SKILLEMALL.ai

AC network-pharmacology

Создание основанных на доказательствах гипотез сетевой фармакологии для соединений-мишеней-заболеваний для натуральных продуктов, растительных лекарств, формул и малых молекул с использованием инструментов SciMiner и общедоступных данных медико-биологических наук. Используйте, когда агенту необходимо курировать соединения, прогнозировать или проверять мишени, определять приоритетность мишеней, связанных с заболеваниями, оценивать риск ADMET или внецелевого воздействия, выполнять стыковку в качестве подтверждающих доказательств, создавать интерактивные сетевые визуализации или создавать воспроизводимые отчеты по сетевой фармакологии без R.

машинный переводПоказать оригиналСкрыть оригинал«Build evidence-graded compound–target–disease network-pharmacology hyp…»

Build evidence-graded compound–target–disease network-pharmacology hypotheses for natural products, herbal medicines, formulae, and small molecules using live SciMiner tools plus public life-science evidence. Use when an agent must curate compounds, predict or verify targets, prioritize disease-relevant targets, assess ADMET or off-target risk, run docking as supporting evidence, create interactive network visualizations, or produce reproducible network-pharmacology reports without R.

ClawHub Agent Skills автор: SciMiner v1.0.1 MIT-0 5 файлов тело ≈ 2 565 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Создание основанных на доказательствах гипотез сетевой фармакологии для соединений-мишеней-заболеваний для натуральных продуктов, растительных лекарств…

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

ГенераторДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
93/100
безопасность, качество, тесты
Безопасность 60%
95
Качество 40%
90
Прогон на моделях
не было
Процессный рейтинг
C
52/100
Есть пробелы
Результат и критерий готовности вес 14
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Чем это грозит

Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.

Широкие права средняя серьёзность

Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.

Если установить

Скилл просит больше прав, чем нужно для задачи: широкий доступ к инструментам, секретные переменные окружения, бинарные файлы. Каждое лишнее право расширяет ущерб при ошибке или взломе.

Автору

Сузьте allowed-tools и список переменных до минимума, замените бинарники на исходники или скрипты, которые можно прочитать.

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
    • средняя Широкие права meta-requests-env-secret SKILL.md:1
      Скилл просит рантайм передать в его песочницу секретные переменные: SCIMINER_API_KEY — проверьте, что каждая нужна для заявленной задачи
      required_environment_variables: SCIMINER_API_KEY

    Просканировано файлов: 5. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "required_environment_variables"

    Процессный рейтинг: все десять параметров 52/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 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
    • 60Инструменты и файлы. Используются инструменты (node), но во frontmatter они не объявлены
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 85Шаги. Шагов: 45, расплывчатых формулировок: 1
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2565 токенов

    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 489 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 14 заголовков
    • +3Пошаговые инструкции: 45 пунктов
    • +4Есть примеры (2 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)
    • +3Все 1 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 90.

    Внешние проверки

    ClawHub: suspicious
    The skill mostly matches its stated research-reporting purpose, but its generated HTML report has an unsafe rendering pattern that could execute crafted input data in a browser.
    LLM: suspicious (medium) · VirusTotal: · 22 июл. 2026 г.