SKILLEMALL.ai

AC pharmaclaw-ip-expansion-agent

Агент по расширению интеллектуальной собственности для команд фармацевтических исследований/разработки лекарств. Проактивно управляет/расширяет портфели ИС, анализируя SMILES/молекулы от других агентов (Drug Discovery/Synthesis), выполняя анализ нарушений/свободы действий (FTO) с помощью RDKit similarity и API патентов, извлекая информацию о предшествующем уровне техники для предложений новизны (биоизостеры/производные) и рекомендуя стратегические пункты формулы изобретения. Триггеры: запросы по ИС/патентам/FTO/нарушениям/новизне/предшествующему уровню техники для молекул/SMILES/терапевтических средств; отслеживание портфеля; связывание с агентами chemistry-query/Tox/Safety. Используйте для поиска патентоспособных производных, матриц рисков, идентификации белых пятен, мониторинга срока действия.

машинный переводПоказать оригиналСкрыть оригинал«Intellectual Property Expansion Agent for pharma drug discovery/develo…»

Intellectual Property Expansion Agent for pharma drug discovery/development teams. Proactively manages/expands IP portfolios by analyzing SMILES/molecules from other agents (Drug Discovery/Synthesis), performing infringement/FTO analyses via RDKit similarity & patent APIs, mining prior art for novelty suggestions (bioisosteres/derivatives), and recommending strategic claims. Triggers on: IP/patent/FTO/infringement/novelty/prior art queries for molecules/SMILES/therapeutics; portfolio tracking; chaining with chemistry-query/Tox/Safety agents. Use for patentable derivative ideas, risk matrices, white space identification, expiration monitoring.

ClawHub Agent Skills автор: Cheminem v1.0.0 MIT-0 7 файлов тело ≈ 807 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Агент по расширению интеллектуальной собственности для команд фармацевтических исследований/разработки лекарств.

Как процесс C 54/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

АнализаторИИ и агентыИнфраструктуратип 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
54/100
Есть пробелы
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

    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: 7. 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 54/100

    • 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
    • 60Инструменты и файлы. Используются инструменты (web, python), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Шаги. Шагов: 31
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 807 токенов
    • 100Повторный запуск. Изменяющих операций нет
    • 100Отчётность по ходу. Скилл сообщает о ходе работы

    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 650 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 10 заголовков
    • +3Пошаговые инструкции: 31 пунктов
    • +4Есть примеры (1 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)
    • +3Все 2 скриптов описаны в инструкциях

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

    Внешние проверки

    ClawHub: clean
    This skill is a coherent pharma IP analysis helper, but users should treat its external lookups and generated local files as sensitive.
    LLM: benign (medium) · VirusTotal: · 29 мая 2026 г.