SKILLEMALL.ai

AC ncbi-sequence-fetch

Получение белковых и нуклеотидных последовательностей из баз данных NCBI с помощью E-utilities. Поддерживает прямой поиск по идентификатору доступа, трансляцию кодирующих последовательностей ДНК (CDS), поиск по гену + организму, поиск по локусу, последовательности, связанные с PubMed, извлечение белков из патентов и поиск по организму + длине. Используйте, когда вам нужно получить биологические последовательности по идентификатору доступа, названию гена, тегу локуса, идентификатору PubMed или номеру патента.

машинный переводПоказать оригиналСкрыть оригинал«Retrieve protein and nucleotide sequences from NCBI databases using E-…»

Retrieve protein and nucleotide sequences from NCBI databases using E-utilities. Supports direct accession lookup, CDS translation, gene+organism search, locus lookup, PubMed-linked sequences, patent protein extraction, and organism+length fallback search. Use when you need to fetch biological sequences by accession, gene name, locus tag, PubMed ID, or patent number.

google-deepmind/science-skills Agent Skills автор: google-deepmind 2 файла · 1 скрипт тело ≈ 2 147 токенов Открыть источникgithub.com↗ проанализирован 2 ч назад

Получение белковых и нуклеотидных последовательностей из баз данных NCBI с помощью E-utilities.

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%
90
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: 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 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
    • 40Согласованность. Имя во frontmatter (ncbi-sequence-fetch) не совпадает с папкой (ncbi_sequence_fetch)
    • 60Инструменты и файлы. Используются инструменты (bash, web), но во frontmatter они не объявлены
    • 60Шаги. Шагов: 32, расплывчатых формулировок: 4
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Ошибки и развилки. Развилок: 3, есть раздел про ошибки
    • 100Стоимость исполнения. Тело инструкции 2147 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
    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 369 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 19 заголовков
    • +3Пошаговые инструкции: 32 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (9 блоков кода)
    • +3Все 1 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 90.