AC tooluniverse-phylogenetics
Готовый к производству навык для филогенетического анализа и анализа последовательностей, обработки выравниваний, анализа деревьев и эволюционных метрик. Вычисляет древовидность, RCV, древовидность/RCV, парсимонийно-информативные сайты, эволюционную скорость, DVMC, длину дерева, статистику пробелов в выравнивании, GC-состав и поддержку bootstrap с использованием PhyKit, Biopython и DendroPy. Выполняет построение деревьев NJ/UPGMA/парсимонии, расстояние Робинсона-Фулдса, тесты Манна-Уитни U и пакетный анализ по семействам генов. Интегрируется с ToolUniverse для получения последовательностей (NCBI, UniProt, Ensembl) и аннотации деревьев. Используйте при обработке файлов FASTA/PHYLIP/Nexus/Newick, вычислении филогенетических метрик, сравнении групп таксонов или ответах на вопросы о выравниваниях, деревьях, парсимонии или молекулярной эволюции.
машинный переводПоказать оригиналСкрыть оригинал«Production-ready phylogenetics and sequence analysis skill for alignme…»
Production-ready phylogenetics and sequence analysis skill for alignment processing, tree analysis, and evolutionary metrics. Computes treeness, RCV, treeness/RCV, parsimony informative sites, evolutionary rate, DVMC, tree length, alignment gap statistics, GC content, and bootstrap support using PhyKIT, Biopython, and DendroPy. Performs NJ/UPGMA/parsimony tree construction, Robinson-Foulds distance, Mann-Whitney U tests, and batch analysis across gene families. Integrates with ToolUniverse for sequence retrieval (NCBI, UniProt, Ensembl) and tree annotation. Use when processing FASTA/PHYLIP/Nexus/Newick files, computing phylogenetic metrics, comparing taxa groups, or answering questions about alignments, trees, parsimony, or molecular evolution.
Готовый к производству навык для филогенетического анализа и анализа последовательностей, обработки выравниваний, анализа деревьев и эволюционных метрик.
Как процесс C 54/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки
Как улучшить
- 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
✓ По спецификации Agent Skills замечаний нет
Процессный рейтинг: все десять параметров 54/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Ошибки и развилки. Линейный процесс без обработки сбоев
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
- 85Шаги. Шагов: 46, расплывчатых формулировок: 3
- 100Когда включается. Сказано, когда применять и когда не применять
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 3974 токенов
- 100Повторный запуск. Изменяющих операций нет
- low Разделов верхнего уровня: 16. 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 754 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 28 заголовков
- +3Пошаговые инструкции: 46 пунктов
- +4Есть примеры (13 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (4 из 4)
- +3Все 2 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 95.