AB dual-disease-transcriptomic-ml-planner
Генерирует полные дизайны исследований двойных заболеваний с использованием транскриптомики + машинного обучения на основе предоставленной пользователем пары заболеваний. Используйте, когда пользователи хотят определить общие дифференциально экспрессирующиеся гены (DEG), общие ключевые гены, перекрестные биомаркеры заболеваний или общие молекулярные механизмы между двумя заболеваниями, используя общедоступные данные GEO. Триггеры: "исследование общих биомаркеров для двух заболеваний", "транскриптомное ML исследование двойных заболеваний", "определение общих DEG между заболеванием А и В", "поиск ключевых генов для разных заболеваний", "дизайн DEG + PPI + ROC для общих заболеваний", "общий биомаркер иммунной инфильтрации" или "я хочу изучить заболевания X и Y вместе". Всегда выдает четыре конфигурации рабочей нагрузки (Lite / Standard / Advanced / Publication+) с рекомендуемым основным планом, пошаговым рабочим процессом, планом построения графиков, стратегией валидации, минимальной исполняемой версией и путем обновления до публикации.
машинный переводПоказать оригиналСкрыть оригинал«Generates complete dual-disease transcriptomic + machine learning rese…»
Generates complete dual-disease transcriptomic + machine learning research designs from a user-provided disease pair. Use when users want to identify shared DEGs, common hub genes, cross-disease biomarkers, or shared molecular mechanisms between two diseases using public GEO data. Triggers: "shared biomarker study for two diseases", "dual-disease transcriptomic ML paper", "identify common DEGs between disease A and B", "cross-disease hub gene discovery", "shared DEG + PPI + ROC design", "immune infiltration shared biomarker", or "I want to study disease X and Y together". Always outputs four workload configurations (Lite / Standard / Advanced / Publication+) with a recommended primary plan, step-by-step workflow, figure plan, validation strategy, minimal executable version, and publication upgrade path.
Генерирует полные дизайны исследований двойных заболеваний с использованием транскриптомики + машинного обучения на основе предоставленной пользователем пары…
Как процесс B 65/100 · Почти готов — слабые места: результат и критерий готовности, когда включается, повторный запуск
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
- предупреждение
frontmatter-yamlSKILL.md: фронтматтер не разбирается как YAML (YAML parse error: Nested mappings are not allowed in compact mappings at line 2, column 14: description: Generates complete dual-disease transcriptomic + machine learning … ^ ); поля прочитаны построчно. Обычная причина — двоеточие в незакавыченном значении - заметка
frontmatter-keyнеизвестное поле фронтматтера "skill-author"
Процессный рейтинг: все десять параметров 65/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 70Ошибки и развилки. Развилок: 6
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 66
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 3486 токенов
- medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
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
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Длина description 814: рекомендуется 120–800 символов
- +3Формат ответа не описан: модель каждый раз решает сама
- +2Инструкции на одном языке
- +5В description 7 примера фраз-триггеров в кавычках
- +4Структура: 17 заголовков
- +3Пошаговые инструкции: 66 пунктов
- +4Есть примеры (2 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (4 из 4)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 80.