Token导航 LogoToken导航TokenDH.com
中转站排行榜
待分类只读github未标认证来源可访问许可证需确认审计未展示

surface_tension_predictor（表面张力预测器）

Agent Skill

surface_tension_predictor 用于处理 GitHub 仓库、Issue、Pull Request 和代码协作信息，适合在 Codex、Claude、Cursor、Gemini CLI 中需要围绕仓库状态、代码变更或协作事项进行整理时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态，以及是否会触发联网、命令执行或文件读写。

总安装

214

周安装

9

GitHub Stars

44

下载量

75
CodexClaudeCursorGemini CLI

安装说明

本站只整理中文说明和来源信息，不托管安装包，也不代用户安装。

GitHub

来源数

2

许可证

unknown

最后核验

2026-05-01

来源状态

来源可访问

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手，先确认命令和权限，再让它执行。

请帮我安装这个 Agent Skill：surface_tension_predictor（表面张力预测器）
来源仓库：https://github.com/internscience/chemclaw
仓库路径：skills/surface_tension_predictor
安装命令：
npx skills add https://github.com/internscience/chemclaw --skill surface_tension_predictor
安装前请先检查当前环境是否支持对应 CLI，并向我确认将要执行的命令、安装目录、联网范围和文件读写权限；确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 npx skills 从第三方来源获取 Skill；本站只展示命令，不托管安装包，也不自动执行。

skills.shnpx skills
npx skills add https://github.com/internscience/chemclaw --skill surface_tension_predictor

简介

surface_tension_predictor 用于处理 GitHub 仓库、Issue、Pull Request 和代码协作信息。

  • 适合在 Codex、Claude、Cursor、Gemini CLI 中围绕仓库状态、代码变更或协作事项进行整理。
  • 通过 npx skills add 命令从指定 GitHub 仓库安装，需确认权限与维护状态。
  • 使用前应核实是否会触发联网、命令执行或文件读写操作。
  • 建议结合原始 README 核验具体用法和功能边界。

SKILL.md

Surface Tension Predictor

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。

核心定位

本 skill 当前的定位是：

  • 一个 工程上可运行 的表面张力相关预测 skill
  • 一个支持 OpenClaw 调用 的结构-性质预测组件
  • 一个包含：

- 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：

  • 通用小分子纯液体表面张力预测器
  • 任意温度下真实表面张力预测模型
  • 已完成科学验证的最终正式模型

其中，public_joblib 后端更准确的理解应为：

  • 公开 surfactant 任务相关模型的接入与参考推理后端
  • 输出值主要用于：

- 公开模型接入验证 - 工程联调 - 与 baseline 对照 - 在相近任务设定下做参考输出

适用场景

当用户有以下需求时，适合调用本 skill：

  • 希望基于 SMILES 获得一个表面张力相关参考值
  • 希望比较多个分子在当前模型下的相对输出差异
  • 希望测试某个分子在 surfactant 相关公开模型上的推理结果
  • 希望验证 OpenClaw 中表面张力相关 skill 的联调链路
  • 希望对比 baseline 与 public_joblib 的输出差异
  • 希望把表面张力相关预测能力接入本地化工作流

不建议的使用方式

以下场景下，不应直接把当前结果解释为真实物性结论：

  • 将 public_joblib 输出直接视为普通小分子纯液体的真实表面张力
  • 将结果用于声称“任意温度下的表面张力预测”
  • 将当前输出当作已完成严格实验校准的最终数值
  • 对明显不属于 surfactant 任务分布的分子做过强解释

当前支持的后端

本 skill 当前支持两个后端：

1）baseline

用途

  • 本地基线预测
  • 工程联调
  • 轻量、本地、低依赖运行
  • 在无公开模型环境下给出一个可返回结果

原理

  • RDKit 解析分子
  • 计算少量二维分子描述符
  • 使用启发式经验公式得到估算值

特点

  • 本地稳定可跑
  • 适合作为工程基线
  • 不依赖公开模型文件
  • 更适合联调、快速测试和占位输出

局限

  • 不属于正式训练模型
  • 预测值是启发式工程估算
  • 不应过度解释其物理意义

2）public_joblib

用途

  • 接入公开训练模型
  • 验证公开模型推理链路
  • 作为与 baseline 对照的参考后端
  • 提供 surfactant 任务相关的表面张力参考输出

