wet-lab-workflow
/wet-lab-workflow
Przygotowuje zlecenia eksperymentów laboratoryjnych, prowadzi ewidencję próbek i zestawia przewidywania z wynikami pomiarów.
- Autor
- pdl-openair ↗
- Repozytorium
- OpenAIR ↗
- Licencja
- Apache-2.0
- Ostatnia zmiana repozytorium
- 10.11.2026
Ocena i bezpieczeństwo
- Pliki w paczce
- 7
- Skrypty
- 1
- Komentarze HTML
- 0
- Adresy URL w SKILL.md
- 0
Brak sygnałów. Repozytorium zmienione 10.11.2026, bez odwołań do wycofanych modeli i API.
Apache-2.0, otwarta: można używać i zmieniać, z zachowaniem licencji i informacji o zmianach.
- 1 skrypt w paczce. Przejrzyj je przed instalacją, bo Claude może je uruchomić.
Skrypty: scripts/compare_predicted_measured.py
Co robi i kiedy
Przygotowuje zlecenia eksperymentów laboratoryjnych, prowadzi ewidencję próbek i zestawia przewidywania z wynikami pomiarów.
Oryginalny opis (EN)
湿实验(人工合成+表征)工作流管理:从管线设计阶段产物生成实验指派单,初始化并维护样品台账与表征结果回收表,并生成「预测(ML/DFT) vs 实测」三方对比报告。Use when 用户说「派湿实验 / 开湿实验 / 生成实验指派单 / 填台账 / 回收表征数据 / 对比预测和实测 / wet lab / sample ledger / characterization collection」。输入来自管线设计阶段产物(design/candidates 候选 CIF、synthesis-advisor 评估报告、recommend_parameter 推荐配方),输出可直接被 experiment-report 汇聚。不负责 DFT 干实验(vasp-band-gap / vasp-thermodynamic-stability)与最终报告(experiment-report),也不负责制备方案本身的推荐(crystal-synthesis-advisor / materials-parameter-recommend-flux)。
Jak działa
- ID 规则(join key,只消费不生产候选号)
- 三步流程
- 边界与注意
Podgląd SKILL.md
--- name: wet-lab-workflow description: 湿实验(人工合成+表征)工作流管理:从管线设计阶段产物生成实验指派单,初始化并维护样品台账与表征结果回收表,并生成「预测(ML/DFT) vs 实测」三方对比报告。Use when 用户说「派湿实验 / 开湿实验 / 生成实验指派单 / 填台账 / 回收表征数据 / 对比预测和实测 / wet lab / sample ledger / characterization collection」。输入来自管线设计阶段产物(design/candidates 候选 CIF、synthesis-advisor 评估报告、recommend_parameter 推荐配方),输出可直接被 experiment-report 汇聚。不负责 DFT 干实验(vasp-band-gap / vasp-thermodynamic-stability)与最终报告(experiment-report),也不负责制备方案本身的推荐(crystal-synthesis-advisor / materials-parameter-recommend-flux)。 --- # wet-lab-workflow — 湿实验工作流管理 管理湿实验(人工合成 + 表征)的"人机接口"三件套:**指派单**(告诉实验员做什么)、**台账**(记录做了什么)、**回收表**(收回测到了什么),外加一个**对比脚本**(把实测与 ML/DFT 预测对齐)。 所有文件都在研究目录 `openair/<research_name>/wetlab/` 下: ``` wetlab/ ├── assignments/<candidate_id>_assignment.md # 实验指派单(本 skill 生成) ├── sample_ledger.csv # 样品台账(实验员/Claude 代填) ├── characterization_results.csv # 表征回收表(实验员/Claude 代填) └── comparison/comparison_<YYYYMMDD>.md # 三方对比(脚本生成) ``` ## ID 规则(join key,只消费不生产候选号) - `candidate_id`(C001…):来自管线铸号(design/candidates/C###_<formula>.cif),本 skill 不新建。 - `assignment_id`(A001…):与 candidate_id 一对一,指派单文件名前缀。 - `recipe_id`(R001…):= recommend_output_<formula>.jsonl 的行号,溯源写 `文件名#L<行号>`。 - `sample_id`:`S<C###>-<nn>`,如 `SC001-01`(C001 的第 1 个样品)。 - `result_id`(X001…):表征回收表内递增。 ## 三步流程 ### Step 1 — start(派单) 对进入湿实验的每个候选(默认管线 goal.yaml 的 `wet_lab.n_candidates`,默认 2): 1. 从 `pipeline_state.json` 的 candidates[] 取该候选的 ml_metrics / recipe_ref / dft 值。 