InternScience
InternScience/ChemClaw
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/InternScience/ChemClaw --skill surface-tension-predictor命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
Extract structured chemical compound characterization data from chemistry supplementary material documents (PDF/Markdown). 从化学论文补充材料(PDF/Markdown)中提取结构化化合物表征数据。 Use when Kimi needs to extract compound properties including NMR spectra, HRMS, HPLC data, melting points, optical rotation, and yield information from chemistry research papers or supplementary materials. 支持提取NMR谱图、HRMS、HPLC数据、熔点、旋光度、产率等信息。 Supports both single compound extraction and batch extraction of all compounds. 支持单个化合物提取和批量提取所有化合物。
Convert Gaussian gjf input files to XYZ format. 将Gaussian gjf输入文件转换为XYZ格式。 Use when agent needs to convert molecular structure files from Gaussian input format (.gjf) to XYZ format for visualization or use with other computational chemistry software. 当智能体需要将Gaussian输入格式(.gjf)的分子结构文件转换为XYZ格式用于可视化或其他计算化学软件时使用。
Convert PDF files to Markdown using MinerU API. 使用MinerU API将PDF文件转换为Markdown格式。 Use when Kimi needs to extract structured text, images, tables, and formulas from PDF documents while preserving document layout and formatting. 适用于需要提取结构化文本、图片、表格和公式并保留文档布局的场景。 Supports batch conversion and outputs full.md with images/, JSON metadata, and other extracted assets. 支持批量转换，输出full.md、images/目录、JSON元数据等。 Now supports large PDFs (600+ pages) by automatic splitting and merging. 现已支持大文件(600+页)自动拆分和合并处理。
基于 SOC 职业分类
正在显示 SKILL.md
| name | surface_tension_predictor |
| description | 基于 SMILES 提供与 surfactant（表面活性剂）任务相关的表面张力参考预测，支持 baseline 启发式后端与 public_joblib 公开模型参考后端。 |
| trigger | ["surface tension","表面张力","界面张力","surfactant","表面活性剂","表面活性剂性质","mN/m","表面性质","PE-12"] |
该 skill 用于根据分子的 SMILES 输出与 surfactant（表面活性剂）任务相关 的表面张力参考预测结果。
本 skill 当前的定位是：
baseline 启发式工程基线public_joblib 公开 surfactant 模型参考后端
的双后端实现重要说明：
本 skill 当前不应被解释为：
其中，public_joblib 后端更准确的理解应为：
当用户有以下需求时，适合调用本 skill：
baseline 与 public_joblib 的输出差异以下场景下，不应直接把当前结果解释为真实物性结论：
public_joblib 输出直接视为普通小分子纯液体的真实表面张力本 skill 当前支持两个后端：
linear_SurfaceTension.joblib_parameters 提取并排序特征linear_SurfaceTension.joblib 中的预测器对象进行预测PLSRegression130properties_prediction.py 的核心推理逻辑public_joblib 后端当前应理解为：
本 skill 当前支持以下输入形式：
SMILES 字符串SMILES推荐输入字段：
smilesname若脚本版本已支持，也可接收：
temperature_c但需要注意：
public_joblib 后端即使接收温度参数，也不代表实际使用温度参与预测surface_tension_prediction如果当前实现中已加入更保守的语义字段，还可能包括：
surface_tension_reference_predictionunitmodel_sourcecanonical_smilesstatusdescriptor_summarymodel_pathparams_pathfeature_countmissing_feature_countmissing_feature_ratiomissing_featuresloaded_object_summaryparams_summarypredictor_typepreprocess_styleapplicability_warningdomain_risk_level更适合解释为：
更适合解释为：
不建议直接解释为：
由于公开模型后端存在 Python / sklearn 兼容要求，当前建议保留两套虚拟环境：
.venv