AD rowan
Rowan — это облачная платформа для молекулярного моделирования и медицинской химии с Python API. Используйте для прогнозирования pKa и macropKa, ансамблей конформеров и таутомеров, докинга и докинга аналогов, совместного сворачивания белков и лигандов, генерации MSA, молекулярной динамики, проницаемости, рабочих процессов дескрипторов и связанных задач моделирования малых молекул или белков. Идеально подходит для программного пакетного скрининга, многоэтапных химических конвейеров и рабочих процессов, которые в противном случае потребовали бы обслуживания локальной инфраструктуры HPC/GPU.
машинный переводПоказать оригиналСкрыть оригинал«Rowan is a cloud-native molecular modeling and medicinal-chemistry wor…»
Rowan is a cloud-native molecular modeling and medicinal-chemistry workflow platform with a Python API. Use for pKa and macropKa prediction, conformer and tautomer ensembles, docking and analogue docking, protein-ligand cofolding, MSA generation, molecular dynamics, permeability, descriptor workflows, and related small-molecule or protein modeling tasks. Ideal for programmatic batch screening, multi-step chemistry pipelines, and workflows that would otherwise require maintaining local HPC/GPU infrastructure.
Rowan — это облачная платформа для молекулярного моделирования и медицинской химии с Python API.
Как процесс D 47/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
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: 6. 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 47/100
- 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
- 30Повторный запуск. Изменяющих операций: 12, без проверки текущего состояния
- 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
- 60Инструменты и файлы. Используются инструменты (web, python), но во frontmatter они не объявлены
- 70Стоимость исполнения. Тело инструкции 4026 токенов
- 100Шаги. Шагов: 49
- 100Согласованность. Имя и обязательные поля на месте
- low Разделов верхнего уровня: 17. 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
- +2Инструкции на одном языке
- +3Длина description 513 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 30 заголовков
- +3Пошаговые инструкции: 49 пунктов
- +4Есть примеры (16 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (5 из 5)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 89.