BB tooluniverse-target-research
Сбор исчерпывающей информации о биологических мишенях из 9 параллельных исследовательских путей, охватывающих информацию о белках, структуру, взаимодействия, пути, экспрессию, варианты, взаимодействия с лекарствами и литературу. Включает поиск с учетом коллизий, оценку доказательств (T1-T4), явное покрытие Open Targets и обязательный аудит полноты. Используйте, когда пользователи спрашивают о мишенях лекарств, белках, генах или нуждаются в валидации мишеней, оценке возможности воздействия лекарств или комплексном профилировании мишеней.
машинный переводПоказать оригиналСкрыть оригинал«Gather comprehensive biological target intelligence from 9 parallel re…»
Gather comprehensive biological target intelligence from 9 parallel research paths covering protein info, structure, interactions, pathways, expression, variants, drug interactions, and literature. Features collision-aware searches, evidence grading (T1-T4), explicit Open Targets coverage, and mandatory completeness auditing. Use when users ask about drug targets, proteins, genes, or need target validation, druggability assessment, or comprehensive target profiling.
Сбор исчерпывающей информации о биологических мишенях из 9 параллельных исследовательских путей, охватывающих информацию о белках, структуру, взаимодействия…
Как процесс B 74/100 · Почти готов — слабые места: входы и предусловия, стоимость исполнения, отчётность по ходу
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 · 1
✓ Критических и высоких находок нет
Средние и низкие: 1
-
низкая Секреты в коде
secret-high-entropy-tokenREFERENCE.md:613Строка, похожая на токен (может быть id, хеш или секрет) (строка таблицы в документации)| `PubT…ete` | `query` | Entity autocomplete |
таблица
Просканировано файлов: 4. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
body-longтело SKILL.md ≈ 12742 токенов (рекомендуется < 5000); вынесите детали в references/
Процессный рейтинг: все десять параметров 74/100
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 40Стоимость исполнения. Тело инструкции 12742 токенов: вытесняет саму задачу из окна
- 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 45
- 100Ошибки и развилки. Развилок: 2, есть раздел про ошибки
- 100Согласованность. Имя и обязательные поля на месте
- 100Повторный запуск. Изменяющие операции проверяют текущее состояние
- medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
- 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
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 470 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 47 заголовков
- +3Пошаговые инструкции: 45 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (35 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 77.