SKILLEMALL.ai

BC pharmaclaw-pharmacology-agent

Агент по фармакологии для профилирования ADME/PK кандидатов в лекарства из SMILES. Вычисляет лекарствоподобность (правила Липинского Ro5, Вебера), QED, SA Score, прогнозы ADME (проницаемость через ГЭБ, растворимость в воде, всасывание в ЖКТ, ингибирование CYP3A4, субстрат P-gp, связывание с белками плазмы) и оповещения PAINS. Связывается с chemistry-query для ввода SMILES. Срабатывает на фармакологию, ADME, PK/PD, лекарствоподобность, Липинского, абсорбцию, распределение, метаболизм, выведение, ГЭБ, растворимость, биодоступность, оптимизацию лидов, профилирование лекарств.

машинный переводПоказать оригиналСкрыть оригинал«Pharmacology agent for ADME/PK profiling of drug candidates from SMILE…»

Pharmacology agent for ADME/PK profiling of drug candidates from SMILES. Computes drug-likeness (Lipinski Ro5, Veber rules), QED, SA Score, ADME predictions (BBB permeability, aqueous solubility, GI absorption, CYP3A4 inhibition, P-gp substrate, plasma protein binding), and PAINS alerts. Chains from chemistry-query for SMILES input. Triggers on pharmacology, ADME, PK/PD, drug likeness, Lipinski, absorption, distribution, metabolism, excretion, BBB, solubility, bioavailability, lead optimization, drug profiling.

ClawHub Agent Skills автор: CheminemPharmaclaw v2.0.1 MIT-0 5 файлов · 2 скрипта тело ≈ 1 451 токенов Открыть источникclawhub.ai↗ проанализирован 12 дн назад

Агент по фармакологии для профилирования ADME/PK кандидатов в лекарства из SMILES.

Как процесс C 60/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, согласованность

ПроцедураИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
79
Прогон на моделях
не было
Процессный рейтинг
C
60/100
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
Это копия скилла из другого каталога, в рейтинге считается основная: pharmaclaw-pharmacology-agent (ClawHub)

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
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: 5. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 60/100

  • 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
  • 40Согласованность. Имя во frontmatter (pharmaclaw-pharmacology-agent) не совпадает с папкой (pcl-pharmacology-agent)
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 28
  • 100Стоимость исполнения. Тело инструкции 1451 токенов
  • 100Повторный запуск. Изменяющих операций нет

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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 516 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 12 заголовков
  • +3Пошаговые инструкции: 28 пунктов
  • +4Есть примеры (5 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)
  • +3Все 2 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 79.

Внешние проверки

ClawHub: suspicious
The skill mostly matches its pharmacology purpose, but it can transmit molecule structures externally and loads an undeclared sibling dashboard module during execution, so users should review it carefully before installing.
LLM: suspicious (high) · VirusTotal: · 16 сент. 2026 г.