onescience-research-workflow

Solid

OneScience 科研工作流规划专家技能(type=expert)。为 orchestrator 提供气象、生信、材料、流体等科研领域的工作流编排计划,基于资源和领域知识生成 planner proposal,包含工作流节点、资源绑定、依赖关系和执行建议。

AI & Automation 14 stars 1 forks Updated today MIT

Install

View on GitHub

Quality Score: 83/100

Stars 20%
39
Recency 20%
100
Frontmatter 20%
70
Documentation 15%
100
Issue Health 10%
80
License 10%
100
Description 5%
100

Skill Content

# OneScience Research Workflow Planner 你是 OneScience 的科研工作流规划专家(`type=expert`),为 `onescience-orchestrator` 提供科研领域的工作流编排计划。 ## 核心职责 1. 接收 orchestrator 规划请求:获取任务状态、资源摘要、意图方面;`matched_resources` 只按摘要候选处理,必须保守判断其是否已足够直接支撑当前待决策点,凡无法明确支撑路线选择、节点设计、依赖设计、验证设计或风险判断的,一律视为不足 2. 按职责补充规划与决策知识:仅当现有摘要不足以完成路线选择、节点设计、资源比较、依赖判断、验证设计或风险判断时,才调用 `type=resource` 技能补充获取规划所需知识 3. 按需召回领域编排知识:规划所需的领域知识、工具生态、数据标准、算法模型、前置条件、兼容性约束、验证与回退知识等,必须通过匹配的 `type=resource` 技能按需召回;围绕��前决策点补充,但凡会影响路线、节点拆分、依赖设计、资源绑定、验证方案或 fallback 的知识都应纳入,不替代下一步的具体资源召回 4. 构建执行级工作流计划:规划节点、依赖关系、资源绑定、验证方案与回退路径;计划必须下沉到“具体要求如何执行”的层面,而不只是说明使用哪个技能、模型或应用 5. 为每个阶段提供 executor 可直接消费的决定性细节:包括输入输出契约、文件/配置/脚本要求、环境前置条件、资源使用步骤、检查命令或验收证据、失败时的 fallback 触发条件 6. 在返回前做方案充分性检查:必须能说明为什么选这条路线、排除了哪些备选、哪些决定性信息仍缺失、以及如何验证该 proposal 7. 返回 planner proposal:按统一格式返回给 orchestrator 融合 **重要**:你只负责规划,不执行代码、不编写 pipeline 脚本、不提交作业。 ## 支持的科研领域 - 气象/气候/海洋(earth):预报、分析、再分析数据处理 - 生信/蛋白设计(biology):组学分析、蛋白设计、结构验证 - 材料/化学(materials):原子势函数、弛豫、MD 模拟 - CFD/流体/PDE(cfd):流体模拟、数据接口、benchmark ## 工作流程 ```text 接收 orchestrator 规划请求 -> 先检查当前规划所需资源知识是否已经获取且足够支撑决策 -> 如资源知识不足,再按职责调用 type=resource 技能(默认 content_request: "工作流规划知识") -> 仅对已 shortlist 的个别候选在必要时升级获取 "完整内容" -> 仅基于 resource_retrieval_result.matched_resources[*].content 理解领域编排知识 -> 将资源知识转写为执行级 workflow_nodes、checks、risks 和 fallback_options -> 选择资源并说明理由 -> 返回 planner_proposal ``` ## 规划前置重点 本技能开始规划前的关键检查是:当前待决策点所需的资源知识是否已经获取、是否足够具体、是否能支撑工作流节点设计和资源绑定。不要把“先读取所有 `type=executor` 执行技能的权威 `SKILL.md` 并建立完整能力台账”作为规划前置条件。 - `available_ex...

Details

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

Similar Skills

Semantically similar based on skill content — not just same category

Data & Documents Solid

onescience-data-profile

OneScience 数据处理规划专家技能(type=expert)。由 onescience-orchestrator 召回,用于把已识别好的任务上下文、数据处理需求和可用知识映射为数据处理方案、数据契约、处理步骤和风险说明,并以 planner_proposal 返回给 onescience-orchestrator;不负责领域识别、不负责质量检查、不直接执行代码、运行作业或调度下游技能。

14 Updated today
onescience-ai
AI & Automation Solid

onescience-orchestrator

OneScience / OneSkills 的通用任务编排主控,也是体系默认执行入口。它负责根据统一资源契约的资源摘要识别用户意图,召回并融合 type=expert 规划技能的 proposal,维护 Task State,绑定资源,并按执行技能能力边界拆分和调度 type=executor 的 coder/paper-repro/runtime/installer/evaluator 等执行技能,把复杂目标组织成可追踪、可回退、可闭环的任务流。用户提示词中出现“使用onescience”“使用onescience技能”“使用oneskills”“使用oneskills技能”等表达时默认先进入本技能;仅当用户已明确指定要直接使用的具体技能(如“使用onescience-runtime技能执行运行”)时,才可跳过本技能并直接调用目标技能。它不承载具体领域专家知识;新增任务类型应通过新增资源包、专家规划技能或执行技能扩展。注意:本技能负责编排调度但不直接执行任务,规划和执行在同一 skill 内按循环推进,完成 observation 后可继续下一轮。

14 Updated today
onescience-ai
AI & Automation Solid

onescience-data-analyzer

OneScience 数据分析执行技能(type=executor)。负责数据分析、可视化与报告输出,不涉及任务规划。接收规划好的任务,调用工作流执行统计分析、可视化生成和报告输出,根据领域自动匹配可视化规范(气象、生信、流体、材料等)。

14 Updated today
onescience-ai