SKILLEMALL.ai

BD Dreamer

Руководство разработчика Dreamer. Dreamer — это квантовая нативная система ИИ-агентов для проектирования интеллектуально реагирующих материалов для доставки лекарств. Кодовая база включает генерацию молекул (MoE/плотный LLM), квантовые/глубокие классификаторы, инструменты химического анализа и мониторинг разведданных. Может использоваться для проектирования молекул с нуля, аннотирования свойств, рекомендаций по отбору и вывода аналитических отчетов, пригодных для презентаций и принятия решений на высоком уровне.

машинный переводПоказать оригиналСкрыть оригинал«Dreamer 开发指南。Dreamer 是一个用于药物递送智能响应材料设计的量子原生AI智能体系统。代码库包括分子生成(MoE/稠密LLM…»

Dreamer 开发指南。Dreamer 是一个用于药物递送智能响应材料设计的量子原生AI智能体系统。代码库包括分子生成(MoE/稠密LLM)、量子/深度学习分类器、化学分析工具和情报监控。可以用于分子的从头设计、性质标注、筛选推荐,并输出可直接用于高层路演与决策的分析报告

ClawHub Agent Skills автор: Z-Kuki v4.0.0 MIT-0 33 файла тело ≈ 745 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Руководство разработчика Dreamer.

Как процесс D 41/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
84/100
безопасность, качество, тесты
Безопасность 60%
98
Качество 40%
64
Прогон на моделях
не было
Процессный рейтинг
D
41/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
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.
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 · 2

✓ Критических и высоких находок нет

Средние и низкие: 2
  • низкая Секреты в коде secret-high-entropy-token scripts/vis_classifier/BLIP_embedding_model.py:10
    Строка, похожая на токен (может быть id, хеш или секрет)
    from transformers import T5Fo…ion, Blip…ion, Blip2Config
  • низкая Секреты в коде secret-high-entropy-token scripts/vis_classifier/BLIP_embedding_model.py:38
    Строка, похожая на токен (может быть id, хеш или секрет)
    blip2_model = Blip…ion(blip2conf)

Просканировано файлов: 33. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)
  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 41/100

  • 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 (Dreamer) не совпадает с папкой (drug-delivery-llm)
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 17
  • 100Стоимость исполнения. Тело инструкции 745 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
  • +4Нет примеров входа/выхода
  • -31 из 1 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 137 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 7 заголовков
  • +3Пошаговые инструкции: 17 пунктов
  • +4Справочные файлы упоминаются в инструкциях (5 из 5)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 64.

Внешние проверки

ClawHub: clean
This skill appears to be a disclosed drug-delivery molecular design assistant, with expected ML, web research, and local output behavior rather than hidden or destructive activity.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.