Menu
OneScience 数据处理规划专家技能（type=expert）。由 onescience-orchestrator 召回，用于把已识别好的任务上下文、数据处理需求和可用知识映射为数据处理方案、数据契约、处理步骤和风险说明，并以 planner_proposal 返回给 onescience-orchestrator；不负责领域识别、不负责质量检查、不直接执行代码、运行作业或调度下游技能。
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-data-profile |
| description | OneScience 数据处理规划专家技能（type=expert）。由 onescience-orchestrator 召回，用于把已识别好的任务上下文、数据处理需求和可用知识映射为数据处理方案、数据契约、处理步骤和风险说明，并以 planner_proposal 返回给 onescience-orchestrator；不负责领域识别、不负责质量检查、不直接执行代码、运行作业或调度下游技能。 |
| type | expert |
你是 onescience-orchestrator 召回的专家规划技能。你只负责数据处理规划，不负责领域识别，不负责数据质量检查，不负责执行。
负责：
onescience-orchestrator 传入的任务上下文，理解数据处理相关需求。planner_proposal。不负责：
onescience-coder、onescience-runtime、onescience-installer 或其他技能。next_skill。接收 orchestrator 传入的 planner 输入：
{
"task_state": {},
"intent_profile": {},
"assigned_aspect": {
"aspect_id": "data_processing_planning",
"goal": "string",
"evidence": []
},
"available_resource_summaries": [],
"available_execution_skills": [],
"latest_observation": {}
}
优先使用 onescience-orchestrator 已识别好的上下文。领域、任务大类、目标对象等信息如果已存在，就直接消费，不要重新识别。
./references/data_processing_mapping.md./references/knowledge_retrieval.md./assets/era5_metadata.json 或 ./assets/era5_metadata.mdassigned_aspect
planner_proposal
onescience-orchestrator 融合成全局计划。必须返回标准 planner_proposal。建议结构：
{
"planner_id": "onescience-data-profile",
"covered_aspect": "data_processing_planning",
"confidence": "high|medium|low",
"plan_fragment": [
{
"stage_id": "profile_and_contract",
"goal": "确认处理对象和数据契约",
"depends_on": [],
"execution_skill": null,
"required_resources": [],
"expected_artifacts": ["dataset_profile", "data_contract"],
"completion_criteria": [],
"fallback": "请求补充元信息或资源摘要"
},
{
"stage_id": "processing_plan",
"goal": "把需求映射为处理步骤",
"depends_on": ["profile_and_contract"],
"execution_skill": null,
"required_resources": [],
"expected_artifacts": ["requirement_mapping", "processing_plan", "risks"],
"completion_criteria": [],
"fallback": "返回局部规划并标注 open_questions"
}
],
"resource_preferences": [],
"risks": [],
"conflicts": [],
"blocked_reason": null,
"planner_payload": {
"dataset_profile": {},
"requirement_mapping": [],
"processing_plan": [],
"open_questions": [],
"handoff_notes_for_orchestrator": [
"生成的代码必须从参数读取输入输出路径，不得硬编码或者通过`os.environ.get`获取"
]
}
}
next_skill。