📦

hypogenic

Name: hypogenic
Author: davila7

Revisión del contenido r2 Riesgo medio 🔑 Variables de entorno⚙️ Comandos externos🌐 Acceso a red

Generar hipótesis de investigación con Hypogenic

Los equipos de investigación necesitan formas repetibles de convertir conjuntos de datos y artículos en hipótesis comprobables. Esta habilidad guía a Claude, Codex y Claude Code a través de los flujos de trabajo de instalación, configuración, generación, inferencia y evaluación de Hypogenic.

Compatible con: Claude Codex Code(CC)

📊 65 Adecuado

Instalar con mi Agente

Copia esta solicitud en tu Agente. Incluye la página canónica del Skill y el manifiesto.

Solicitud de agente

Review the Skillstore skill "hypogenic" from https://skillstore.io/skills/davila7-hypogenic.md and its manifest at https://skillstore.io/api/skills/davila7-hypogenic/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.

Tu Agente debe seguir mostrando su plan y solicitar cualquier confirmación exigida por la política de seguridad.

Recursos legibles por agentes

Usa estos enlaces cuando un agente de IA, crawler o script necesite contexto limpio en vez de leer la página completa.

Detalle Markdown GET /skills/davila7-hypogenic.md Manifest firmado GET /api/skills/davila7-hypogenic/manifest Lockfile firmado GET /api/skills/davila7-hypogenic/lockfile

Pruébalo

Usando "hypogenic". Un investigador pide un flujo de trabajo basado en datos para la detección de texto generado por IA.

Resultado esperado:

La habilidad devuelve pasos de configuración, requisitos del conjunto de datos, orientación de configuración, opciones de generación y pasos de prueba para un flujo de trabajo de HypoGeniC.

Usando "hypogenic". Un equipo quiere comparar hipótesis basadas solo en literatura e hipótesis basadas en datos.

Resultado esperado:

La habilidad describe los métodos HypoRefine y Union, las necesidades de preprocesamiento de artículos, los bancos de hipótesis y las comparaciones de evaluación.

Usando "hypogenic". Un usuario necesita ayuda para analizar predicciones del modelo para puntuar la precisión.

Resultado esperado:

La habilidad explica la extracción personalizada de etiquetas y recuerda al usuario alinear las etiquetas de predicción con las etiquetas del conjunto de datos.

Auditoría de seguridad

Riesgo medio

v9 • 23/7/2026 Abrir el informe versionado

All 94 static findings are false positives: the scanner interpreted Markdown backticks, explicit documentation links, and an environment-variable name as executable behavior. The source contains no executable scripts, hidden network activity, or prompt injection instructions. Two medium semantic risks remain: API processing can disclose sensitive records, and direct data interpolation permits prompt injection into research outputs.

Archivos escaneados

801

Líneas analizadas

Elementos de revisión

Falsos positivos ignorados

Preocupaciones de seguridad confirmadas (2)

Medio

SKILL.md:52-59 references/config_template.yaml:14-19 references/config_template.yaml:69-79

Sensitive records may be sent to external LLM providers

The workflow supports API-hosted models and inserts dataset samples into inference prompts. Sensitive records could leave the local environment without de-identification or provider review.

The files explicitly support API-based models and interpolate sample text into prompts. Actual disclosure depends on the selected model and dataset.

Medio

references/config_template.yaml:47-53 references/config_template.yaml:69-79

Untrusted dataset text can alter model instructions

Prompt templates interpolate data directly without marking it as untrusted. Adversarial records could redirect model behavior and corrupt generated observations or inference labels.

The template directly embeds data_samples and sample_text with no content boundary or instruction hierarchy. Downstream protections are not present in the audited files.

Factores de riesgo

🔑 Variables de entorno (1)

references/config_template.yaml:17

⚙️ Comandos externos (50)

SKILL.md:16-28 SKILL.md:28-32 SKILL.md:32-43 SKILL.md:43-120 SKILL.md:120-122 SKILL.md:122-130 SKILL.md:130-136 SKILL.md:136-143 SKILL.md:143-144 SKILL.md:144-145 SKILL.md:145-148 SKILL.md:148 SKILL.md:149-152 SKILL.md:152-167 SKILL.md:167-171 SKILL.md:171-172 SKILL.md:172 SKILL.md:176-188 SKILL.md:188 SKILL.md:193-221 SKILL.md:221-223 SKILL.md:223-230 SKILL.md:230-232 SKILL.md:232-235 SKILL.md:235-238 SKILL.md:238-245 SKILL.md:245-253 SKILL.md:253-255 SKILL.md:255-266 SKILL.md:266-268 SKILL.md:268-283 SKILL.md:283-307 SKILL.md:307-311 SKILL.md:311-326 SKILL.md:326-330 SKILL.md:330-339 SKILL.md:339-343 SKILL.md:343-345 SKILL.md:345-357 SKILL.md:357-359 SKILL.md:359-369 SKILL.md:369-371 SKILL.md:371-373 SKILL.md:373-375 SKILL.md:375-377 SKILL.md:377-387 SKILL.md:387-389 SKILL.md:389-391 SKILL.md:391-403 SKILL.md:403-405

🌐 Acceso a red (17)

SKILL.md:21 SKILL.md:132 SKILL.md:135 SKILL.md:287 SKILL.md:313 SKILL.md:541 SKILL.md:553 SKILL.md:561 SKILL.md:562 SKILL.md:574 SKILL.md:582 SKILL.md:592 SKILL.md:600 SKILL.md:601 SKILL.md:603 SKILL.md:611 SKILL.md:614

Auditado por: codex Ver historial de auditorías →

Compartir y citar este informe

Comparte el informe de evaluación versionado, la insignia neutral, la tarjeta insertable y las citas. Skillstore presenta evidencias sin decidir si este Skill es seguro.

