SKILLEMALL.ai

BF rxnim

Навык RxnIM для анализа изображений химических реакций. Активируется, когда пользователю нужно: (1) извлечь структуру SMILES из изображения химической реакции, (2) определить условия реакции (реагенты/растворитель/температура/выход), (3) преобразовать изображение реакции в данные химической структуры. Основан на статье Chem. Sci. 2025 "Towards Large-scale Chemical Reaction Parsing via a Multimodal Large Language Model". Поддерживает два пути вызова: онлайн API HuggingFace (рекомендуется) и локальное развертывание conda.

машинный переводПоказать оригиналСкрыть оригинал«RxnIM 化学反应图像解析技能。当用户需要:(1) 从化学反应图像提取 SMILES 结构, (2) 识别反应条件(试剂/溶剂/温度/产率…»

RxnIM 化学反应图像解析技能。当用户需要:(1) 从化学反应图像提取 SMILES 结构, (2) 识别反应条件(试剂/溶剂/温度/产率),(3) 将反应图转化学结构数据时触发。 基于 Chem. Sci. 2025 论文 "Towards Large-scale Chemical Reaction Image Parsing via a Multimodal Large Language Model"。 支持 HuggingFace 在线 API(推荐)和本地 conda 部署两种调用路径。

ClawHub Agent Skills автор: fqiangliu v2.0.0 MIT-0 2 файла тело ≈ 1 394 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Навык RxnIM для анализа изображений химических реакций.

Как процесс F 31/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: CO, O, C(=O

ИнтеграцияИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
84/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
60
Прогон на моделях
не было
Процессный рейтинг
F
31/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: CO, O, C(=O
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
  2. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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: 2. 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")
  • предупреждение missing-ref ссылка на отсутствующий файл: CO
  • предупреждение missing-ref ссылка на отсутствующий файл: O
  • предупреждение missing-ref ссылка на отсутствующий файл: C(=O

Процессный рейтинг: все десять параметров 31/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: CO, O, C(=O
  • 0Инструменты и файлы. Не хватает 3 файла(ов): CO, O, C(=O
  • 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
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 40Согласованность. Имя во frontmatter (rxnim) не совпадает с папкой (rxn-im)
  • 100Шаги. Шагов: 12
  • 100Стоимость исполнения. Тело инструкции 1394 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 11. 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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 251 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 19 заголовков
  • +3Пошаговые инструкции: 12 пунктов
  • +4Есть примеры (10 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 60.

Внешние проверки

ClawHub: clean
This skill is a coherent chemistry image-parsing helper, but its online workflow sends reaction images to a HuggingFace service.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.