SKILLEMALL.ai
GitHub ↗ EN Войти

AB foldseek-structural-search

Выполняет 3D-структурный поиск белков по различным базам данных (PDB, AlphaFold, CATH, MGnify и др.) с использованием API Foldseek. Используйте ТОЛЬКО когда пользователь предоставляет файл с 3D-координатами (.cif, .mmcif или .pdb) и хочет найти структурно похожие белки. НЕ используйте, если пользователь предоставляет только последовательность белка, название гена или UniProt ID.

машинный переводПоказать оригиналСкрыть оригинал«Performs 3D structural searches of proteins against various databases…»

Performs 3D structural searches of proteins against various databases (PDB, AlphaFold, CATH, MGnify, etc.) using the Foldseek API. Use ONLY when the user provides a physical 3D coordinate file (.cif, .mmcif, or .pdb) and wants to find structurally similar proteins. Do NOT use if the user only provides a protein sequence, gene name, or UniProt ID.

google-deepmind/science-skills Agent Skills автор: google-deepmind 2 файла · 1 скрипт тело ≈ 1 232 токенов Открыть источникgithub.com↗ проанализирован 2 ч назад

Выполняет 3D-структурный поиск белков по различным базам данных (PDB, AlphaFold, CATH, MGnify и др.) с использованием API Foldseek. Используйте ТОЛЬКО когда…

Как процесс B 66/100 · Почти готов — слабые места: результат и критерий готовности, согласованность, отчётность по ходу

ИнтеграцияДанные и аналитикаТексты и документытип и темы размечены автоматически по тексту скилла
Запускается в: Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) OpenClaw Goose OpenCode
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
B
66/100
Почти готов
Результат и критерий готовности вес 14
0
Отчётность по ходу вес 2
0
Согласованность вес 8
40
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: 2. 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 66/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 40Согласованность. Имя во frontmatter (foldseek-structural-search) не совпадает с папкой (foldseek_structural_search)
    • 60Инструменты и файлы. Используются инструменты (web, python), но во frontmatter они не объявлены
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 70Ошибки и развилки. Развилок: 4
    • 100Шаги. Шагов: 16
    • 100Когда включается. Сказано, когда применять и когда не применять
    • 100Стоимость исполнения. Тело инструкции 1232 токенов
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние

    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
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 348 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 5 заголовков
    • +3Пошаговые инструкции: 16 пунктов
    • +3Все 1 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.