wisp-science

Configure the local wisp-science runtime — uv/Python bootstrap, Node+scimaster-cli for bear-* literature skills, pixi for bioinformatics multi-env analysis. Detect mainland-China network and apply mirrors. Use when Capabilities shows missing Python/uv/Node/sci/pixi, bootstrap errors, or the user asks to 配置环境 / install Python / uv / Node / pixi / set up the local environment. Not for remote GPU/SSH compute (use compute-env-setup).

Submit recoverable SSH-direct research Runs through Wisp's local control plane without blocking the conversation.

Use the InfiniSynapse CLI (`agent_infini`) for multi-turn AI data-analysis tasks, database/RAG context, and task workspace files. Use when the user mentions InfiniSynapse, agent_infini, database or RAG analysis, or asks to delegate analysis through InfiniSynapse.

Find, verify, and synthesize scientific literature — from "what's the seminal paper for X" through full multi-source reviews. Covers grounding claims in real retrieved sources, avoiding fabricated citations, handling retractions, and calibrating confidence to evidence strength.

给一句话或一段话，找出真实学术文献来反对它——相反结论、边界条件、替代解释、方法批评、复制失败。按威胁程度排序，每篇附一行"它如何威胁这个观点"和"怎么回应它"。底层走真实检索（scimaster-cli），绝不编造反例。 **以下情况请主动触发本技能**：用户想"提前挡住审稿人"、"找这个结论的反例"、"这个方向有没有争议"、"有没有跟这个相反的研究"、"帮我攻击这个论点"、"这个结论稳不稳"、"想知道有哪些反对意见"——即使用户没有说"bear-counter"，只要意图是**为一个观点寻找学术反对证据**，就使用本技能。bear-support 和 bear-counter 配对使用效果最好：对同一段话各跑一遍，就能同时看到正反两面。 不适用于：找支持文献（用 bear-support）、选题查重（用 bear-scoop）、概念地图（用 bear-map）、溯源演化史（用 bear-trace）。

给一个概念，从真实检索到的论文摘要里挖出它的邻近概念，画出以该概念为中心的知识地图——每个节点都锚定真实文献，不从记忆里补节点。同时输出 Mermaid 概念图（可在 Claude Code / GitHub / Obsidian 渲染）和可截图的独立 HTML 地图，再给 3–6 篇入门推荐。 **以下情况请主动触发本技能**：用户说"帮我画一张这个概念的知识地图"、"这个词周围有哪些相关概念"、"梳理一下这个方向的概念网络"、"给我一张概念图"、"这个领域的核心概念有哪些"、"知识地图"、"概念地图"、"map out this concept"、"draw a knowledge map of X"、"what concepts surround X"、"show me the concept network around this term"、"concept map for X"——即使用户没有说"bear-map"，只要意图是**以一个概念为中心，了解它周围的知识版图**，就使用本技能。 不适用于：为观点找支持文献（用 bear-support）、找反对文献（用 bear-counter）、选题查重（用 bear-scoop）、溯源演化史（用 bear-trace）。

给一个概念或领域，同时画出它的概念版图（空间：现在这个领域长什么样）和演化脉络（时间：这个领域是怎么走到今天的），在一份综合报告里帮你快速建立对一个陌生领域的立体认知。底层走真实检索（scimaster-cli），绝不编造引用。 **以下情况请主动触发本技能**：用户想"快速入门一个领域"、"搞懂这个方向"、"这个领域的核心概念和发展历史"、"帮我建立对这个方向的认知框架"——即使没有说"bear-onboard"，只要意图是**对一个陌生领域同时理解概念版图和演化脉络**，就使用本技能。 不适用于：只画概念地图（用 bear-map）、只做溯源（用 bear-trace）、为观点找文献（用 bear-support / bear-counter）、选题查重（用 bear-scoop）。

给一个研究 idea，依次执行撞车检测、安静区支撑检索、潜在挑战检索，在一份综合报告里呈现这个 idea 的立项前证据格局——撞车风险在哪、安静区里有没有文献支撑、最需要提前想清楚的挑战是什么。底层走真实检索（scimaster-cli），绝不编造引用。 **以下情况请主动触发本技能**：用户想"开题前评估一下"、"这个 idea 值不值得做"、"立项前做个全面的文献调研"、"帮我评估这个研究方向"——即使没有说"bear-propose"，只要意图是**在正式投入一个研究方向之前做综合评估**，就使用本技能。 不适用于：只查撞车（用 bear-scoop）、只找支持（用 bear-support）、只找反对（用 bear-counter）、概念地图（用 bear-map）、溯源演化史（用 bear-trace）。

