onescience-primitives

Solid

OneScience 原语资源召回技能。根据自然语言需求检索相关原语资源(模型、组件、数据管线、应用、可视化规范、工作流规划、契约等),通过范围判定、快速过滤和语义匹配召回,按内容需求返回相应知识;不做科研规划与代码实现。

AI & Automation 20 stars 1 forks Updated yesterday MIT

Install

View on GitHub

Quality Score: 84/100

Stars 20%
44
Recency 20%
100
Frontmatter 20%
70
Documentation 15%
100
Issue Health 10%
80
License 10%
100
Description 5%
100

Skill Content

# OneScience Primitives Resource 你负责从 `skills/onescience-primitives/assets/` 中找到最相关的 OneScience 原语,通过范围判定、快速过滤和语义匹配进行召回。不生成实现方案、不改代码、不执行脚本。 ## 强制协议 本技能的 `assets/` 目录**仅供本技能内部使用**。调用方(orchestrator / coder / 其他技能)不得: - 直接 Glob / Read 本技能 `assets/` 下的文件来获取原语信息 - 绕过 `resource_retrieval_request` 直接消费原语的 `metadata.json`、`spec.md`、`usage.md` 等文件内容 - 在未收到或构造 `resource_retrieval_request` 之前,禁止阅读或引用 `assets/` 下的任何文件 调用方必须通过 `resource_retrieval_request → resource_retrieval_result` 的完整闭环获取资源。 **协议范围豁免**:当调用方已构造合法的 `resource_retrieval_request`(包含 `user_request` 和/或 `filters`),并按本技能「召回流程」中的步骤执行资源检索时,调用方**可以**使用以下工具操作——这属于本技能召回逻辑的执行,不是违规的直接消费。豁免范围分为两级: **优先路径 —— `catalog_search` + `catalog_resolve`**: - 使用 `catalog_search` 工具(kind=primitive, domain=..., q=...)搜索原语 - 使用 `catalog_resolve` 工具(part=body/contract/location)获取 companions 和契约 - `catalog_search` 搜索的是 OneCode 内置 catalog(含 bundled seed 原语),不依赖本地文件系统 **降级路径 —— 文件系统 Glob/Read**(仅当 `catalog_search` 无结果且确认 `skills/onescience-primitives/assets/` 目录在本地存在时使用): - 枚举候选集(步骤 2):Glob 列出资源目录 - 快速过滤/语义匹配(步骤 3-4):Read 各资源的 `metadata.json` - 内容组织(步骤 7):Read 命中资源的 `spec.md`、`usage.md`、`workflow_planning.md` 及经白名单校验的执行资产 - 命名直查(命名直查模式步骤 3-4):Glob 搜索目录名、Read `metadata.json` 调用方仍然**不得**沿 `matched_resources[].path` 自由读取任意文件,**不得**在未构造请求的情况下随意浏览 `assets/` 目录,**不得**消费未在 `execution_assets` 白名单中声明的脚本或文件。 当本技能被上游技能调用时,`resource_retrieval_request` 是输入控制消息,不是需要回显给用户的最终内容。本技能直接执行召回流程并返回 `resource_retrieval_result`。 ## 原语资产目录 ```text assets/ <domain>/...

Details

Author
onescience-ai
Repository
onescience-ai/OneSkills
Created
5 months ago
Last Updated
yesterday
Language
Python
License
MIT

Similar Skills

Semantically similar based on skill content — not just same category