ESMFold2 Skill

面向 Biohub ESMFold2 / ESMFold2-Fast co-folding 模型的渐进披露 recipe，同一批发布的 ESMC 蛋白语言模型也一并覆盖。这里不带任何实现：没有代码，没有权重，没有 Hugging Face 访问，也没有 GPU 环境。

模型、后端、版本到底有没有，必须到运行环境里现查。论文自己给的 FoldBench 数字里，抗体-抗原界面的 DockQ 通过率是 50%–55%，也就是说将近一半是错的；而这类数字背后的跑法是 25 个 seed 乘 5 个扩散样本，再从这 125 个结果里挑最好的一个当答案——只跑一次、再按 ipTM 自排的结果，分量要比这个数字听上去的轻。PDB 的训练截止时间是 2021 年 9 月，此后解出的结构，模型一个也没见过。结构、突变打分、残基接触和可解释性特征都是模型算出来的预测，不能当成经过实验验证的结论来讲。

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 esmfold2 --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 esmfold2 --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/esmfold2
python3 -m zipfile -c esmfold2.zip esmfold2

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/esmfold2/ 拷出来即可（unzip main.zip 'OpenAI4S-main/skills/esmfold2/*' 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

子目录