📦
latex-posters
87建立 LaTeX 研究海報
研究海報在 LaTeX 中很難排版，也很難為列印進行校對。此技能提供範本、版面配置指引，以及適用於會議就緒海報的 PDF 檢查。
設計與創意 查看
技能 molfeat
📦
molfeat
內容修訂 r2 高風險 📁 檔案系統存取⚙️ 外部命令🌐 網路存取
建置分子特徵化工作流程
當團隊需要選擇、設定並比較特徵化器時，分子機器學習工作常會放慢。此技能可協助 Claude、Codex 和 Claude Code 建置 molfeat 工作流程，用於指紋、描述子、預訓練嵌入、QSAR 模型和虛擬篩選。
支援: Claude Codex Code(CC)
安裝前請停止並請求確認。
請審查安裝計畫，並在變更檔案前取得使用者明確同意。
使用我的智慧代理安裝
將此請求複製給你的智慧代理，其中包含權威 Skill 頁面和清單。
智能體請求
Review the Skillstore skill "molfeat" from https://skillstore.io/skills/davila7-molfeat.md and its manifest at https://skillstore.io/api/skills/davila7-molfeat/manifest. Verify the artifact. Stop and obtain explicit user consent before installing or changing files.你的智慧代理仍應顯示其計畫，並依安全政策請求必要確認。
Agent 可讀資源
當 AI Agent、爬蟲或腳本需要乾淨脈絡、而不是讀取完整頁面時，請使用這些連結。
測試它
正在使用「molfeat」。 使用者詢問快速 QSAR 基準模型應使用哪種 molfeat 表徵。
預期結果:
此技能會推薦 ECFP 作為第一個基準，說明 radius 和 size 的選擇，並指出描述子或預訓練嵌入可能有幫助的情況。
正在使用「molfeat」。 使用者需要處理含有偶發無效分子的大型 SMILES 檔案。
預期結果:
此技能會概述批次處理、平行工作、無效分子處理，以及為可重現特徵生成而儲存設定。
正在使用「molfeat」。 使用者想評估 ChemBERTa 特徵相較於傳統指紋的表現。
預期結果:
此技能會提出比較計畫，包含一致的資料切分、執行時間追蹤、模型快取，以及適合預測任務的指標。
安全審計
高風險v10 • 2026/7/23 開啟版本化報告
All 96 static findings are false positives caused by Markdown syntax, benign local cache writes, molecule-validation language, and passive documentation links. However, two examples use pickle.load without authenticity checks, creating a high-severity code-execution risk if a cache file is replaced or untrusted.
4
已掃描檔案
1,993
分析行數
0
複核項目
0
已忽略的誤報
已確認的安全問題 (1)
高
Unsafe Pickle Cache Deserialization
The caching examples load a pickle file without authenticity checks. A replaced or untrusted cache can execute arbitrary Python code during deserialization.
Both cited lines directly call pickle.load on a local cache file. Python pickle deserialization is code-executing when the file is attacker-controlled.
