← Về thư mục
📄 / / profiles / r-and-d / raw_evidence / OpenAI4S / skills / admet_genetic / README_zh.md

ADMET Genetic Optimization Skill

以 ADMET 为导向、从种子 SMILES 出发做分子优化,并让每个候选分子都能沿血缘追回它来自哪颗种子。它的 Python sidecar 只提供可复用的那部分:SMILES 归一化、打分契约、血缘校验和可视化。它有意不实现一套固定的遗传算法,也不对候选分子做任何实验验证。

RDKit、pandas、matplotlib、ADMET-AI、PyTorch 和模型资产都是可选依赖,必须先装进所选的运行环境。剩下的事情归 Agent:读数据契约,搭出变异、交叉和选择逻辑,把血缘记录完整保留下来,并且把每一个预测都当成初筛证据,而不是事实。

安装

一个 Skill 就是一个文件目录,所谓安装,就是把这个目录复制到 Agent 会去读的地方。有 Node 18+、且 PATH 上有 git(npm 靠它解析 github: 形式的包名)即可,无需先克隆仓库:

npx github:PKU-YuanGroup/OpenAI4S install admet_genetic --target claude

--target claude 写入 ~/.claude/skills,claude-project 写入 ./.claude/skills,openai4s 写入 <data_dir>/user-skills,--dir <path> 则写到你指定的任意位置。往目标写任何东西之前,都会先打印解析出的绝对路径;--dry-run 到此为止,不再写入。重装时,若目标副本被你改过、或者不是它自己装的,就拒绝覆盖;uninstall 也只删除它自己写过的文件。对于 npm 发布版中包含的配方,可用 npx @pku-yuangroup/openai4s-skills install admet_genetic --target claude 安装发布版本。npm 目录可能与当前仓库不同。

没有 Node 时,直接取这个目录——需要 .zip 上传时再打包。tarball 是整个仓库(超过 100 MB),下面这条管道是 POSIX shell(macOS、Linux、WSL)写法,只解出这一个目录:

curl -L https://codeload.github.com/PKU-YuanGroup/OpenAI4S/tar.gz/refs/heads/main \
  | tar -xz --strip-components=2 OpenAI4S-main/skills/admet_genetic
python3 -m zipfile -c admet_genetic.zip admet_genetic

同一份内容的图形界面版本是点击下载整个仓库 zip 包,Windows 上也走这条路:解压后把 skills/admet_genetic/ 拷出来即可(unzip main.zip 'OpenAI4S-main/skills/admet_genetic/*' 只解这一个目录)。如果你本来就在跑 OpenAI4S,那这里没有任何东西需要安装——wheel 自带全部内置 Skill,且内置 Skill 优先于 <data_dir>/user-skills 里的同名副本。目标目录、来源记录,以及安装器拒绝去做的那些事:tools/skills-installer/。

文件

文件 职责
SKILL.md 主 recipe:前置条件、种子分子归一化、动手前必须先读的契约、如何组装 GA、ADMET/SA/QED/性质打分、过滤、多样性、血缘、输出、报告,以及报告里要写清的局限。
kernel.py 可选的 sidecar。它标准化并规范化 SMILES,对 ADMET-AI 的 endpoint 分类、聚合成一个分数加一组风险标记,生成规范的 operation_detail JSON,并按血缘契约校验 generation log。render_optimization_history 把这份日志渲染成自包含的 dashboard;装了 RDKit 和 matplotlib 时,还会带上分子 SVG 和统计图。

子目录

目录 职责
examples/ 提交在仓库里、可复现的一份演示:输入、录下来的各代结果、由此派生的候选选择、报告和 dashboard。它是 fixture,不是实时优化结果。
references/ ADMET 运行环境说明、数据契约与血缘规则、GA 设计说明,通过渐进披露按需读取。