onescience-ai
UserA skill library for AI-native scientific research. Reusable skills for workflow orchestration, coding, runtime submission, and environment setup. Works with Claude Code, Codex CLI, Trae.
Categories
Indexed Skills (18)
scnet-chat
通过自然语言交互管理 SCNet Chat 超算平台。用户需要查询/管理 SCNet 超算平台资源，包括查询作业、提交作业、管理文件、查看账户信息、切换区域等。触发关键词：scnet、超算、作业、作业管理、文件管理、账户、余额、查询余额、机时、集群、队列、上传、下载、重命名、区域切换、昆山、山东、西安等。
onescience-infer
OneScience 科学模型推理执行技能。用于用户希望运行或构建 HuggingFace 模型、官方文档模型、本地 checkpoint 或项目原生 runner 的推理工作流时，覆盖气象/地球系统、生信、材料、流体和通用科研模型等领域，包括模型卡与配置发现、输入数据准备、checkpoint 加载、推理入口生成或复用、执行、结果验证、可视化和 baseline 对比。接收格式与 onescience-orchestrator 调用执行技能时的 step_handoff 保持一致，返回 execution_result。需要时协调交接给 onescience-coder、onescience-runtime 以及数据准备类技能。
onescience-modelscope-publish
OneScience ModelScope 模型发布技能。将论文复现模型产物重组为 ModelScope 标准目录结构，检查核心目录内容完整性，生成平台必需的配置模板和审计工具，并输出 modelscope upload 命令引导用户推送到魔搭平台。作为 onescience-orchestrator 的执行技能使用。
onescience-installer
OneScience 环境安装技能。用于根据 onescience.json 安装或验证 OneScience、创建或复用 conda 环境、检测已有 onescience 包、在记录的 conda 环境或当前环境中安装 Python 包；缺少 run_site 或远程 SSH 配置时先调用 onescience-runsite 补齐运行站点配置。
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。
onescience-runsite
解析、校验、保存和复用 OneScience 运行站点配置。用于任意技能在继续执行任务前补齐运行站点配置，完成配置发现、缺失字段补问、已有配置复用、remote 连接验证、运行平台 DCU/GPU 类型确认、modules 写入和结构化回传。不做安装、不提交作业、不执行运行、不做远端环境诊断。
onescience-runtime
【统一运行与基础诊断技能】按 discover、preflight、execute、diagnose 固定闭环执行测试任务，依据 onescience.json 的 execution_profile 三元组路由执行通道；SCnet 提交任务时必须读取根级 onescience.json.scnet 并把 region、partition/queue、work_dir 和资源参数交给 scnet-chat；配置问题自动委托 onescience-runsite 补齐后回到 runtime 继续原测试任务，环境问题自动委托 onescience-installer 安装或修复并 verify 成功后回到 runtime 继续原测试任务；当 execution_mode 为 slurm 且提交或运行反馈表明 partition、gpus_per_node、memory 等资源不可用时，探测可用 SLURM 资源并受控调整后重试。
onescience-trainer
OneScience 科学模型训练执行技能。用于用户希望基于文本说明、网页说明、本地项目路径、已有 checkpoint 或项目原生训练入口来规划、生成并执行模型训练工作流，覆盖气象/地球系统、生信、材料、流体和通用科研模型等领域，包括训练信息获取、数据与切分规划、训练策略整理、完整训练脚本内容生成、训练执行组织以及结果验证。接收格式与 onescience-orchestrator 调用执行技能时的 step_handoff 保持一致，返回 execution_result。需要时协调交接给 onescience-coder、onescience-runtime 以及数据工作流技能。
onescience-cli
在远程 SSH/SLURM 环境中通过 `onescience` 命令执行任意 OneScience 子命令。根据命令级别（lightweight/normal/compute）自动选择执行通道。环境初始化由 `onescience-installer` 技能处理，计算节点申请与作业提交由 `onescience-runtime` 技能处理。本技能只负责 `onescience` 命令的调度与执行。
onescience-coder
OneScience 分步编码执行技能。接收任务后强制调用资源技能获取规格知识、使用知识和规划决策知识，按步骤输出执行信息、等待确认后再执行；所有步骤完成后，若本地环境支持最小冒烟测试则优先执行冒烟测试（最多 6 次），否则执行静态需求一致性检查。
onescience-primitives
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。
onescience-research-workflow
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。
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）。
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。
onescience-dataset-builder
OneScience 数据集构建执行技能，包含两个独立任务：(1) 生成数据集构建启动脚本（wrapper） - 接收数据处理代码路径（核心业务逻辑已由其他技能实现），分析代码接口，生成加载和调用这些接口的启动脚本（不包含数据读取、处理、转换等业务逻辑）；(2) 数据集验证任务 - 接收数据集路径，验证数据集、执行质量检查、生成元数据（该任务依赖于其它技能试用local模式执行启动脚本生成数据集后才能执行）。两个任务由 orchestrator 分别调用。
onescience-paper-repro
OneScience 论文复现信息提取技能。作为 onescience-orchestrator 的执行技能，接收论文输入，提取结构化信息，生成编码任务提示词。输入：论文来源（PDF/URL/arXiv/DOI）或论文信息；输出：reproduction_spec.md（结构化规格）、coder_task_description.md（编码任务提示词）。不执行编码，不调用其他技能。
onescience-parallel
将 PyTorch 模型改造为支持 Pipeline Parallelism (PP) + Tensor Parallelism (TP) 的分布式训练模型。 适用场景：单机单卡模型改多卡分布式、模型拆分为多个 pipeline stage、替换 nn.Linear 为并行线性层、 编写 forward_step_func / model_provider / dataset_provider、配置 PipelineTensorShapeConfig、 创建 Distributed 版本模块（DistributedFuser / DistributedAttention / DistributedMlp）。 当用户提到以下任何关键词时，务必使用此 skill： "流水线并行"、"pipeline parallel"、"模型并行改造"、"分布式训练"、"stage 拆分"、 "ColumnParallelLinear"、"RowParallelLinear"、"pretrain 接口"、"forward_step_func"、 "model_provider"、"TP 并行"、"张量并行"、"多卡训练"、"Megatron"。
oneskills
OneSkills 是面向 AI4S 的科研智能体技能库，聚焦科研开发、实验运行与环境交付等关键环节，提供可复用、可组合、可落地的任务执行能力。
Bio shown is the top-scored skill's repo description as a fallback — real GitHub bios land in a future update.