SKILLEMALL.ai

AF pharma-ai

Интеллектуальный помощник для открытия лекарств, предоставляющий функции прогнозирования токсичности молекул, оценки ADMET и виртуального скрининга. На основе научного вычислительного ядра Python (RDKit + scikit-learn) и оболочки Node.js Skill. Используйте, когда: необходимо прогнозировать сердечную токсичность hERG, гепатотоксичность или мутагенность по Эймсу для молекул; необходимо оценить свойства ADMET молекул, такие как растворимость, метаболическая стабильность; необходимо провести скрининг кандидатных лекарств из библиотеки соединений; необходимо проверить, соответствует ли молекула пяти правилам Липински; необходимо пакетно анализировать данные молекул. Поддерживает: ввод SMILES, пакетную обработку CSV, прогнозирование в реальном времени.

машинный переводПоказать оригиналСкрыть оригинал«智能药物发现AI助手,提供分子毒性预测、ADMET评估和虚拟筛选功能。 基于Python科学计算核心(RDKit + scikit-lear…»

智能药物发现AI助手,提供分子毒性预测、ADMET评估和虚拟筛选功能。 基于Python科学计算核心(RDKit + scikit-learn)和Node.js Skill包装。 Use when: - 需要预测分子的hERG心脏毒性、肝毒性或Ames致突变性 - 需要评估分子的溶解度、代谢稳定性等ADMET性质 - 需要从化合物库中筛选候选药物 - 需要验证分子是否符合Lipinski五规则 - 需要批量分析分子数据 Supports: SMILES输入, CSV批量处理, 实时预测

ClawHub Agent Skills автор: xxxrobot v1.0.0 MIT-0 13 файлов тело ≈ 391 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Интеллектуальный помощник для открытия лекарств, предоставляющий функции прогнозирования токсичности молекул, оценки ADMET и виртуального скрининга.

Как процесс F 35/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: references/manual.md, references/roadmap.md

ПроцедураИнфраструктураДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
75
Прогон на моделях
не было
Процессный рейтинг
F
35/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: references/manual.md, references/roadmap.md
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. 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: 13. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение missing-ref ссылка на отсутствующий файл: references/manual.md
  • предупреждение missing-ref ссылка на отсутствующий файл: references/roadmap.md

Процессный рейтинг: все десять параметров 35/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: references/manual.md, references/roadmap.md
  • 0Инструменты и файлы. Не хватает 2 файла(ов): references/manual.md, references/roadmap.md
  • 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
  • 100Шаги. Шагов: 15
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 391 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 247 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 13 заголовков
  • +3Пошаговые инструкции: 15 пунктов
  • +4Есть примеры (4 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.

Внешние проверки

ClawHub: suspicious
This skill appears to be a prototype drug-discovery tool, but it advertises safety-related ADMET and Lipinski analysis that the code does not actually compute and includes unrelated ClawHub token/publishing instructions.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.