, identify novel binders, perform virtual screening, or need hit-to-lead compound identification.

FreedomIntelligence/OpenClaw-Medical-Skills Agent Skills автор: FreedomIntelligence 4 файла тело ≈ 11 461 токенов Открыть источникgithub.com↗ проанализирован 14 ч назад

Поиск новых низкомолекулярных ингибиторов для белковых мишеней с использованием структурных и лигандных подходов.

Как процесс C 60/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураДанные и аналитикаТексты и документыИсследованиятип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
74
Прогон на моделях
не было
Процессный рейтинг
C
60/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
Для прогона на моделях — необязательно
  • 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: 4. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение body-long тело SKILL.md ≈ 11461 токенов (рекомендуется < 5000); вынесите детали в references/

Процессный рейтинг: все десять параметров 60/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 40Стоимость исполнения. Тело инструкции 11461 токенов: вытесняет саму задачу из окна
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 76
  • 100Ошибки и развилки. Развилок: 2, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
  • low Разделов верхнего уровня: 19. 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 357 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 73 заголовков
  • +3Пошаговые инструкции: 76 пунктов
  • +4Есть примеры (51 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 74.