SKILLEMALL.ai
GitHub ↗ EN Войти

BF primekg

Запрос закрепленного графа знаний прецизионной медицины (PrimeKG) в формате CSV для узлов генов, лекарств, болезней и фенотипов с указанием типа, прямых ассоциаций, контекста заболевания и путей в одну или две хопы. Используйте для воспроизводимости PrimeKG, поиска биологических ассоциаций и генерации гипотез с сохранением происхождения отношений и данных.

машинный переводПоказать оригиналСкрыть оригинал«Queries a pinned Precision Medicine Knowledge Graph (PrimeKG) CSV for…»

Queries a pinned Precision Medicine Knowledge Graph (PrimeKG) CSV for typed gene, drug, disease, and phenotype nodes, direct associations, disease context, and one- or two-hop paths. Use for PrimeKG reproducibility, biological association lookup, and hypothesis generation with relation and data provenance preserved.

K-Dense-AI/claude-scientific-skills Agent Skills автор: K-Dense-AI MIT 3 файла · 1 скрипт тело ≈ 2 239 токенов Открыть источникgithub.com↗ проанализирован 11 ч назад

Запрос закрепленного графа знаний прецизионной медицины (PrimeKG) в формате CSV для узлов генов, лекарств, болезней и фенотипов с указанием типа, прямых…

Как процесс F 30/100 · Процесс не описан — слабые места: шаги, результат и критерий готовности, когда включается

ИнтеграцияGitHubДанные и аналитикаИсследованиятип и темы размечены автоматически по тексту скилла
Запускается в: Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) OpenClaw Goose OpenCode
JSON
Технический рейтинг
B
93/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
83
Прогон на моделях
не было
Процессный рейтинг
F
30/100
Процесс не описан
Шаги вес 15
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
три самых слабых из десяти параметров · все десять

Как улучшить

    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: 3. 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 30/100

    • 0Шаги. Инструкция сплошным текстом, шаги не выделены
    • 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
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 7, без проверки текущего состояния
    • 60Инструменты и файлы. Используются инструменты (web, node), но во frontmatter они не объявлены
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2239 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы

    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)
    • +3Нет пошаговых инструкций или чек-листа
    • +3Формат ответа не описан: модель каждый раз решает сама
    • -31 из 1 скриптов не упомянуты в SKILL.md
    • +2Инструкции на одном языке
    • +3Длина description 317 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 8 заголовков
    • +4Есть примеры (2 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 83.