SKILLEMALL.ai

AC encode-ccres-database

Запрос к Реестру регуляторных элементов cis (cCRE) ENCODE через API SCREEN GraphQL или выполнение пользовательских запросов к API Portal ENCODE REST для экспериментов и файлов (пики ChIP-seq и т. д.). Используйте, когда вы хотите запрашивать регуляторные аннотации или необработанные экспериментальные данные по типам клеток человека.

машинный переводПоказать оригиналСкрыть оригинал«Query the ENCODE Registry of cis-Regulatory Elements (cCREs) via the S…»

Query the ENCODE Registry of cis-Regulatory Elements (cCREs) via the SCREEN GraphQL API, or make custom queries to the ENCODE Portal REST API for experiments and files (ChIP-seq peaks, etc.). Use when you want to query regulatory annotations or raw experimental data across human cell types.

google-deepmind/science-skills Agent Skills автор: google-deepmind 5 файлов · 2 скрипта тело ≈ 1 622 токенов Открыть источникgithub.com↗ проанализирован 2 ч назад

Запрос к Реестру регуляторных элементов cis (cCRE) ENCODE через API SCREEN GraphQL или выполнение пользовательских запросов к API Portal ENCODE REST для…

Как процесс C 55/100 · Есть пробелы — слабые места: результат и критерий готовности, согласованность, повторный запуск

ИнтеграцияРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
99
Качество 40%
91
Прогон на моделях
не было
Процессный рейтинг
C
55/100
Есть пробелы
Результат и критерий готовности вес 14
0
Отчётность по ходу вес 2
0
Повторный запуск вес 4
30
три самых слабых из десяти параметров · все десять

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
    • низкая Секреты в коде secret-high-entropy-token SKILL.md:161
      Строка, похожая на токен (может быть id, хеш или секрет)
      Ahol…els \

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

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 55/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (encode-ccres-database) не совпадает с папкой (encode_ccres_database)
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Шаги. Шагов: 17
    • 100Стоимость исполнения. Тело инструкции 1622 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 291 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 11 заголовков
    • +3Пошаговые инструкции: 17 пунктов
    • +4Есть примеры (14 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)
    • +3Все 2 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 91.