原理

  • RDKit 解析分子
  • 计算 Mordred 描述符
  • 根据 linear_SurfaceTension.joblib_parameters 提取并排序特征
  • 使用 linear_SurfaceTension.joblib 中的预测器对象进行预测

当前已确认

  • 预测器对象类型为 PLSRegression
  • 特征维度为 130
  • 已在本地推理成功
  • 部分分子会出现一定数量的缺失描述符
  • 当前实现已对齐上游 properties_prediction.py 的核心推理逻辑

更准确的语义

public_joblib 后端当前应理解为：

  • 公开 surfactant 模型的接入版
  • 参考后端
  • 不是通用纯液体小分子表面张力最终模型

输入形式

本 skill 当前支持以下输入形式：

  • 单个 SMILES 字符串
  • 分子名称 + SMILES
  • 可扩展为批量 JSON 输入（若脚本实现中已支持）

推荐输入字段：

  • smiles
  • 可选 name

若脚本版本已支持，也可接收：

  • temperature_c

但需要注意：

  • 当前 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
  • 因此不能把结果解释为温度显式建模结果

输出字段

主要输出字段

  • 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_prediction

通用字段

  • unit
  • model_source
  • canonical_smiles
  • status

baseline 后端常见附加字段

  • descriptor_summary
  • 或其他基础描述符字段

public_joblib 后端常见附加字段

  • model_path
  • params_path
  • feature_count
  • missing_feature_count
  • missing_feature_ratio
  • missing_features
  • loaded_object_summary
  • params_summary
  • predictor_type
  • preprocess_style
  • applicability_warning
  • domain_risk_level

结果解释建议

baseline 结果

更适合解释为：

  • 工程启发式基线输出
  • 快速粗略估算值
  • 用于本地联调与占位参考

public_joblib 结果

更适合解释为：

  • 公开 surfactant 任务模型下的参考输出
  • 在当前特征空间与公开模型链路中的推理值
  • 用于模型接入验证、相对比较和参考对照

不建议直接解释为：

  • 普通小分子纯液体在标准条件下的真实表面张力

当前环境约定

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：

1）baseline 环境

.venv

适合场景

01

用户想查找某类 Agent Skill 时

02

需要根据任务场景推荐可安装能力包时

03

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明，方便继续核验

安装后应在对应宿主中按原始 README 的触发条件使用；具体调用方式请以来源页面和 README 为准。

平台分布

Codex

35.48%
按下载量换算27

Claude

28.68%
按下载量换算22

Cursor

19.14%
按下载量换算14

Gemini CLI

8.57%
按下载量换算6

安全审计

暂无安全审计结果可展示。

权限和风险

只读

该 Skill 主要提供规则、说明或参考内容，本身偏只读；真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

安装前确认

本站仅展示第三方公开信息，不托管安装包，不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。当前只有一个来源，正式发布前建议补源仓库或其他目录站核验。

来源信息

GitHub 仓库

github.com

/internscience/chemclaw

SKILL.md 来源

github.com

/internscience/chemclaw/tree/main/skills/surface_tension_predictor

skills-sh

skills.sh

/internscience/chemclaw/surface_tension_predictor

继续浏览同类 Skills

更多待分类 Skills（11,209）返回 Skills 目录

上一个 Skill

suppression-logic（抑制逻辑）

suppression-logic 用于处理 GitHub 仓库、Issue、Pull Request 和代码协作信息，适合在 Codex、Claude、Cursor、Gemini CLI 中需要围绕仓库状态、代码变更或协作事项进行整理时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态，以及是否会触发联网、命令执行或文件读写。

下一个 Skill

surge-manager（激增经理）

surge-manager 用于处理 GitHub 仓库、Issue、Pull Request 和代码协作信息，适合在 Codex、Claude、Cursor、Gemini CLI 中需要围绕仓库状态、代码变更或协作事项进行整理时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态，以及是否会触发联网、命令执行或文件读写。