菜单
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。
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。
基于 SOC 职业分类
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。