風險因素
📁 檔案系統存取 (2)
⚙️ 外部命令 (50)
SKILL.md:25-30 SKILL.md:30-33 SKILL.md:33-34 SKILL.md:34-35 SKILL.md:35-36 SKILL.md:36-37 SKILL.md:37-43 SKILL.md:43-45 SKILL.md:45-53 SKILL.md:53-58 SKILL.md:58-60 SKILL.md:60-70 SKILL.md:70-76 SKILL.md:76-78 SKILL.md:78-88 SKILL.md:88-93 SKILL.md:93-99 SKILL.md:99-114 SKILL.md:114-118 SKILL.md:118-124 SKILL.md:124-128 SKILL.md:128-139 SKILL.md:139-146 SKILL.md:146-155 SKILL.md:155-158 SKILL.md:158-166 SKILL.md:166-169 SKILL.md:169-176 SKILL.md:176-181 SKILL.md:181-187 SKILL.md:187-190 SKILL.md:190-197 SKILL.md:197-201 SKILL.md:201-214 SKILL.md:214-218 SKILL.md:218-228 SKILL.md:228-234 SKILL.md:234-251 SKILL.md:251-255 SKILL.md:255-271 SKILL.md:271-275 SKILL.md:275-289 SKILL.md:289-293 SKILL.md:293-306 SKILL.md:306-310 SKILL.md:310-325 SKILL.md:325-331 SKILL.md:331-351 SKILL.md:351-357 SKILL.md:357-368
🌐 網路存取 (4)
審計單位: codex 檢視審計紀錄 →
分享與引用此報告
分享版本化評估報告、中性徽章、嵌入卡片與引用。Skillstore 只報告證據，不判斷該 Skill 是否安全。
複製報告連結
https://skillstore.io/skills/davila7-molfeat/audits/10?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_reportMarkdown 徽章
[](https://skillstore.io/skills/davila7-molfeat?utm_source=security_passport_badge)HTML 徽章
<a href="https://skillstore.io/skills/davila7-molfeat?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/davila7-molfeat/security.svg" alt="Skillstore security assessment" loading="lazy"></a>嵌入卡片
<iframe src="https://skillstore.io/embed/skills/davila7-molfeat.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>學術引用 (APA · BibTeX · CFF)
APA 引用
davila7. (2026). molfeat security audit report (audit version 10) [Author version unspecified]. Skillstore. https://skillstore.io/skills/davila7-molfeat/audits/10BibTeX 引用
@techreport{davila7-davila7-molfeat-2026,
author = {davila7},
title = {molfeat security audit report (audit version 10)},
institution = {Skillstore},
year = {2026},
number = {10},
url = {https://skillstore.io/skills/davila7-molfeat/audits/10},
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: "molfeat security audit report (audit version 10)"
version: "unspecified"
type: report
authors:
- name: "davila7"
date-released: "2026-07-23"
url: "https://skillstore.io/skills/davila7-molfeat/audits/10"
identifiers:
- type: other
value: "skillstore:davila7-molfeat:audit:10"
description: "Skillstore immutable audit report identifier"
比較變體
2 個可安裝變體每位作者的技能都保留為獨立的可安裝項目。推薦變體依 Skillstore 證據排序。
為何此變體排名第一
Skillstore 評分最高
作者 / 來源 Skillstore 評分 證據置信度 Skillstore 使用量 已更新
Skillstore 評分
評分依據 證據置信度: 中 45
架構
85
可維護性
87
