📦

hypogenic

Name: hypogenic
Author: davila7

Inhaltsrevision r2 Mittleres Risiko 🔑 Umgebungsvariablen⚙️ Externe Befehle🌐 Netzwerkzugriff

Генерация исследовательских гипотез с Hypogenic

Исследовательским командам нужны воспроизводимые способы превращать наборы данных и статьи в проверяемые гипотезы. Этот навык проводит Claude, Codex и Claude Code через рабочие процессы настройки, конфигурации, генерации, инференса и оценки в Hypogenic.

Unterstützt: Claude Codex Code(CC)

📊 65 Angemessen

Mit meinem Agent installieren

Kopieren Sie diese Anfrage in Ihren Agent. Sie enthält die maßgebliche Skill-Seite und das Manifest.

Agent-Anfrage

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.

Ihr Agent sollte weiterhin seinen Plan anzeigen und alle von der Sicherheitsrichtlinie verlangten Bestätigungen anfordern.

Agent-lesbare Ressourcen

Verwenden Sie diese Links, wenn ein KI-Agent, Crawler oder Skript sauberen Kontext benötigt, statt die vollständige Seite zu lesen.

Markdown-Detailseite GET /skills/davila7-hypogenic.md Signiertes manifest GET /api/skills/davila7-hypogenic/manifest Signiertes lockfile GET /api/skills/davila7-hypogenic/lockfile

Testen

„hypogenic“ wird verwendet. Исследователь просит рабочий процесс на основе данных для обнаружения текста, сгенерированного AI.

Erwartetes Ergebnis:

Навык возвращает шаги настройки, требования к набору данных, рекомендации по конфигурации, варианты генерации и шаги тестирования для рабочего процесса HypoGeniC.

„hypogenic“ wird verwendet. Команда хочет сравнить гипотезы, основанные только на литературе, и гипотезы на основе данных.

Erwartetes Ergebnis:

Навык описывает методы HypoRefine и Union, требования к предварительной обработке статей, банки гипотез и сравнения оценок.

„hypogenic“ wird verwendet. Пользователю нужна помощь с разбором предсказаний модели для оценки точности.

Erwartetes Ergebnis:

Навык объясняет пользовательское извлечение меток и напоминает пользователю согласовать метки предсказаний с метками набора данных.

Sicherheitsaudit

Mittleres Risiko

v9 • 23.7.2026 Versionsbericht öffnen

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.

Gescannte Dateien

801

Analysierte Zeilen

Prüfelemente

Falschmeldungen ignoriert

Bestätigte Sicherheitsbedenken (2)

Mittel

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.

Mittel

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.

Risikofaktoren

🔑 Umgebungsvariablen (1)

references/config_template.yaml:17

⚙️ Externe Befehle (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

🌐 Netzwerkzugriff (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

Geprüft von: codex Audit-Verlauf anzeigen →

Diesen Bericht teilen & zitieren

Teile den versionierten Bewertungsbericht, das neutrale Badge, die Einbettungskarte und Zitate. Skillstore berichtet Nachweise, ohne zu entscheiden, ob dieser Skill sicher ist.

Versionsbericht öffnen

Berichtslink kopieren

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

Markdown-Badge

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

HTML-Badge

<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>

Einbettungskarte

<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>

Wissenschaftliche Zitate (APA · BibTeX · CFF)

APA-Zitat

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

BibTeX-Zitat

@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"

Varianten vergleichen

2 installierbare Varianten

Jeder Autor bleibt ein eigener installierbarer Skill. Die empfohlene Variante wird nach Skillstore-Nachweisen bewertet.

Warum diese Variante zuerst steht

Höchster Skillstore-Score

Autor / Quelle Skillstore-Score Evidenzvertrauen Skillstore-Nutzung Aktualisiert

K-Dense-AI Empfohlen

k-dense-ai-hypogenic

Skillstore-Score 71

Evidenzvertrauen Hoch

Skillstore-Nutzung 12

Aktualisiert

2026-09-09

davila7 Aktuell

davila7-hypogenic

Skillstore-Score 65

Evidenzvertrauen Hoch

Skillstore-Nutzung 12

Aktualisiert

2026-09-09

Skillstore-Score

Warum dieser Score Evidenzvertrauen: Hoch

Architektur

Wartbarkeit

Inhalt

Gemeinschaft

Spezifikationskonformität

Was Sie erstellen können

Исследование новых наборов исследовательских данных

Генерируйте кандидатные гипотезы из размеченных наблюдательных данных перед более глубоким статистическим анализом.

Объединение статей с эмпирическими данными

Используйте HypoRefine, чтобы объединить выводы из литературы с валидационными данными для гипотез, основанных на теории.

Оценка конкурирующих объяснений

Запустите инференс по банкам гипотез, чтобы сравнить, какие объяснения лучше соответствуют отложенным примерам.

Diese Prompts ausprobieren

Сгенерировать первый набор гипотез

Используйте Hypogenic, чтобы создать 20 гипотез на основе данных для моего размеченного набора данных. Проверьте требуемый формат файла и опишите шаги настройки.

Проверить сгенерированные гипотезы

Используйте hypogenic_inference, чтобы проверить мой сохраненный банк гипотез на тестовом разбиении. Кратко опишите ожидаемые входные данные и результаты оценки.

Объединить литературу и данные

Спланируйте рабочий процесс HypoRefine для десяти научных статей и моих валидационных данных. Включите предварительную обработку PDF, требования к конфигурации и шаги сравнения.

Спроектировать пользовательскую исследовательскую задачу

Помогите мне спроектировать пользовательскую задачу Hypogenic с шаблонами промптов, правилами извлечения меток, кэшированием и воспроизводимым рабочим процессом оценки.

Bewährte Praktiken

Проверяйте каждую сгенерированную гипотезу с профильным экспертом перед публикацией результатов.
Используйте отложенные тестовые данные и фиксируйте выбор модели, промпта и конфигурации.
Проверяйте внешние пакеты и клонированные репозитории перед запуском команд настройки.

Vermeiden

Рассматривать сгенерированные гипотезы как научные выводы без валидации.
Смешивать обучающие и тестовые примеры во время генерации гипотез.
Запускать внешние скрипты настройки без проверки их исходного кода и разрешений.

Häufig gestellte Fragen

С чем помогает этот навык?

Он помогает настраивать рабочие процессы Hypogenic для генерации, уточнения и проверки научных гипотез с помощью языковых моделей.

Создает ли он окончательные научные утверждения?

Нет. Он создает кандидатные гипотезы, которые требуют валидации, экспертной проверки и тщательного описания.

Может ли он использовать научные статьи?

Да. Рабочий процесс HypoRefine обрабатывает статьи с помощью GROBID и объединяет выводы из литературы с эмпирическими данными.

Нужны ли ему API-ключи?

Hypogenic может использовать модели на основе API, поэтому пользователям могут потребоваться учетные данные провайдера. Храните ключи в переменных окружения, а не в конфигурационных файлах.

Могу ли я использовать локальные модели?

Навык описывает поддержку локальных LLM, когда среда Hypogenic настроена для них.

Что следует проверить перед запуском команд?

Проверьте версии пакетов, клонированные репозитории, скрипты настройки и лицензии наборов данных перед выполнением внешних инструментов.