القائمة
预测小分子多种物化性质（沸点、折射率、密度、黏度、表面张力等），当前已真实接入 bamboo_mixer 单分子物性模型后端。
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
Extract structured chemical compound characterization data from chemistry supplementary material documents (PDF/Markdown). 从化学论文补充材料(PDF/Markdown)中提取结构化化合物表征数据。 Use when Kimi needs to extract compound properties including NMR spectra, HRMS, HPLC data, melting points, optical rotation, and yield information from chemistry research papers or supplementary materials. 支持提取NMR谱图、HRMS、HPLC数据、熔点、旋光度、产率等信息。 Supports both single compound extraction and batch extraction of all compounds. 支持单个化合物提取和批量提取所有化合物。
Convert Gaussian gjf input files to XYZ format. 将Gaussian gjf输入文件转换为XYZ格式。 Use when agent needs to convert molecular structure files from Gaussian input format (.gjf) to XYZ format for visualization or use with other computational chemistry software. 当智能体需要将Gaussian输入格式(.gjf)的分子结构文件转换为XYZ格式用于可视化或其他计算化学软件时使用。
Convert PDF files to Markdown using MinerU API. 使用MinerU API将PDF文件转换为Markdown格式。 Use when Kimi needs to extract structured text, images, tables, and formulas from PDF documents while preserving document layout and formatting. 适用于需要提取结构化文本、图片、表格和公式并保留文档布局的场景。 Supports batch conversion and outputs full.md with images/, JSON metadata, and other extracted assets. 支持批量转换，输出full.md、images/目录、JSON元数据等。 Now supports large PDFs (600+ pages) by automatic splitting and merging. 现已支持大文件(600+页)自动拆分和合并处理。
Extract DFT calculation coordinates from PDF files and generate Gaussian gjf files. 从PDF文件中提取DFT计算坐标并生成Gaussian gjf输入文件。 Supports batch processing with separate output folders for each PDF. 支持批量处理，每个PDF单独生成输出文件夹。
Predict and visualize MS/MS spectra from a single SMILES using the fioRa online app. Use when the user wants a mass spectrum, MGF/MSP output, or a plotted stick spectrum from SMILES, with optional custom Name, precursor type, collision energy, and instrument settings.
Predict liquid-phase ¹H and ¹³C NMR chemical shifts from a SMILES string using NMRNet (deep learning, SE(3)-Transformer). Outputs per-atom shift values (ppm) and Lorentzian-broadened spectrum PNG files.
| name | molecular_properties_predictor |
| description | 预测小分子多种物化性质（沸点、折射率、密度、黏度、表面张力等），当前已真实接入 bamboo_mixer 单分子物性模型后端。 |
| trigger | ["molecular properties","物性预测","熔点","沸点","折射率","介电常数","表面张力","密度","黏度","蒸气压"] |
该 skill 用于预测小分子多种物化性质。
当前版本通过 Bamboo-Mixer 单分子模型返回以下 11 个性质：
Tm：熔点（K）bp：沸点（K）nD：折射率（无单位）nD_liquid：液体折射率（无单位）dc：介电常数（无单位）ST：表面张力（mN/m）density：密度（g/cm^3）vis：黏度（cP）vapP：蒸气压（Pa）当用户有如下需求时适合调用：
smiles：必填name：可选temperature：可选，默认 25.0支持 JSON 列表输入，每项至少包含：
smilesname（可选）每个结果条目通常包含：
namesmilescanonical_smilesstatustemperature_celsiusbackend_usedmodel_sourcepropertiesproperty_unitsraw_backend_output本 skill 虽然输出 pka_a 和 pka_b 字段，但不推荐用于 pKa 预测。
推荐方案： 请使用专门的 pka-predictor skill 进行 pKa 预测。
原因：
| 对比项 | molecular-properties-predictor | pka-predictor |
|---|---|---|
| pKa 准确度 | 中等（误差 ~0.4 单位） | 高（误差 ~0.17 单位） |
| 后端 | Bamboo-Mixer 多任务模型 | Uni-pKa 专用模型 |
| 微观态处理 | 无 | 支持微观态枚举 + 自由能计算 |
| 输出详细度 | 仅返回数值 | 电荷态、去质子化方向、置信度等 |
示例：
# ❌ 不推荐：用本 skill 预测 pKa
python scripts/main_script.py --smiles "CC(=O)O" --name "乙酸"
# ✅ 推荐：用 pka-predictor 预测 pKa
cd ../pka-predictor && ./run_with_venv.sh --smiles "CC(=O)O" --name "乙酸" --backend unipka
本 skill 可预测表面张力 (ST)，但对于单一表面张力预测需求，推荐使用专门的 surface-tension-predictor skill。
推荐策略：
| 需求场景 | 推荐 Skill/后端 |
|---|---|
| 仅预测表面张力 | surface-tension-predictor |
| 表面张力 + 多种物性 | molecular-properties-predictor (Bamboo-Mixer) |
| 小分子 (<10 重原子) | surface-tension-predictor (baseline) |
| 大分子 (≥10 重原子) | surface-tension-predictor (public_joblib) |
原因：
| 对比项 | molecular-properties-predictor | surface-tension-predictor |
|---|---|---|
| 表面张力准确度 | 好（误差 ~5%） | 好（误差 ~5% baseline） |
| 后端 | Bamboo-Mixer 多任务模型 | baseline / public_joblib |
| 特征数 | 隐式描述符 | 8 个 (baseline) / 130 个 (public_joblib) |
| 灵活性 | 固定 11 个性质 | 可切换后端，针对表面张力优化 |
| 适用场景 | 多种物性一次性预测 | 单一表面张力预测 |
测试对比（苯甲酸）：
| Skill/后端 | 预测值 | 文献值 | 偏差 |
|---|---|---|---|
| surface-tension-predictor (baseline) | 41.63 mN/m | ~44 mN/m | -5.4% ✅ |
| molecular-properties-predictor (Bamboo) | 41.38 mN/m | ~44 mN/m | -5.9% ✅ |
| surface-tension-predictor (public_joblib) | 33.19 mN/m | ~44 mN/m | -24.6% ⚠️ |
示例：
# ✅ 推荐：仅预测表面张力，用 surface-tension-predictor
cd ../surface-tension-predictor
python scripts/main_script.py --smiles "O=C(O)c1ccccc1" --name "苯甲酸" --backend baseline
# ✅ 推荐：同时预测多种物性，用本 skill
cd ../molecular-properties-predictor
python scripts/main_script.py --smiles "O=C(O)c1ccccc1" --properties bp,ST,density
这是当前 skill 的真实模型后端，用于对接 Bamboo-Mixer 单分子物性模型。
当前版本已完成以下流程：
scripts/prepare_data/prepare_data.py --data_type monoscripts/test_results/mono.pyhf_bamboo_mixer/ckpts/mono/optimal.ptoutput_mono.jsonBAMBOO_MIXER_ADAPTER_PYBAMBOO_MIXER_REPOBAMBOO_MIXER_PYTHONBAMBOO_MIXER_MONO_CKPT推荐写法：
export BAMBOO_MIXER_ADAPTER_PY=scripts/adapters/bamboo_mixer_properties_adapter.py
export BAMBOO_MIXER_REPO=assets/bamboo_mixer
export BAMBOO_MIXER_PYTHON=assets/bamboo_mixer/.venv/bin/python
export BAMBOO_MIXER_MONO_CKPT=assets/bamboo_mixer/hf_bamboo_mixer/ckpts/mono/optimal.pt