给一个观点，同时检索支持它的文献和反对它的文献，在一份综合报告里呈现正反两侧的证据格局——支持侧最强证据是什么、反对侧最危险的挑战是什么、哪些角度有支持但无反对、哪些角度有反对但无支持。底层走真实检索（scimaster-cli），绝不编造引用。 **以下情况请主动触发本技能**：用户想同时看到"支持和反对"、"这个观点稳不稳"、"帮我做一个全面的论点评估"、"正反两面都找一找"——即使没有说"bear-review"，只要意图是**对一个观点做完整的证据格局分析**，就使用本技能。 不适用于：只找支持（用 bear-support）、只找反对（用 bear-counter）、选题查重（用 bear-scoop）、概念地图（用 bear-map）、溯源演化史（用 bear-trace）。

在你投入一个研究方向之前，先看看有谁已经在做同样的事。把 idea 拆成多个不同角度分别去检索，返回一张"邻近程度地图"，重点标出最危险的撞车候选。底层走真实检索（scimaster-cli），不做主观新颖性判断。 **以下情况请主动触发本技能**：用户说"这个选题有没有人做过"、"我会不会被抢发"、"这个方向还有空间吗"、"我的 idea 新不新"、"要不要查一下有没有撞车"、"这个想法是不是已经有人发了"——即使用户没有说"bear-scoop"，只要意图是**在提交或动笔前确认 idea 的独特性**，就使用本技能。加 `-r` flag 只看近两年和预印本，适合担心被抢发的场景。 不适用于：为已有观点找支持文献（用 bear-support）、找反对文献（用 bear-counter）、概念地图（用 bear-map）、溯源演化史（用 bear-trace）。

给一句话或一段话，找出真实学术文献来支持它，每篇文献附一行"它如何支撑这个观点"的说明。底层走真实检索（scimaster-cli），绝不从记忆编造引用——搜不到就如实说搜不到。 **以下情况请主动触发本技能**：用户想让某个观点"更有依据"、"更经得起质疑"、"加上文献支撑"、"找几篇论文"、"这个说法有没有研究"、"帮我查一下这个结论"、"审稿人会不会说没有引用"——即使用户没有说"bear-support"或"找文献"这几个字，只要意图是**为一个观点寻找学术支撑**，就使用本技能。 不适用于：找反对文献（用 bear-counter）、选题查重（用 bear-scoop）、概念地图（用 bear-map）、溯源演化史（用 bear-trace）。

给一个主题或一篇种子论文，向前挖掘它建立在哪些前驱工作上（逐层回溯），再向后补充最新进展，讲清楚这个问题从源头到现在是怎么演化的。底层走真实检索（scimaster-cli），每个节点都锚定真实检索到的论文。 **以下情况请主动触发本技能**：用户问"这个问题是怎么来的"、"帮我溯源这个方向"、"这个领域怎么发展的"、"这篇论文是建立在谁的基础上的"、"从头讲一下这个方向的历史"、"入门一个新领域想先了解演化脉络"——即使用户没有说"bear-trace"，只要意图是**理解一个研究问题或领域的来龙去脉**，就使用本技能。加 `-d N` 控制向前溯源的层数（默认 3 层）。 不适用于：为观点找支持文献（用 bear-support）、找反对文献（用 bear-counter）、选题查重（用 bear-scoop）、概念地图（用 bear-map）。

Set up a compute environment on a remote provider so wisp-science jobs can run there. Covers direct SSH/conda hosts, Slurm clusters, container-via-bridge runners, and managed-API providers (Modal, GCP, RunPod). Use when standing up a new provider, porting an env to a different backend, adding a tool that needs its own software stack, or wiring weight caches. Triggers on "new compute provider", "set up env on", "port env to", "build GPU image", "weight cache", "compute_details", "conda env on the box", "apptainer on slurm".

Create, configure, and maintain custom agent profiles and author new skills via the `repl` tool. Use when the user wants to create an agent profile, build a custom agent, modify agent capabilities, attach or detach skills/connectors on a profile, author a skill, or inspect which connectors and tools are available. Also use whenever you need the `host.agents.*` or `host.skills.*` Python SDK.

wisp-science's own session database schema and SDK surface for introspection via host.query(). Load this when you need to query your own conversation history, token usage, cost accounting, execution log, or artifact metadata beyond what host.frames()/host.artifacts() provide — e.g. "how many tokens has this session used", "what was my last tool call", "list every file I've written", "where are messages stored", "what tables can I query", "inspect frames.context_data", or any time you're about to PRAGMA-probe the wisp-science metadata DB to discover its schema.

Publication-grade figure correctness and legibility rules. Load before drawing any plot and call `apply_figure_style()` — sets a role-mapped font-size ladder, outward ticks, frameless legends, and 300-dpi output. The skill is a checklist, not a house look: data fidelity (claim-titles tested against every row, excluded data never enters summaries), label economy (floor and ceiling), colour threading, chart-choice-by-data-shape, layout, and a render-then-verify QA loop (bbox collision + per-panel perceptual check). Ships helpers: focal_palette, bar_with_points, strip_with_median, end_of_line_labels, panel_letter, set_frame, panel_crops. For multi-panel figures load `figure-composer`; for whole-paper figure arc load `paper-narrative`.