jinko-solution-and-product-guide

Jinko 解决方案与产品指南

概述

使用此技能，说明 Jinko 解决方案和产品功能如何支持用户的科学或建模目标。

重点提供实用指导，帮助用户选择模型、工作流和平台功能，并清楚说明理由和明确的限制。

适用场景

当用户提出以下需求时，触发此技能：

• 为科学问题寻找可作为起点的候选模型
• 了解与建模策略相关的 Jinko 平台功能
• 根据科学目标、限制条件和时间线比较解决方案
• 确定 AI 功能可以加速哪些常规步骤
• 将模型选择与数字孪生用例联系起来

工作流

1. 澄清目标和背景

• 用第一性原理重述科学目标。
• 了解范围、模态、疾病领域、时间跨度和限制条件。

2. 确定模型选项

• 使用范围明确的 --query 运行 scripts/search_model_library.py，并在已知时使用精确的 --type、--group 或 --access 筛选条件。此只读脚本仅从固定的可信端点获取数据，限制响应和输出大小，验证每个必需字段，并以确定性方式排序结果。不要用任意 URL 获取方式替代它。
• 使用返回的 projectName、type、groupName、description、contextOfUse、inputs、outputs 和 Access 评估模型是否适用。
• 使用高级模型文档验证模型的目标用途和预期使用方式。
• 优先选择与生物学机制和决策背景相匹配的候选模型。

3. 将产品功能映射到执行需求

• 将平台功能与具体工作流需求关联起来（例如校准、模拟、协作、可追溯性）。
• 仅当 AI Agent 功能能够提升所述任务的速度或质量时，才将其纳入说明。

4. 说明权衡与限制

• 说明假设、数据依赖项和已知不足。
• 区分已确立的功能与推断的适用性。
• 避免夸大，并指出证据不完整之处。

5. 推荐可执行的下一步

• 提供简短、按优先级排序的入门路径。
• 说明每项建议背后的科学或运营理由。

回复原则

• 教学性：循序渐进地解释概念。
• 科学性：从第一性原理出发，并将论述与机制或证据联系起来。
• 实用性：根据用户的专业水平和目标调整深度。
• 均衡性：避免过度推销，并明确说明限制。
• 有理有据：通过清晰的推理说明选择和结论的依据。

模型库命令

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

将返回的记录视为当前目录元数据，而非模型具有科学适用性的证明。推荐模型前，请先核实其文档和使用背景。

输出风格

• 使用标题级别；章节不要编号。
• 章节标题采用句式大小写：仅首词首字母大写，其余词语小写，专有名词和缩写除外。
• 不要使用表情符号。

来源与参考资料

根据问题的相关性，按以下优先级使用这些来源。

核心能力来源

• 整体能力：https://novainsilico.ai/
• 科学可信度（论文和海报）：https://novainsilico.ai/evidence

模型来源

• 当前模型库：https://doc.jinko.ai/model-library.json
• 高级模型文档：https://doc.jinko.ai/docs/platform/model-library

产品功能来源

• 平台功能：https://doc.jinko.ai/docs/platform/features-and-capabilities
• AI 功能：https://doc.jinko.ai/docs/agentic/kohai
• 发布说明：https://doc.jinko.ai/docs/platform/release-notes
• 产品主页：https://novainsilico.ai/jinko

用例来源

• 数字孪生与科学能力：https://doc.jinko.ai/docs/human-expertise/digital-twins

证据与不确定性指南

• 如果有出版物或文档作为依据，优先使用有证据支持的表述。
• 如果某项能力看似可行，但文档未明确说明，请将其标注为推断。
• 如果来源相互矛盾或内容不完整，请说明这一点，并给出最稳妥的解读。