SKILLEMALL.ai
GitHub ↗ EN Войти

AC esmfold2

Biohub ESMFold2 / ESMFold2-Fast полное предсказание структуры молекул (Candido et al. 2026, github.com/Biohub/esm). Режимы одиночной последовательности и MSA; белок, ДНК, РНК, лиганд (CCD/SMILES), модифицированные остатки. FoldBench Ab-Ag 50-55%, PPI 70-77% DockQ-pass. Также охватывает языковые модели белков ESMC-{300M,600M,6B} из того же релиза: логиты masked-LM, скрытые состояния, оценка мутаций, предсказание контактов и интерпретируемая голова SAE. Веса с лицензией MIT на HuggingFace org `biohub`. Используйте этот навык, когда: (1) предсказываете структуры комплексов с вводом одиночной последовательности, (2) проверяете разработанные связующие вещества с помощью ESMFold2-Fast, (3) запускаете ESMFold2 с вводом MSA, (4) получаете эмбеддинги ESMC или оценки мутаций для каждого остатка, (5) выбираете бэкенд ядра и настройки шага выборки для пропускной способности, соответствующей статье.

машинный переводПоказать оригиналСкрыть оригинал«Biohub ESMFold2 / ESMFold2-Fast all-atom co-folding (Candido et al. 20…»

Biohub ESMFold2 / ESMFold2-Fast all-atom co-folding (Candido et al. 2026, github.com/Biohub/esm). Single-sequence and MSA modes; protein, DNA, RNA, ligand (CCD/SMILES), modified residues. FoldBench Ab-Ag 50-55%, PPI 70-77% DockQ-pass. Also covers the ESMC-{300M,600M,6B} protein language models from the same release: masked-LM logits, hidden states, mutation scoring, contact prediction, and the SAE interpretability head. MIT-licensed weights on HuggingFace org `biohub`. Use this skill when: (1) Predicting complex structures with single-sequence input, (2) Validating designed binders with ESMFold2-Fast, (3) Running ESMFold2 with MSA input, (4) Getting ESMC embeddings or per-residue mutation scores, (5) Choosing kernel backend and sampling-step settings for paper-faithful throughput.

aipoch/open-science Agent Skills автор: aipoch Apache-2.0 3 файла тело ≈ 2 394 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

Biohub ESMFold2 / ESMFold2-Fast полное предсказание структуры молекул (Candido et al.

Как процесс C 52/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск

АнализаторGitHubРазработкаИИ и агентытип 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
A
95/100
безопасность, качество, тесты
Безопасность 60%
99
Качество 40%
88
Прогон на моделях
не было
Процессный рейтинг
C
52/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
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 · 1

    ✓ Критических и высоких находок нет

    Средние и низкие: 1
    • низкая Секреты в коде secret-high-entropy-token SKILL.md:122
      Строка, похожая на токен (может быть id, хеш или секрет) (строка таблицы в документации)
      | `ESMF…ase{300M,600M,6B}-step{250k..1500k}` | —                         | —           | —   | 15 critic ensemble     |
      таблица

    Просканировано файлов: 3. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "requirements"

    Процессный рейтинг: все десять параметров 52/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
    • 100Шаги. Шагов: 6
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2394 токенов
    • low Разделов верхнего уровня: 10. 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 791 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 11 заголовков
    • +3Пошаговые инструкции: 6 пунктов
    • +4Есть примеры (5 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 88.