Abrir el informe versionado

Copiar enlace del informe

https://skillstore.io/skills/davila7-hypogenic/audits/9?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report

Insignia Markdown

[![Skillstore security assessment](https://skillstore.io/badges/skills/davila7-hypogenic/security.svg)](https://skillstore.io/skills/davila7-hypogenic?utm_source=security_passport_badge)

Insignia HTML

<a href="https://skillstore.io/skills/davila7-hypogenic?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/davila7-hypogenic/security.svg" alt="Skillstore security assessment" loading="lazy"></a>

Tarjeta para insertar

<iframe src="https://skillstore.io/embed/skills/davila7-hypogenic.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>

Citas académicas (APA · BibTeX · CFF)

Cita APA

davila7. (2026). hypogenic security audit report (audit version 9) [Author version unspecified]. Skillstore. https://skillstore.io/skills/davila7-hypogenic/audits/9

Cita BibTeX

@techreport{davila7-davila7-hypogenic-2026,
  author = {davila7},
  title = {hypogenic security audit report (audit version 9)},
  institution = {Skillstore},
  year = {2026},
  number = {9},
  url = {https://skillstore.io/skills/davila7-hypogenic/audits/9},
  note = {Author version unspecified}
}

CITATION.cff

cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "hypogenic security audit report (audit version 9)"
version: "unspecified"
type: report
authors:
  - name: "davila7"
date-released: "2026-07-23"
url: "https://skillstore.io/skills/davila7-hypogenic/audits/9"
identifiers:
  - type: other
    value: "skillstore:davila7-hypogenic:audit:9"
    description: "Skillstore immutable audit report identifier"

Comparar variantes

2 variantes instalables

Cada autor sigue siendo un skill instalable independiente. La variante recomendada se ordena según la evidencia de Skillstore.

Por qué esta variante es la primera

Mayor puntuación de Skillstore

Autor / fuente Puntuación de Skillstore Confianza de la evidencia Uso en Skillstore Actualizado

K-Dense-AI Recomendado

k-dense-ai-hypogenic

Puntuación de Skillstore 71

Confianza de la evidencia Alto

Uso en Skillstore 12

Actualizado

2026-09-09

davila7 Actual

davila7-hypogenic

Puntuación de Skillstore 65

Confianza de la evidencia Alto

Uso en Skillstore 12

Actualizado

2026-09-09

Puntuación de Skillstore

Por qué esta puntuación Confianza de la evidencia: Alto

Arquitectura

Mantenibilidad

Contenido

Comunidad

Cumplimiento de la especificación

Lo que puedes crear

Explorar nuevos conjuntos de datos de investigación

Genera hipótesis candidatas a partir de datos observacionales etiquetados antes de realizar un análisis estadístico más profundo.

Combinar artículos con datos empíricos

Usa HypoRefine para combinar conocimientos de la literatura con datos de validación para obtener hipótesis fundamentadas en teoría.

Evaluar explicaciones contrapuestas

Ejecuta inferencia en bancos de hipótesis para comparar qué explicaciones se ajustan a ejemplos reservados.

Prueba estos prompts

Generar un primer conjunto de hipótesis

Usa Hypogenic para crear 20 hipótesis basadas en datos para mi conjunto de datos etiquetado. Revisa el formato de archivo requerido y describe los pasos de configuración.

Probar hipótesis generadas

Usa hypogenic_inference para probar mi banco de hipótesis guardado con una división de prueba. Resume las entradas esperadas y los resultados de evaluación.

Combinar literatura y datos

Planifica un flujo de trabajo de HypoRefine para diez artículos de investigación y mis datos de validación. Incluye el preprocesamiento de PDF, las necesidades de configuración y los pasos de comparación.

Diseñar una tarea de investigación personalizada

Ayúdame a diseñar una tarea personalizada de Hypogenic con plantillas de prompts, reglas de extracción de etiquetas, almacenamiento en caché y un flujo de trabajo de evaluación repetible.

Mejores prácticas

Revisa cada hipótesis generada con un experto del dominio antes de informar resultados.
Usa datos de prueba reservados y registra las elecciones de modelo, prompt y configuración.
Inspecciona los paquetes externos y repositorios clonados antes de ejecutar comandos de configuración.

Evitar

Tratar las hipótesis generadas como conclusiones científicas sin validación.
Mezclar ejemplos de entrenamiento y prueba durante la generación de hipótesis.
Ejecutar scripts de configuración externos sin revisar su origen y permisos.

Preguntas frecuentes

¿Con qué ayuda esta habilidad?

Ayuda a configurar flujos de trabajo de Hypogenic para generar, refinar y probar hipótesis científicas con modelos de lenguaje.

¿Crea afirmaciones científicas finales?

No. Crea hipótesis candidatas que requieren validación, revisión experta y una comunicación cuidadosa.

¿Puede usar artículos de investigación?

Sí. El flujo de trabajo de HypoRefine procesa artículos con GROBID y combina conocimientos de la literatura con datos empíricos.

¿Necesita claves de API?

Hypogenic puede usar modelos basados en API, por lo que los usuarios pueden necesitar credenciales de proveedor. Guarda las claves en variables de entorno, no en archivos de configuración.

¿Puedo usar modelos locales?

La habilidad describe compatibilidad con LLMs locales cuando el entorno de Hypogenic está configurado para ellos.

¿Qué debo revisar antes de ejecutar comandos?

Revisa las versiones de paquetes, los repositorios clonados, los scripts de configuración y las licencias de los conjuntos de datos antes de ejecutar herramientas externas.