SKILLEMALL.ai

AC ensembl-database

Запрос к базе данных Ensembl для разрешения идентификаторов генов, транскриптов и белков, получения геномных или белковых последовательностей, извлечения структур генов (экзонов) и получения предсказаний последствий и эффектов вариантов (VEP). Используйте этот навык в качестве основного инструмента для перевода идентификаторов, базы данных геномных последовательностей и предсказания эффектов вариантов.

машинный переводПоказать оригиналСкрыть оригинал«Query the Ensembl database to resolve gene, transcript, and protein ID…»

Query the Ensembl database to resolve gene, transcript, and protein IDs, fetch genomic or protein sequences, retrieve gene structures (exons), and get variant consequence and effect predictions (VEP). Use this skill as a primary ID translator, genomic sequence database and variant effect prediction tool.

google-deepmind/science-skills Agent Skills автор: google-deepmind 3 файла · 1 скрипт тело ≈ 2 111 токенов Открыть источникgithub.com↗ проанализирован 2 ч назад

Запрос к базе данных Ensembl для разрешения идентификаторов генов, транскриптов и белков, получения геномных или белковых последовательностей, извлечения…

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, согласованность

ПроцедураТексты и документытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
91
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
Результат и критерий готовности вес 14
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
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 · 0

    ✓ Критических и высоких находок нет

    Просканировано файлов: 3. 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 53/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (ensembl-database) не совпадает с папкой (ensembl_database)
    • 55Ошибки и развилки. Развилок: 1
    • 60Инструменты и файлы. Используются инструменты (bash, web, python), но во frontmatter они не объявлены
    • 85Шаги. Шагов: 15, расплывчатых формулировок: 1
    • 100Входы и предусловия. Входные данные и предусловия перечислены
    • 100Стоимость исполнения. Тело инструкции 2111 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 305 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 7 заголовков
    • +3Пошаговые инструкции: 15 пунктов
    • +4Есть примеры (11 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)
    • +3Все 1 скриптов описаны в инструкциях

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