2. 按模板 `templates/assignment.md.template` 填写 9 节指派单,Write 到 `wetlab/assignments/<candidate_id>_assignment.md`。 - 第 3 节主推方案从 `recipe_ref` 指向的 jsonl 行取(含完整分段温度程序); - 第 4 节备选方案摘自 `synthesis-advisor/<formula>_<日期>/assessment_report.md` 的推荐方案节; - 第 6 节表征要求的"预期值区间"必须同时给出 ML 预测值和(若有)DFT 值及来源文件。 3. 初始化台账与回收表:若 `wetlab/sample_ledger.csv` / `characterization_results.csv` 不存在,用 `templates/*.header.csv` 的表头创建空表。 ### Step 2 — record(记账) 实验员交付后,把纸质/口头记录转录进两个 csv(Claude 代填,遵守 `references/field-dictionary.md` 的枚举值;csv 为 UTF-8,Excel 编辑过带 BOM 也能读)。 `updated_at` 每次修改必须更新。 ### Step 3 — compare(对比) ```bash python .claude/skills/wet-lab-workflow/scripts/compare_predicted_measured.py \ --research-dir openair/<research_name> [--tol 0.25] ``` 输出 `wetlab/comparison/comparison_<YYYYMMDD>.md`:总览表、三方对比表(ML | DFT | 实测 均值±范围 | Δ | 判定)、缺数据清单。判定规则:bandgap 相对偏差 ≤ tol(默认 25%)记 「一致」;lattice_a 偏差 ≤2% 记「一致」;ehull↔phase_purity 定性比对。无实测的候选行 照出、判定 `pending_experiment`——**绝不省略行、绝不编数**。 ## 边界与注意 - csv 均为 UTF-8;解析方(compare 脚本)已容忍 BOM 与 `#` 注释行。 - 指派单里的每个数字必须带来源(ML 值 ← pipeline_state.json,DFT 值 ← dft/<id>/ 产物); 没有来源的数字不要写。 - 台账/回收表是唯一事实来源(single source of truth);对比脚本只读不写它们。 - 若候选没有 recipe(未跑 flux 推荐),指派单第 3 节写 `⚠️ 缺失:无推荐配方`, 第 4 节 advisor 方案照写。
Pliki w paczce (7)
- SKILL.md 4 KB
- skill.yaml 1 KB
- references/field-dictionary.md 4 KB
- scripts/compare_predicted_measured.py 12 KB
- templates/assignment.md.template 2 KB
- templates/characterization_results.header.csv 1 KB
- templates/sample_ledger.header.csv 1 KB
Wersje
W bazie nie ma innych skilli o nazwie wet-lab-workflow.
Migawka bazy z 13.11.2026 · wersja paczki a0dc52d97113 (skrót SHA-256 całej paczki)
Pobrania w ostatnich 30 dniach: 0 · ranking
Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.
Podobne skille
- 100vasp-band-gap
Liczy przerwę energetyczną i strukturę pasm kryształu z pliku CIF metodą DFT/VASP na klastrze w chmurze. - 90dft-vasp
Kieruje zapytania o VASP DFT do właściwych podskilli: statyczne SCF, relaksacja, DOS lub struktura pasmowa, bez własnej logiki generowania danych wejściowych, z jednolitym przekazaniem do skilli zleceń. - 100vasp-calculation-assistant
Prowadzi początkujących przez obliczenia VASP: strukturę, pliki wejściowe, szacowanie czasu, analizę logów i raport z wynikami. - 100vasp
Prowadzi obliczenia DFT z falami płaskimi w VASP na HPC przez narzędzia dft_*: projekt obliczeń, wysyłanie i monitorowanie zadań, diagnoza błędów i interpretacja wyników dla decyzji w odkrywaniu materiałów. - 100vasp-thermodynamic-stability
Automatyzuje analizę stabilności termodynamicznej materiału: pobiera fazy konkurencyjne, uruchamia obliczenia VASP i buduje wykres wypukłej otoczki. - 100pymatgen
Prowadzi przez pymatgen w obliczeniowej nauce o materiałach: struktury krystaliczne, pliki CIF i POSCAR, symetria, Materials Project API, diagramy fazowe i dane wejściowe DFT.