Menu
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。
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
| name | onescience-modelscope-publish |
| description | 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。 |
| type | executor |
本技能负责将论文复现后的模型产物按 ModelScope（魔搭）仓库规范重组为标准目录结构，引导用户推送模型。不执行 modelscope upload 命令本身。
onescience-orchestrator 调用，接收标准化输入，返回标准化输出。pack_handoff:
source_dir: <论文复现产物根目录（绝对路径）>
model_name: <ModelScope 上的模型名称，如 "MARIO">
target_dir: <目标输出目录，可选，默认为当前工作目录>
modelscope_org: <ModelScope 组织名，可选，默认为 "OneScience">
execution_result:
skill: onescience-modelscope-publish
status: <success | partial | failed>
artifacts:
target_dir: <目标目录绝对路径>
directories_created: [model, weight, scripts, conf]
files_copied_count: <归类复制的文件总数>
files_excluded_count: <排除的文件总数>
files_by_category:
model: <归入 model/ 的文件列表>
weight: <归入 weight/ 的文件列表>
scripts: <归入 scripts/ 的文件列表>
conf: <归入 conf/ 的文件列表>
excluded: <排除（未复制）的文件列表>
templates_generated: [configurations.json, README.md]
observation:
empty_directories: [<内容为空的子目录名称列表>]
warnings: [<告警信息列表>]
script_availability:
train: <found | missing>
inference: <found | missing>
evaluation: <found | missing>
upload_command: "modelscope upload {org}/{model_name} {model_name} --token ***"
notes: <补充说明>
source_dir 是否存在且为有效目录路径。
status=failed，提示用户确认产物目录路径。source_dir 是否有可访问的文件。
status=failed，提示用户确认产物目录是否包含文件。model_name 为空，尝试从 source_dir 的父目录名推断，若仍无法推断，询问用户指定。source_dir 下的所有文件（排除隐藏文件和 .ipynb_checkpoints/）。| 扩展名 | 目标子目录 | 匹配条件 |
|---|---|---|
.py | model/ | 文件名含：model、net、module、nn、backbone、unet、encoder、decoder、layer、block、attention、transformer、resnet、vgg、densenet、lstm、gru、gan、diffusion、embedding、activation、normalization、conv、pooling、head、neck |
.py | scripts/ | 文件名含：train、infer、eval、test、preprocess、run、main、demo、predict、deploy、serve、download、setup、install、convert、export、benchmark、profile |
.py | model/ | 其他 .py 文件默认归入 model/ |
.pth, .pt, .ckpt, .safetensors, .bin, .h5, .keras, .onnx, .pb, .pkl, .joblib, .weights | weight/ | 模型权重文件 |
.yaml, .yml, .json, .toml, .ini, .cfg, .conf, .config | conf/ | 配置文件（排除根目录的 configurations.json） |
.sh, .bash, .bat, .ps1 | scripts/ | Shell 脚本 |
.ipynb | scripts/ | Jupyter Notebook |
.log, .csv, .tsv, .npy, .npz, .png, .jpg, .jpeg, .pdf, .tar, .gz, .zip, .pickle, .data, .db, .sqlite, .txt, .md, .pkl（非权重类）、.gitattributes、.gitignore | 排除 | 与模型配置/权重/训练测试脚本无关的文件，不放入目标目录 |
{target_dir}/{model_name}/。
target_dir 未指定，使用当前工作目录。model/、weight/、scripts/、conf/。检查以下四个核心目录是否包含文件：
target_dir/model/target_dir/weight/target_dir/scripts/target_dir/conf/若某个目录为空（无任何文件），输出以下格式的告警信息：
⚠️ 警告：{子目录名称} 文件夹下内容为空。
原因：源产物目录中未找到可归类到 {子目录名称}/ 的文件。
建议：请确认是否需要补充 {对应的文件类型} 后再推送。
空目录告警不阻断流程，仅记录在 observation.warnings 和 observation.empty_directories 中。
若所有核心目录均为空，设置 status=partial；否则为 success。
在目标根目录（{target_dir}/{model_name}/）生成以下文件：
