迭代式蛋白突变改造的流程：建突变文库、打分、排序，再决定要不要跑下一轮。它是编排层，不是模型。文库枚举、分数合并、排序和循环控制都是确定性的纯标准库实现；ESM、折叠和实验的分数来自别处——序列效应找 fair-esm2，结构找 esmfold2——再按 A12V+G47D 这样的稳定变体 ID 并进来。某个变体排在第一，并不能证明它获得了新功能。
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 protein-mutation-enhancement --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 protein-mutation-enhancement --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/protein-mutation-enhancement
python3 -m zipfile -c protein-mutation-enhancement.zip protein-mutation-enhancement
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/protein-mutation-enhancement/ 拷出来即可（unzip main.zip 'OpenAI4S-main/skills/protein-mutation-enhancement/*' 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 |
|---|---|
SKILL.md |
输入契约；single/double/higher-order 文库怎么建；外部分数从哪来（序列效应用 fair-esm2，结构用 esmfold2）；带阈值的排序；一轮跑完是继续还是停下的判据；实用默认值；以及结果仍然需要的验证。 |
kernel.py |
可选 sidecar，纯标准库：校验序列和 A12V 形式的突变写法，规范化并施加变体，确定性地枚举文库，并生成按位置排序的稳定 ID，让分数表可以放心按 id 关联。它用氨基酸类别、疏水性、电荷、体积的本地启发式给替换本身打一个 property 分；读取分数表，把文库写成 FASTA；合并并归一化各项指标；按加权综合分排序；对着接受阈值跑一轮筛选并给出是否继续；提出下一轮值得放开的位点；最后把排序结果写成 JSON 落盘。 |
内置的 property 分只是综合分里的一个启发式项，不是功能预测器。排在最前面的候选变体，仍然需要独立的计算与实验验证。