內容
70
社群
78
規範符合度
你可以打造什麼
建立 QSAR 特徵管線
在訓練性質預測模型前，為指紋或描述子建置可重現的 molfeat 設定。
篩選化合物資料庫
準備分子特徵、排序候選化合物，並比較適合篩選執行的快速指紋選項。
比較分子嵌入
評估傳統描述子與預訓練 ChemBERTa、ChemGPT、GIN 或 Graphormer 表徵的差異。
試試這些提示
選擇特徵化器
我有用於 QSAR 基準模型的 SMILES strings。請推薦一個 molfeat featurizer，並說明主要取捨。
建置批次管線
為 50,000 個 SMILES 建立 molfeat 批次特徵化計畫，包含無效分子處理和可重現的設定檔。
比較模型特徵
針對我的迴歸任務比較 ECFP、MACCS、RDKit descriptors、Mordred 和 ChemBERTa。請包含驗證和執行時間考量。
設計篩選工作流程
使用 molfeat 設計虛擬篩選工作流程。比較 ECFP、MAP4 和 ChemBERTa，然後定義評估指標與快取策略。
最佳實務
- 先從快速指紋開始，再加入較慢的預訓練嵌入。
- 儲存特徵化器設定和相依套件版本，以便進行可重現實驗。
- 在訓練模型前驗證分子輸入，並追蹤失敗的 SMILES。
避免
- 不要在不同的訓練和測試切分上比較特徵化器。
- 不要忽略無效分子而不記錄失敗數量。
- 不要在測試簡單基準模型前就使用昂貴的預訓練模型。
常見問題
molfeat 用於什麼？
它會將分子結構轉換為數值特徵，用於機器學習和化學資訊學工作流程。
此技能可以協助 QSAR 模型嗎？
可以。它涵蓋 QSAR 任務的特徵選擇、批次特徵化和 scikit-learn pipeline 整合。
它支援預訓練分子模型嗎？
可以。它會參考 ChemBERTa、ChemGPT、GIN、Graphormer 和其他預訓練 molfeat transformers。
此技能會自動執行 molfeat 嗎？
不會。它提供指引和範例，供使用者在自己的 Python 環境中套用。
molfeat 通常需要哪些輸入？
大多數工作流程會使用 SMILES strings 或 RDKit molecule objects 作為輸入。
這足以用於受監管的模型決策嗎？
不夠。仍然需要科學驗證、資料治理和專家審查。
開發者詳細資訊
作者
davila7授權
MIT
Skillstore 修訂
r2
版本提示
作者未聲明版本。
引用
c43861a65bb95efcae259cd161c9d6f4dc7eec6f
維護新鮮度
2026/7/26
使用量
6 次下載 · 209 次瀏覽
檔案結構
davila7 的更多技能
查看全部📦
content-creator
87建立 SEO 就緒的行銷內容
行銷團隊需要符合品牌語氣與搜尋目標的清晰內容。此技能提供範本、分析腳本與平台指引，協助可重複的內容製作。
寫作與內容 查看
📦
treatment-plans
86建立結構化醫療治療計畫
臨床治療計畫往往會變得不一致、冗長或難以審查。此技能提供聚焦的範本、可衡量的目標、時程，以及本機品質檢查。
文件 查看
📦
clinical-reports
86建立結構化臨床報告
臨床團隊需要符合醫療與法規標準的清晰報告。此技能提供範本、檢查清單與驗證指引，適用於病例報告、診斷、試驗與病人紀錄。
文件 查看
📦
exploratory-data-analysis
85分析科學資料檔案
科學資料檔案很難檢查，因為每種格式儲存結構與中繼資料的方式都不同。此技能會偵測格式、剖析資料品質，並建立實用的 Markdown EDA 報告。
資料與分析 查看
📦
diffdock
85執行 DiffDock 分子對接工作流程
分子對接設定常因輸入、參數與信心分數難以對齊而失敗。此技能會引導 DiffDock 工作流程，從準備到結果檢閱。
研究與學習 查看
相關技能
查看全部📦
senior-data-scientist
81設計資料科學實驗與模型
由 alirezarezvani
當實驗、特徵和模型缺乏清楚的統計結構時，資料科學專案往往會失敗。這項技能為 Claude、Codex 和 Claude Code 提供實驗設計、特徵工程和模型審查的引導式工作流程。
資料與分析 查看
📦
data-orchestrator
79協調資料管線與品質檢查
由 Brownbull
當擷取、特徵、品質與報告各自分開規劃時，資料管線工作可能變得不一致。此技能會圍繞管線脈絡、品質關卡、資料 lineage 與交接來組織資料任務。
資料與分析 查看
📦
machine-learning
77建構機器學習管線
由 89jobrien
當資料、指標與部署選擇不明確時，機器學習專案就容易失敗。此技能為模型規劃、前處理、評估與 MLOps 提供結構化指引。
資料與分析 查看
📦
chembl-database
76查詢 ChEMBL 藥物探索資料
由 K-Dense-AI
藥物探索團隊需要可靠地存取化合物、標靶與生物活性記錄。此技能會引導 Claude、Codex 和 Claude Code 完成 ChEMBL 搜尋、篩選與分析工作流程。
資料與分析 查看
📦
zinc-database
73搜尋 ZINC 化合物
由 K-Dense-AI
藥物探索團隊需要快速存取可購買化合物與可直接用於分子對接的結構。此技能會引導 Claude、Codex 和 Claude Code 完成 ZINC 搜尋、API 查詢與結構下載工作流程。
資料與分析 查看
📦
datamol
67使用 Datamol 和 RDKit 分析分子
由 K-Dense-AI
使用原始 RDKit API 組裝化學資訊學工作流程可能很慢。此技能會引導使用 Datamol 執行解析、描述符、指紋、視覺化、構象體和反應等任務。
資料與分析 查看