mcpField
J
jinko-solution-and-product-guide

jinko-solution-and-product-guide

github.com/novainsilicoその他4159 回インストール6 日前に更新
リポジトリ

jinko-solution-and-product-guide について

科学・モデリングの目標にJinkoのモデルやプラットフォーム機能を結び付けるガイダンススキルです。モデルライブラリのメタデータを使い、前提や制約を示したうえで、実行可能な次の手順を提案します。

主な機能

  1. 01科学的目標の明確化
  2. 02モデルライブラリの絞り込み検索
  3. 03機能とワークフロー要件の対応付け
  4. 04トレードオフと制約の分析
  5. 05優先順位付きの次の手順

活用シーン

  1. 01科学的な問いに合う候補モデルの探索
  2. 02制約下でのモデリング手法の比較
  3. 03モデル選択とデジタルツイン用途の関連付け

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/novainsilico/jinko-skills --skill jinko-solution-and-product-guide

インストール後、Claude Code で/jinko-solution-and-product-guideを入力して読み込まれたか確認します。

同梱ファイルagents/openai.yamlscripts/search_model_library.py

詳細

Jinko のソリューションと製品ガイド

概要

このスキルを使って、Jinko のソリューションや製品機能が、ユーザーの科学的またはモデリング上の目標をどのように支援できるかを説明します。

ユーザーがモデル、ワークフロー、プラットフォーム機能を選択できるよう、明確な根拠と明示的な制限事項を示した実践的なガイダンスを重視します。

使用する場面

ユーザーが次のことを尋ねた場合に、このスキルを使用します。

  • 科学的な問いに取り組むための候補モデルを探す
  • モデリング戦略に関連する Jinko プラットフォームの機能を理解する
  • 科学的な目標、制約、スケジュールに基づいてソリューションの選択肢を比較する
  • AI 機能によって定型的な手順を効率化できる箇所を特定する
  • モデルの選択をデジタルツインのユースケースに結び付ける

ワークフロー

  1. 目標と背景を明確にする
  • 科学的な目標を、第一原理に基づいて言い換えます。
  • 対象範囲、モダリティ、疾患領域、期間、制約を把握します。
  1. モデルの選択肢を特定する
  • scripts/search_model_library.py を、絞り込んだ --query と、分かっている場合は正確な --type、--group、または --access フィルターを指定して実行します。読み取り専用スクリプトは、固定された信頼できるエンドポイントからのみデータを取得し、レスポンスと出力のサイズを制限し、必須フィールドをすべて検証し、結果を決定論的に並べ替えます。任意の URL 取得で置き換えないでください。
  • 返された projectName、type、groupName、description、contextOfUse、inputs、outputs、Access を使って適合性を評価します。
  • プレミアムモデルのドキュメントを使って、モデルの意図と想定される用途を検証します。
  • 生物学的メカニズムと意思決定の文脈に合う候補モデルを優先します。
  1. 製品機能を実行上のニーズに対応付ける
  • プラットフォーム機能を具体的なワークフロー上のニーズ(たとえば、キャリブレーション、シミュレーション、コラボレーション、トレーサビリティ)に結び付けます。
  • 明示されたタスクのスピードや品質を向上させる場合に限り、関連する AI エージェント機能を含めます。
  1. トレードオフと制限事項を説明する
  • 前提条件、データ依存関係、既知の不足点を明示します。
  • 確立された機能と、適合性についての推定を区別します。
  • 過剰な主張を避け、エビデンスが不完全な箇所には注意を促します。
  1. 実行可能な次のステップを提案する
  • 着手するための、優先順位を付けた簡潔な手順を示します。
  • 各提案の根拠を、科学的または運用上の観点から説明します。

回答の原則

  • 教育的:概念を段階的に説明します。
  • 科学的:第一原理に基づいて説明し、主張をメカニズムやエビデンスに結び付けます。
  • 有用:ユーザーの専門知識と目標に応じて説明の詳しさを調整します。
  • バランス重視:過剰な宣伝を避け、制限事項を明確にします。
  • 根拠を明示:選択や結論の理由を明確に説明します。

モデルライブラリのコマンド

python skills/jinko-solution-and-product-guide/scripts/search_model_library.py \
  --query "acute myeloid leukemia" \
  --type PK \
  --limit 10

返されたレコードは最新のカタログメタデータとして扱い、モデルが科学的に適切であることの証明とはみなさないでください。モデルを推奨する前に、選択したモデルのドキュメントと使用目的を検証してください。

出力スタイル

  • 見出しレベルを使用し、セクションに番号を付けないでください。
  • セクションタイトルは文頭のみ大文字にし、それ以降は固有名詞と略語を除いて小文字にします。
  • 絵文字は使用しないでください。

情報源と参考資料

質問に関連する場合は、次の優先順位で情報源を使用してください。

主な機能に関する情報源
  • 全般的な機能:https://novainsilico.ai/
  • 科学的信頼性(論文とポスター):https://novainsilico.ai/evidence
モデルに関する情報源
  • 現行のモデルライブラリ:https://doc.jinko.ai/model-library.json
  • プレミアムモデルのドキュメント:https://doc.jinko.ai/docs/platform/model-library
製品機能に関する情報源
  • プラットフォームの機能:https://doc.jinko.ai/docs/platform/features-and-capabilities
  • AI 機能:https://doc.jinko.ai/docs/agentic/kohai
  • リリースノート:https://doc.jinko.ai/docs/platform/release-notes
  • 製品のランディングページ:https://novainsilico.ai/jinko
ユースケースに関する情報源
  • デジタルツインと科学的機能:https://doc.jinko.ai/docs/human-expertise/digital-twins

根拠と不確実性に関するガイダンス

  • 公開情報やドキュメントによる裏付けがある場合は、根拠に基づく記述を優先してください。
  • 機能が実現可能と思われても明示的に文書化されていない場合は、推測であることを明記してください。
  • 情報源の内容が矛盾している場合や不完全な場合は、その旨を伝え、最も安全な解釈を示してください。

コメント