SKILLEMALL.ai

AF protein-ligand-docking

Запускает рабочий процесс стыковки белка-лиганда для исследовательских вопросов о связывании мишени, селективности и структурной правдоподобности. Используйте этот навык, когда пользователь спрашивает, может ли лиганд связываться с белковой мишенью, хочет сравнить стыковку между видами или гомологами, или нуждается в пошаговом вычислительном рабочем процессе, который использует извлечение последовательности, поиск структуры, AlphaFold/Colab и AutoDock Vina.

машинный переводПоказать оригиналСкрыть оригинал«Run a protein-ligand docking workflow for research questions about tar…»

Run a protein-ligand docking workflow for research questions about target binding, selectivity, and structural plausibility. Use this skill when the user asks whether a ligand may bind a protein target, wants a docking-oriented comparison across species or homologs, or needs a stepwise in silico workflow that uses sequence retrieval, structure search, AlphaFold/Colab, and AutoDock Vina.

ClawHub Agent Skills автор: Zack v2.3.0 MIT-0 8 файлов тело ≈ 1 271 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Запускает рабочий процесс стыковки белка-лиганда для исследовательских вопросов о связывании мишени, селективности и структурной правдоподобности.

Как процесс F 58/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: references/alphafold_multimer_colab.ipynb

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
81
Прогон на моделях
не было
Процессный рейтинг
F
58/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: references/alphafold_multimer_colab.ipynb
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Когда включается вес 12
70
три самых слабых из десяти параметров · все десять

Как улучшить

  1. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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: 8. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение missing-ref ссылка на отсутствующий файл: references/alphafold_multimer_colab.ipynb

Процессный рейтинг: все десять параметров 58/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: references/alphafold_multimer_colab.ipynb
  • 0Инструменты и файлы. Не хватает 1 файла(ов): references/alphafold_multimer_colab.ipynb
  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 70Ошибки и развилки. Развилок: 4
  • 100Шаги. Шагов: 53
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1271 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
  • +4Нет примеров входа/выхода
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 390 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 14 заголовков
  • +3Пошаговые инструкции: 53 пунктов
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)
  • +3Все 4 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 81.

Внешние проверки

ClawHub: clean
This is a disclosed scientific docking workflow that runs local analysis tools and writes result files, with no evidence of hidden or destructive behavior.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.