configurations.json（魔搭模型身份证骨架）{
"framework": "请根据模型填写，如 PyTorch / TensorFlow / PaddlePaddle",
"task": "请根据模型填写任务类型",
"allow_remote": true,
"model": {
"type": "请填写魔搭平台识别的模型类型",
"repo_id": "OneScience/{model_name}"
},
"pipeline": {
"type": "请填写魔搭 pipeline 类型"
},
"preprocessor": {},
"train": {}
}
README.md（模型卡片页）README.md 基于 references/template_README.md 的结构生成，并根据 source_dir 扫描结果填充实际内容。生成策略如下：
第一步：扫描 source_dir 收集填充素材
在阶段二文件分类完成后，汇总以下信息：
model/ 的文件名列表（推断模型架构类型）scripts/ 的文件名列表（识别训练/推理/评估入口脚本）weight/ 的文件名列表及文件大小conf/ 的配置文件名列表.pth/.pt/.safetensors，框架为 PyTorch；若含 .h5/.keras，框架为 TensorFlow/Keras；默认 PyTorchsource_dir 中是否存在论文引用文件（.pdf 文件名、README.md 中的论文标题/链接等）第二步半：命令可用性检查（在生成 README 命令前执行，静态文件存在性检查）
对于 README 中即将生成的 python scripts/{script_name} 类运行命令，必须先验证目标脚本是否实际存在于 target_dir/scripts/ 目录中，确保生成的命令可执行。
列出 target_dir/scripts/ 目录下所有实际存在的文件名（不含路径前缀），记为 available_scripts。
对以下三类命令，分别检查对应的脚本文件：
available_scripts 中是否存在文件名匹配 train 或 run 关键字的 .py 或 .sh 文件available_scripts 中是否存在文件名匹配 infer 或 predict 关键字的 .py 或 .sh 文件available_scripts 中是否存在文件名匹配 eval 或 test 关键字的 .py 或 .sh 文件检查规则：
python scripts/train.py<!-- 训练脚本未在 scripts/ 目录中找到，请补充 -->此检查仅验证文件是否存在于目标目录，不验证语法正确性、依赖完整性和运行时行为（这些属于用户职责）。
检查结果写入 observation.script_availability：
observation:
script_availability:
train: <found | missing>
inference: <found | missing>
evaluation: <found | missing>
第三步：按章节构造 README.md
直接输出 Markdown 格式内容，不使用模板变量（除 {model_name}、{modelscope_org} 外）。各章节填充规则：
| 章节 | 填充策略 |
|---|---|
| Frontmatter | 使用 license: Apache License 2.0；tasks 字段根据 scripts/ 中检测到的脚本类型填入（如 [train, inference, evaluation]），无法确定时使用 - 请根据模型填写任务类型；frameworks 根据检测到的框架类型填入；language 固定 [en, zh]；tags 固定含 OneScience，并进行关键词补充；datasets 若 source_dir 中有明确数据集引用则填入，否则使用 - 请填写训练数据集 |
| 模型名称居中标题 | <p align="center"><strong><span style="font-size: 30px;">{model_name}</span></strong></p> |
| # 模型介绍 | 若 source_dir 中存在 README.md 且含论文描述，提取并改写为模型介绍简介；否则填写 （请在此处描述模型的背景、论文来源和应用场景） |
| # 模型描述 | 列出 model/ 中的主要模型文件（如 model.py、net.py 等），根据文件名关键词推测架构类型（如含 transformer → "Transformer 架构"），以列表形式呈现；若 model/ 为空则填写通用占位 |
| # 适用场景 | 根据 scripts/ 中检测到的脚本生成场景表格，格式：` |
| # 使用说明 → OneCode 使用 | 保留模板中的固定内容 |
| # 使用说明 → 手动安装使用 → 硬件要求 | 保留模板中的 GPU/DCU/CPU 说明 |
| # 使用说明 → 手动安装使用 → 下载模型包 | 将模板中的 modelscope download --model OneScience/Template 替换为 modelscope download --model {modelscope_org}/{model_name} |
| # 使用说明 → 手动安装使用 → 安装运行环境 | 保留 DCU/GPU 的 conda + pip 安装命令 |
| # 使用说明 → 手动安装使用 → 训练数据介绍 | 若 source_dir 中有数据集相关信息（文件名、路径引用等），生成具体的下载说明；否则保留占位 （请在此处说明训练数据来源和获取方式） |
| # 使用说明 → 手动安装使用 → 训练 | 基于第二步半的检查结果：若 script_availability.train == found，生成实际命令（如 python scripts/train.py）；若为 missing，用 HTML 注释标注 <!-- 训练脚本未在 scripts/ 目录中找到，请补充 -->，不生成不可执行的命令 |
| # 使用说明 → 手动安装使用 → 训练权重 | 若 weight/ 非空，列出权重文件清单；否则填写"即将上传" |
| # 使用说明 → 手动安装使用 → 推理 | 基于第二步半的检查结果：若 script_availability.inference == found，生成实际命令；若为 missing，用 HTML 注释标注 <!-- 推理脚本未在 scripts/ 目录中找到，请补充 --> |
