单原子催化剂 SAR 筛选的渐进披露 recipe，能量引擎是写死的：石墨烯 M–N4 结构只能用 FAIRChem UMA uma-s-1p1 / oc20 评估，然后排序、出报告。UMA、Hugging Face 访问或凭据不可用时，这个 recipe 只能停下来问用户；悄悄换成查表、经验规则或别的 MLIP 都是禁止的。
Python sidecar 里是真实的 pipeline 代码，但要跑出可用的结果，还需要兼容的科学计算依赖包、模型权重、按需提供的 HF_TOKEN 或可达的 hub、算力，以及一个全新的工作目录。仓库里提交的 metal_center_dissolution_* 文件是刻意抽掉数值的开发者演示壳，绝不能当成真实运行结果返回给用户。
就算这一趟跑得干干净净，也别忘了 UMA 是什么。oc20 任务下的 uma-s-1p1 是机器学习势，是用来逼近 DFT 能量的代理模型，而不是真去解它；报告里每一个溶解电位、每一个 ORR 过电位，都是从它预测的结合能推出来的。所以这个 Skill 给出的排序只是一份分诊清单：接下来哪些金属中心值得排进 DFT 计算或者实验合成。它不是对这些催化剂真实稳定性或活性的测量。
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 catalyst_sar_screening --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 catalyst_sar_screening --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/catalyst_sar_screening
python3 -m zipfile -c catalyst_sar_screening.zip catalyst_sar_screening
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/catalyst_sar_screening/ 拷出来即可（unzip main.zip 'OpenAI4S-main/skills/catalyst_sar_screening/*' 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 | 职责 |
|---|---|
.gitignore |
把 Python 构建、缓存文件以及所有图片格式挡在 Skill 根目录之外，避免真实运行产生的图被误认成仓库里提交的用户交付物。 |
SKILL.md |
硬锁定的 recipe 本身：需要哪个 UMA 后端和运行环境、什么时候必须停下来问用户而不是自己变通、如何把 run_pipeline 跑进一个全新的工作目录、固定的流程阶段、哪些文件才算交付物、开发者演示的警告，以及分析人员的自检清单。 |
kernel.py |
可选的 sidecar，也是 pipeline 真正的所在。它加载结构 catalog，把一条描述解析成 POSCAR（先在 catalog 里精确匹配，匹配不到就替换金属中心派生），提供只走 UMA 的 CalculationTools，并在开跑前检查依赖、hub 可达性和模型是否就绪。之后评估溶解与 ORR 指标、对候选结构排序、分析 SAR 趋势、把结构解析回来，并渲染图、dashboard 和报告。run_pipeline 把整条链路串起来；run_metal_center_dissolution_case 是受约束的 helper，固定 M–N4 motif，只改变金属中心。 |
contcar_catalog.json |
内嵌 catalog 的第 2 版：28 段石墨烯 / pyridineN M–N4 slab 的 POSCAR 文本，能对上时作为精确模板，对不上时作为最接近的起始结构。它是合成的 fixture，明确不是实验数据集发布。 |
build_example.py |
只重建文本和 HTML 的开发者演示壳：清掉数值结果、后端字段和图片路径，写入免责声明，全程不调用 UMA。 |
metal_center_dissolution_descriptions.json |
三个演示用的结构请求（Mn-N4、Fe-N4、Cu-N4），用来说明输入长什么样。 |
metal_center_dissolution_summary.json |
溶解模式下经过净化的三行演示元数据。里面没有收敛的数值预测，标了 demo: true，不是用户交付物。 |
metal_center_dissolution_dashboard.html |
生成出来的演示壳 dashboard：自包含的 HTML，带免责声明，不含真实的 UMA 图或指标。 |
metal_center_dissolution_report.md |
生成出来的演示壳方法与报告文本，其中明说不包含任何已算出的候选结果。 |