BB tooluniverse-drug-target-validation
Комплексная вычислительная валидация мишеней лекарств для ранней стадии разработки лекарств. Оценивает мишени по 10 параметрам (уточнение, связь с заболеванием, возможность воздействия лекарствами, химические соединения, клинические прецеденты, безопасность, контекст сигнальных путей, доказательства валидации, структурные аспекты, план валидации) с использованием более 60 инструментов ToolUniverse. Выдает количественную оценку валидации мишени (0-100) с рекомендацией GO/NO-GO. Используйте, когда пользователи спрашивают о валидации мишеней, оценке возможности воздействия лекарствами, приоритизации мишеней или "является ли X хорошей мишенью для лекарства Y?"
машинный переводПоказать оригиналСкрыть оригинал«Comprehensive computational validation of drug targets for early-stage…»
Comprehensive computational validation of drug targets for early-stage drug discovery. Evaluates targets across 10 dimensions (disambiguation, disease association, druggability, chemical matter, clinical precedent, safety, pathway context, validation evidence, structural insights, validation roadmap) using 60+ ToolUniverse tools. Produces a quantitative Target Validation Score (0-100) with GO/NO-GO recommendation. Use when users ask about target validation, druggability assessment, target prioritization, or "is X a good drug target for Y?"
Комплексная вычислительная валидация мишеней лекарств для ранней стадии разработки лекарств.
Как процесс B 69/100 · Почти готов — слабые места: результат и критерий готовности, стоимость исполнения, повторный запуск
Как улучшить
- Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
- 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: 3. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
body-longтело SKILL.md ≈ 9788 токенов (рекомендуется < 5000); вынесите детали в references/
Процессный рейтинг: все десять параметров 69/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
- 40Стоимость исполнения. Тело инструкции 9788 токенов: вытесняет саму задачу из окна
- 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 70
- 100Когда включается. Сказано, когда применять и когда не применять
- 100Согласованность. Имя и обязательные поля на месте
- low Разделов верхнего уровня: 20. 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
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +4Описание говорит, когда скилл НЕ применять
- +3Длина description 545 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 74 заголовков
- +3Пошаговые инструкции: 70 пунктов
- +4Есть примеры (45 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 78.