Skills zh

English · 简体中文

技能

**技能（skill）**是一份打包好的工作流——包含指令、约定，通常还有辅助脚本——当你的请求匹配上时 agent 会自动加载。Wisp 内置了 42 个。

你不需要按名字调用。你描述任务（"折叠这条序列"、"找反对这个结论的文献"、"把这张图弄到能发表的水平"），匹配的技能自己加载。每个技能的 description 存在的意义就是让这个匹配足够可靠。

技能放在仓库的 skills/ 下，并被打包进安装包，所以发行版不需要源码树就能用。

---

结构预测与蛋白设计

GPU 驱动的折叠、对接和反向折叠模型。全部属于 biomodels 分类；除 MPNN 系列外都声明了 requirements: [gpu]。

技能	作用	GPU
alphafold2	通过 ColabFold runner 做单体与多聚体结构预测。也能用自洽 pLDDT、ipTM、RMSD 验证设计序列。	✅
openfold3	用 OpenFold3 做结构预测——AlQuraishi 实验室对 AlphaFold3 的开源权重 PyTorch 复现。	✅
boltz	用 Boltz-2 预测蛋白/核酸/小分子复合物。	✅
chai1	用 Chai-1 基础模型预测复合物。	✅
esmfold2	Biohub ESMFold2 全原子共折叠——单序列与 MSA 两种模式；蛋白、DNA、RNA、配体。	✅
diffdock	用 DiffDock-L 做小分子盲对接（扩散式）。	✅
proteinmpnn	用 ProteinMPNN 把骨架反向折叠成序列。
ligandmpnn	带配体、核酸、金属上下文的反向折叠。
solublempnn	偏向胞质可溶性的反向折叠。

⚠️ alphafold2 会把你的序列发给第三方。 它使用 api.colabfold.com 上的公开 MMseqs2 服务器做 MSA。该站点没有公开的服务条款或隐私政策。每个技能都在自己的 frontmatter 里声明了所用的第三方权重和服务——在跑不能外传的序列之前，先去那里看一眼。

基因组与单细胞

技能	作用	GPU
evo2	用长上下文基因组基础模型 Evo 2 对 DNA 打分、嵌入、生成。	✅
borzoi	从序列预测全基因组功能轨迹（RNA-seq、CAGE、DNase、ChIP）；给变异的调控效应打分。	✅
fair-esm2	用 Meta AI 的 ESM-2 做残基级和序列级蛋白嵌入。	✅
scgpt	用 scGPT 做细胞嵌入与注释。	✅
scvi-tools	概率式 scRNA-seq——scVI 批次校正隐空间、scANVI 半监督标签迁移、贝叶斯差异表达。	✅

文献——bear-* 家族

九个技能共享同一条铁律：它们检索真实论文，绝不编造引用。 搜不到就如实说搜不到。检索走 scimaster-cli（由 local-env-setup 安装）。

技能	回答的问题
bear-support	"有哪些真实文献支撑这个说法？"
bear-counter	"审稿人会拿什么打这个？"——相反结论、边界条件、复制失败，按威胁程度排序
bear-review	正反一起看：支持侧最强证据 vs. 反对侧最危险的挑战
bear-scoop	"我的 idea 是不是已经有人做了？"——投入前的撞车地图
bear-propose	立项前评估：撞车风险 + 安静区里的文献支撑 + 需要提前想清楚的挑战
bear-map	围绕一个概念的知识地图，每个节点都锚定真实论文。输出 Mermaid + 独立 HTML
bear-trace	一个问题是怎么演化来的——向前溯源，向后补最新进展
bear-onboard	快速入门新领域：概念版图（空间）+ 演化脉络（时间），一份报告
literature-review	完整的多源综述，从"这方向的奠基论文是哪篇"到最终综合

bear-support 和 bear-counter 配对最好用——对同一段话各跑一遍，就能同时看到两个方向的证据。

文档与配图

技能	作用
figure-composer	从一个论断、具体数据路径或已有图像，做出/改进可发表级的多面板配图
figure-style	正确性与可读性规则；画任何图之前加载，套用角色映射的字号与样式体系
journal-club-ppt	论文 PDF → 组会 PPT / 文献汇报
paper-narrative	评判并重塑稿件讲的故事——Figure 1 是不是钩子、配图顺序对不对
pdf-explore	回答那些必须读附件 PDF 正文才能答的问题
indication-dossier	适应症档案：患者人群、流行病学、疾病生物学、标准治疗、监管先例

环境与算力

技能	作用
local-env-setup	引导本地运行时——uv/Python、给 bear-* 用的 Node + scimaster-cli、多环境生信用的 pixi
compute-env-setup	在指定环境上搭建并验证可复现的 Python 或 R 环境
probe-compute-environment	检查已注册服务器，并持久化其硬件、调度器、运行时与权限画像
remote-compute-ssh	提交可恢复的 SSH 直连 Run，带实时进度、监控不过模型
remote-compute-modal	说明 Modal 边界，并把 Modal 工作负载迁移到受支持的 SSH Run
managed-model-endpoints	说明托管端点的边界，规划安全的接入方式
using-model-endpoint	调用已配置好的模型端点，并把这次推理记为一个 Run

扩展 Wisp

技能	作用
customize	创建专家或项目内技能，用的是 Wisp 真实暴露的工具
skill-creator	编写、校验、评测技能——包括调触发用的 description
self-awareness	Wisp 真实的工具面与运行时边界；判断某件事该用哪个工具时查它

其他

技能	作用
browser-use	驱动你真实的、带登录态的 Chrome——打开、阅读、点击、填表、切标签
agent-infini	通过 InfiniSynapse CLI 做多轮数据分析，带数据库/RAG 上下文
product-self-knowledge	关于 Anthropic 产品事实的参考，避免模型瞎猜

---

自己写一个

直接说："给我做一个能干 X 的技能" 就会触发 skill-creator。技能就是带 SKILL.md 的普通目录，所以项目内技能不过是你项目里的一个文件夹。customize 讲清了专家和技能怎么选——专家是存下来的 agent 人格，技能是可复用的工作流。