| # 使用说明 → 手动安装使用 → 评估和可视化 | 基于第二步半的检查结果：若 script_availability.evaluation == found，生成实际命令；若为 missing，用 HTML 注释标注 <!-- 评估脚本未在 scripts/ 目录中找到，请补充 --> |
| # OneScience 官方信息 | 保留模板中的 Gitee/GitHub 链接表格 |
| # 引用与许可证 | 若 source_dir 中有明确论文引用（标题、链接），提取并填写；否则填写 （请在此处填写论文引用信息） |
第四步：关键原则
（请填写...），确保用户知道需要补充在所有检查完成后，输出以下信息：
模型产物已重组完成，目标目录：{target_dir_absolute}
目录结构概览：
model/ - {file_count} 个文件
weight/ - {file_count} 个文件
scripts/ - {file_count} 个文件
conf/ - {file_count} 个文件
(已排除) - {file_count} 个文件（日志/数据/临时文件等，未复制到目标目录）
{如果有空目录告警，在此显示}
模板文件已生成：
- configurations.json（魔搭模型身份证骨架，需手动补充模型信息）
- README.md（模型卡片页）
使用以下命令将模型推送到 ModelScope：
modelscope upload {org}/{model_name} {model_name} --token ***
modelscope upload 命令格式：
{org}：由 modelscope_org 参数指定，默认 OneScience{model_name}：由 model_name 参数指定--token ***：token 占位符，提示用户替换为自己的 ModelScope access token.py 文件根据文件名关键词进行二次分类：
归类到 model/ 的关键词（模型结构/网络定义类）：
model、net、module、nn、backbone、unet、encoder、decoder、layer、block、attention、transformer、resnet、vgg、densenet、lstm、gru、gan、diffusion、embedding、activation、normalization、conv、pooling、head、neck
归类到 scripts/ 的关键词（脚本/入口类）：
train、infer、eval、test、preprocess、run、main、demo、predict、deploy、serve、download、setup、install、convert、export、benchmark、profile
默认规则：未匹配以上关键词的 .py 文件默认归入 model/。
以下类型文件与模型配置、权重、训练/测试脚本无关，直接排除，不放入目标目录：
| 排除项 | 说明 |
|---|---|
.log | 训练/运行日志文件 |
.csv, .tsv | 数据表格文件（如训练日志导出的 loss/accuracy 记录） |
.npy, .npz | NumPy 数据文件（训练/测试用的中间数据） |
.png, .jpg, .jpeg, .pdf | 图片/文档文件（如可视化图表、论文 PDF） |
.tar, .gz, .zip | 压缩归档文件 |
.pickle, .data, .db, .sqlite | 序列化数据/数据库文件 |
.pkl（非权重类） | 非模型权重的 pickle 文件（需结合文件名判断） |
.txt | 文本文件（如日志、notes、requirements 等） |
.md | Markdown 文档文件 |
gitattributes（无前置点） | 无前置点的 gitattributes 不被 git 识别为配置文件，属误生成文件，应删除。仅 .gitattributes（带点）有效。 |
例外：
.pkl若为模型权重文件（文件名含weight/model等关键词）仍归入weight/。
核心检查目录：model/、weight/、scripts/、conf/
检查时机：文件复制完成后、模板文件生成前
判定标准：目录下不含任何文件（空目录递归扫描，忽略子目录）
告警格式：
⚠️ 警告：{dir_name}/ 文件夹下内容为空。 原因：源产物目录中未找到可归类到 {dir_name}/ 的文件。 建议：请确认是否需要补充{对应文件类型}后再推送。
model/ 空 → 提示"模型结构代码文件"weight/ 空 → 提示"模型权重文件（.pth/.ckpt/.safetensors 等）"scripts/ 空 → 提示"训练/推理脚本文件"conf/ 空 → 提示"配置文件（.yaml/.json 等）"执行完成后必须返回标准化的 execution_result（符合"输入输出接口"章节定义），包含：
status：success（所有核心目录非空）、partial（存在空核心目录）、failed（source_dir 不可用或无文件）artifacts：包含目标目录路径、创建的子目录列表、文件分类统计和生成的模板文件列表observation：包含空目录列表、告警信息和上传命令字符串notes：补充说明（如分类过程中的特殊情况）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。
【统一运行与基础诊断技能】按 discover、preflight、execute、diagnose 固定闭环执行测试任务，依据 onescience.json 的 execution_profile 三元组路由执行通道；SCnet 提交任务时必须读取根级 onescience.json.scnet 并把 region、partition/queue、work_dir 和资源参数交给 scnet-chat；配置问题自动委托 onescience-runsite 补齐后回到 runtime 继续原测试任务，环境问题自动委托 onescience-installer 安装或修复并 verify 成功后回到 runtime 继续原测试任务；当 execution_mode 为 slurm 且提交或运行反馈表明 partition、gpus_per_node、memory 等资源不可用时，探测可用 SLURM 资源并受控调整后重试。