关于 jinko-calibration-subsampling
jinko-calibration-subsampling 是使用 Jinkō SDK 从已完成试验的模拟 Vpop 中筛选患者、生成较小 Vpop 的技能。它提供设计诊断、目标设置和生成流程；不校准模型，也不创建新患者。
主要功能
- 01从已完成试验筛选患者
- 02按人口级目标创建抽样设计
- 03检查设计诊断后生成 Vpop
- 04检查生成结果并复用兼容设计
适用场景
- 01从试验模拟结果生成较小 Vpop
- 02按标量分布或人口目标设置筛选设计
- 03排查诊断错误并查看生成的 Vpop
安装
复制下面的命令，在终端中运行。
npx skills add https:/安装后在 Claude Code 中输入/jinko-calibration-subsampling确认已加载。
包含的文件
除 SKILL.md 外，安装时一起下载的参考资料和脚本。
agents/openai.yamlevals/evals.jsonreferences/creating-and-editing.mdgeneration-and-diagnostics.mdinspection.mdscalar-discovery-and-estimates.mdscripts.md详细介绍
Jinkō 子采样 SDK 工作流
| UI 文案 | API 项目项类型 | SDK 入口点 |
|---|---|---|
| 子采样设计 | SubsamplingDesign | trial.create_subsampling_design(...)、client.get_subsampling_design(...) |
| 子采样 Vpop | Vpop | design.generate_vpop(...) |
子采样会从已完成 Trial 中模拟的 Vpop 选择患者，生成一个派生的、更小的 Vpop，使所选人群尽可能符合指定的人群层级目标。
它既不会校准模型，也不会创建新患者。
使用 jinko-trial 创建、检查合理性并运行源 Trial，使用 jinko-vpop 检查生成的 Vpop。
科学层面的选择应由工作流或领域专家决定，而非此技能。
前提条件： 此技能需要已初始化的
jinko-sdk连接，并且 SDK 版本符合其metadata.requires_sdk范围。请运行jinko-sdk-setup技能 （../jinko-sdk-setup/SKILL.md），并仅在检查通过后继续。会话代码只能兑换一次，因此请在此技能自己的 SDK 进程启动前再次调用get_session_code。如果未找到该技能，请从novainsilico/jinko-skills安装。
标准流程
- 获取 Trial，要求
trial.status()["status"] == "completed"，然后检查trial.descriptors.scalars和trial.descriptors.categoricals；描述符 ID 和实验组必须取自此 Trial，不要根据显示标签猜测。 - 通过
trial.create_subsampling_design(...)使用筛选条件和人群目标创建SubsamplingDesign。 - 读取
design.diagnostics；存在错误时不要生成。 使用design.diagnostics.errors().explain()将错误与相应目标或筛选条件及其源 Trial 描述符关联起来。 - 调用
design.generate_vpop(...)并提供所有模拟退火选项。 返回的 Vpop 不可变。 - 通过
design.generated_vpops.list_with_details()检查生成的制品。 使用前，可通过design.set_trial(other_trial)将兼容的设计用于其他 Trial，或编辑其类型化组件，例如design.marginals。
标量发现与候选估计值
选择 Trial 标量或使用平台拟合的分布估计值前，请阅读 references/scalar-discovery-and-estimates.md。该文档区分描述符发现、每位患者的取值和候选目标形式，但不会替用户做出科学选择。
有关完整的 Python 流程及生成选项的含义，请阅读 references/generation-and-diagnostics.md。
类型化目标与编辑
- 数值筛选条件：使用
scalar.gte(18)等描述符构建器，或在创建后使用design.numeric_filters.create_gte(...)。 - 标量目标：使用
scalar.normal(...)、.uniform(...)、.weibull(...)，以及design.marginals.create_*/ 持久化句柄 setter。 - SDK 还支持其他目标接口：
design.categorical_filters、.categoricals、.correlations、.survivals、.summary_statistics和.observables。 使用前请阅读references/creating-and-editing.md。 - 较早的 UI 指南称不支持分类约束，而当前 SDK 提供类型化分类构建器和服务。 请将支持情况视为取决于后端和版本：创建设计，并要求诊断无错误后再生成。
仅在需要高级的完整切片替换时使用 design.edit(...)。
优先使用类型化子服务，以保留不可变 ID 和现有内容。
仅当描述符/实验组配对仍兼容时，才能将设计指向另一个 Trial；请使用 design.set_trial(...)，并再次验证诊断结果。
项目文件夹规范
建议使用 YYYY-MM-DD-<experiment> 文件夹，并通过 client.get_folder_by_name(name, exact_match_only=True) 重用名称完全匹配的文件夹。
只有在获得确认后，或脚本收到 --apply 时，才创建文件夹和远程项目项。
SDK 脚本
SDK 安装后，这些脚本会作为控制台脚本出现在 PATH 中，也可以按下方所示通过 python -m 运行。
jinko.cli.create_subsampling_design：试运行数值筛选器、正态标量边际分布和观测量的创建；使用--apply创建设计。jinko.cli.generate_subsampled_vpop：试运行生成计划；使用--apply检查诊断信息并创建 Vpop。jinko.cli.inspect_subsampling_design：打印设计内容、诊断信息、源 Trial，以及生成的 Vpop 选项／适应度，不会进行任何修改。
请阅读 references/scripts.md，查看调用示例。
参考资料导航
references/creating-and-editing.md：描述符、构建器、目标类型、类型化编辑，以及兼容的 Trial 复用。references/scalar-discovery-and-estimates.md：输出标量发现、每位患者的标量值，以及平台候选分布律估算。references/generation-and-diagnostics.md：验证、退火选项，以及生成的 Vpop 语义。references/inspection.md：制品列表、存储的选项，以及适应度负载注意事项。references/scripts.md：捆绑脚本的调用示例。