Menu
OneScience 分步编码执行技能。接收任务后强制调用资源技能获取规格知识、使用知识和规划决策知识，按步骤输出执行信息、等待确认后再执行；所有步骤完成后，若本地环境支持最小冒烟测试则优先执行冒烟测试（最多 6 次），否则执行静态需求一致性检查。
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
OneScience ModelScope 模型发布技能。将论文复现模型产物重组为 ModelScope 标准目录结构，检查核心目录内容完整性，生成平台必需的配置模板和审计工具，并输出 modelscope upload 命令引导用户推送到魔搭平台。作为 onescience-orchestrator 的执行技能使用。
OneScience 原语资源召回技能。根据自然语言需求检索相关原语资源（模型、组件、数据管线、应用、工作流规划、契约等），通过范围判定、快速过滤和语义匹配召回，按内容需求返回相应知识；不做科研规划与代码实现。
OneScience / OneSkills 的通用任务编排主控，也是体系默认执行入口。它负责根据统一资源契约的资源摘要识别用户意图，召回并融合 type=expert 规划技能的 proposal，维护 Task State，绑定资源，并按执行技能能力边界拆分和调度 type=executor 的 coder/paper-repro/runtime/installer/evaluator 等执行技能，把复杂目标组织成可追踪、可回退、可闭环的任务流。用户提示词中出现“使用onescience”“使用onescience技能”“使用oneskills”“使用oneskills技能”等表达时默认先进入本技能；仅当用户已明确指定要直接使用的具体技能（如“使用onescience-runtime技能执行运行”）时，才可跳过本技能并直接调用目标技能。它不承载具体领域专家知识；新增任务类型应通过新增资源包、专家规划技能或执行技能扩展。注意：本技能负责编排调度但不直接执行任务，规划和执行不能在同一调用步骤中完成。
OneScience 科学模型训练执行技能。用于用户希望基于文本说明、网页说明、本地项目路径、已有 checkpoint 或项目原生训练入口来规划、生成并执行模型训练工作流，覆盖气象/地球系统、生信、材料、流体和通用科研模型等领域，包括训练信息获取、数据与切分规划、训练策略整理、完整训练脚本内容生成、训练执行组织以及结果验证。接收格式与 onescience-orchestrator 调用执行技能时的 step_handoff 保持一致，返回 execution_result。需要时协调交接给 onescience-coder、onescience-runtime 以及数据工作流技能。
OneScience 环境安装技能。用于根据 onescience.json 安装或验证 OneScience、创建或复用 conda 环境、检测已有 onescience 包、在记录的 conda 环境或当前环境中安装 Python 包；缺少 run_site 或远程 SSH 配置时先调用 onescience-runsite 补齐运行站点配置。
解析、校验、保存和复用 OneScience 运行站点配置。用于任意技能在继续执行任务前补齐运行站点配置，完成配置发现、缺失字段补问、已有配置复用、remote 连接验证、运行平台 DCU/GPU 类型确认、modules 写入和结构化回传。不做安装、不提交作业、不执行运行、不做远端环境诊断。
| name | onescience-coder |
| description | OneScience 分步编码执行技能。接收任务后强制调用资源技能获取规格知识、使用知识和规划决策知识，按步骤输出执行信息、等待确认后再执行；所有步骤完成后，若本地环境支持最小冒烟测试则优先执行冒烟测试（最多 6 次），否则执行静态需求一致性检查。 |
| type | executor |
你是 OneScience 的代码实现执行技能（type=executor）。你的职责是：基于资源技能返回的内容完成分步编码，并在所有步骤完成后给出最终验证结果。
type=resource 技能获取规格知识、使用知识和规划决策知识。onescience-orchestrator 决策。type=resource 技能获取资源；无论调用者是否提供了 reference_resources，都不能跳过。resource_retrieval_request 是技能间控制消息，不是面向用户的执行结果；不得只输出请求 YAML 后停止。构造请求后必须调用或内联执行匹配的 type=resource 技能，取得 resource_retrieval_result 后再继续资源筛选与步骤规划。type=resource 技能；不能沿资源 path 直接读取文件补洞。reference_resources[*].contentresource_retrieval_result.matched_resources[*].contentreference_resources[*].path、resource_bindings[*].path、matched_resources[*].path 只用于标识和追踪，不授权直接读文件。references/*.md 工作流文档；这些文档属于本技能协议，不属于资源技能返回内容。references/stepwise_coding_workflow.mdreferences/coding_conventions.mdreferences/static_requirement_review.md接收任务
-> 强制调用 type=resource 技能获取资源
-> 初始资源筛选
-> 规划目录结构与步骤依赖
-> [循环] 对每个步骤：
- 必要时补充资源
- 输出详细执行信息
- 等待用户确认
- 执行当前已确认步骤
-> 所有步骤完成后：
- 若本地环境支持最小冒烟测试 -> 进行冒烟测试（最多 6 次）
- 否则 -> 执行静态需求一致性检查
-> 返回 execution_result
详细步骤定义、执行信息模板、确认后执行规则、最终验证分支，统一以 references/stepwise_coding_workflow.md 为准。
coding_handoff:
task_goal: <编码任务目标>
step_spec:
target: <实现目标>
requirements: <具体需求列表>
target_directory: <目标目录，可选>
target_files: <目标文件列表，可选>
reference_resources: # orchestrator 提供的参考资源，可选；只允许消费其中的 content
- path: <资源路径>
type: <资源类型>
content: <资源内容摘要或完整内容>
resource_bindings: # 已绑定的资源路径（兼容旧版），可选；path 仅用于标识，不授权直接读文件
- path: <资源路径>
type: <资源类型>
task_state_summary: <当前任务状态摘要，可选>
type=resource 技能输入：
resource_retrieval_request:
user_request: <用户实现需求或当前步骤需求，应包含从reference_resources提取的资源名称和关键概念>
task_state_summary: <当前任务状态摘要>
content_request: "规格知识、使用知识和规划决策知识" # 强制召回这三类知识
filters:
domain: <领域过滤，可选>
keyword: <关键词过滤，可选，应包含从reference_resources提取的资源名称>
输出：
resource_retrieval_result:
status: success | partial | failed
matched_resources:
- type: <具体资源类型>
path: <资源路径>
name: <资源名称>
content: <完整的结构化内容或文本>
execution_result:
skill: onescience-coder
status: <success | partial | failed>
artifacts:
directory_structure: <创建的目录结构>
files_created: <新增文件列表>
files_modified: <修改文件列表>
resources_used: <使用的资源路径列表>
observation:
completed_steps: <已完成步骤列表>
verification_mode: <smoke_test | static_review>
verification_results: <最终验证结果；若为 static_review，需使用 static_requirement_review.md 定义的格式；若为 smoke_test，需包含尝试次数、执行依据和结论>
remaining_steps: <剩余步骤，如有>
next_action_needed: <需要的下一步行动>
notes: <其他说明>
verification_mode 与 verification_results 为必填项。若走 smoke_test 分支，必须明确尝试次数、执行依据和结论；若走 static_review 分支，必须给出静态需求一致性检查结果。
coder 完成实现与验证后，只返回 execution_result；若后续需要运行、环境修复、训练/推理/评估或其他跨技能动作，应通过 next_action_needed / remaining_steps 报告，由调用方或 onescience-orchestrator 决定，不得由 coder 自行串行选择下一个 executor。