| name | find-science-skills |
| description | Use when a user asks which research Skill, MCP service, academic workflow, experimental tool, simulation capability, analysis resource, writing aid, or publication resource is available for a scientific task. |
Find Science Skill / MCP
把用户需求判断为“资源类型 × 领域 × 研究阶段 × 功能分工”，再调用静态目录筛选器。资源类型可选 skill、mcp 或 all；默认只查找 Skill，明确要求 MCP 时查 MCP，明确要求两者时才同时查找。宿主模型负责理解需求，脚本只做确定性分类过滤，不需要后端服务或 API 密钥。
工作流
- 首次使用或不确定合法分类时，读取分类与资源数量：
python scripts/filter_science_resources.py --list-dimensions
- 判断用户要找 Skill、MCP，还是两者都可以：
- 用户明确说“技能”“方法”“工作流”时使用
--resource skill。
- 用户明确说“MCP”“服务”“可连接工具”时使用
--resource mcp。
- 用户明确说“Skill 和 MCP”“两类资源”“都找”时使用
--resource all。
- 用户只描述科研任务、没有指定资源类型时使用默认的
--resource skill。
- 先判断领域和阶段，再查看该漏斗中实际存在的功能组：
python scripts/filter_science_resources.py \
--domain 生命科学 \
--stage 分析验证 \
--list-functions
分类固定为：
- 领域：9 个一级领域和 42 个二级领域，以目录返回值为准。
- 研究阶段：发现获取、构思设计、执行采集、分析验证、表达发表。
- 功能分工：检索获取、阅读提取、证据综合、问题构思、研究设计、流程规划、模拟建模、实验执行、数据采集、数据处理、分析推断、领域解释、验证评测、可视化、科研写作、引用管理、投稿评审。
- 确信主功能后使用严格筛选。多选参数可重复，也可用逗号分隔：
python scripts/filter_science_resources.py \
--resource mcp \
--domain 生命科学 \
--subdomain 生物信息学 \
--stage 分析验证 \
--function 数据处理 \
--strict-function \
--json
若功能边界仍不确定，去掉 --strict-function。脚本会保留同领域、同阶段候选，并把所选功能排在前面。
-
对候选做语义复核，不把脚本顺序当成相关性排名：
- 研究对象或数据类型必须直接匹配
summary 或 task；
- 请求的动作或产物也必须直接匹配；
- 两类证据缺一不可；最多推荐 5 项；
- 没有直接匹配时返回“目录未覆盖”或追问，不得用高分但无关的资源补位。
--json 默认保留语义选择所需字段；审计目录时可增加 --full。不要为某条查询或某个资源 ID 添加特殊规则。
判断规则
- 研究阶段按主要产物判断，功能按主要动作判断；agent、API、工具库和 workflow 只是实现形式。
- 不要选择当前领域和阶段下未返回的功能。需要的动作未出现时，检查相邻的实际功能组或向用户追问。
trusted 优先；provisional 需要核对来源；restricted 必须明确警示。可信状态和质量分只用于直接匹配候选之间的排序，不证明语义相关。- MCP 的目录记录只证明身份、科研适配和来源信息，不证明已经安装、可连接、运行可靠、安全或科研结论正确。
--resource all 必须保留每项的 resource_type，分别呈现 Skill 路径和 MCP canonical URL，不要把两类资源混成同一种能力。- 安装命令、传输方式、许可证等字段为空时直接说明“目录未记录”，不要猜测。
- 默认模式仍无结果时，说明领域或阶段没有覆盖，不要推荐跨领域或跨阶段的相似项。
回复用户
先说明识别出的资源类型、领域、阶段和功能，再列出最多 5 个直接匹配项。每项至少包含：
- 资源类型（Skill 或 MCP）、名称、匹配证据、主要用途、可信状态和一手来源；
- Skill 补充来源仓库和
SKILL.md 路径；
- MCP 补充 canonical URL，并仅在目录有记录时给出传输方式、安装方式和许可证。
没有直接匹配时明确说明缺口。结果较多时按二级领域、数据类型和工具约束继续筛选，但不要修改目录规则。
文件
data/science_skill_catalog.json：规范化 Skill 静态目录。data/science_mcp_catalog.json：从活动科研 MCP Hub 生成的紧凑静态目录。scripts/filter_science_resources.py：Skill/MCP 统一筛选器，仅依赖 Python 标准库。scripts/build_science_mcp_catalog.py：从活动 Hub 快照重建 MCP 静态目录。scripts/filter_science_skills.py：兼容旧调用的 Skill-only 筛选器。
