用途：本 Skill 是 AI for Science 昇腾 NPU 的总入口，只负责路线判断与子 skill 分流，不展开具体迁移或调优细节。当用户只给出宽泛的 AI for Science 需求、模型名、TensorFlow/Keras 项目，或只说“帮我迁到昇腾/采集 profiling”时，从这里判断进入哪个子 skill。
主要能力：分为三条主路线。Profiling 采集：代码已能训练或推理，只需采集 trace、分析热点算子、调用栈、内存或瓶颈，进入 ai4s-profiling。模型迁移：已知模型名，或要把 AI4S 模型从 GPU/CUDA 迁移到昇腾 NPU，进入 ai4s-basic 或模型专属 skill。TF 框架：原项目是 TensorFlow/Keras，需要决定保留 TensorFlow 还是改写到 PyTorch，进入 ascend-tf-community 或 tf-to-pytorch。
模型分流：Boltz2 进入 boltz2（蛋白结构预测与端到端推理复现）；BoltzGen 进入 boltzgen（生成式蛋白设计与逆折叠）；DeepFRI 保留 TensorFlow 进入 deepfri-tf-npu（保留 TF 运行时和原始实现）；DeepFRI 迁移到 PyTorch 进入 deepfri（TF 到 PyTorch 改写与权重转换）；DiffSBDD 进入 diffsbdd（结构化药物设计与扩散推理）；GENERator 进入 generator（DNA 序列生成模型迁移）；OligoFormer 进入 oligoformer（siRNA 效能预测与 RNA-FM 依赖适配）；ProteinBERT 进入 proteinbert（蛋白语言模型权重转换、embedding 与微调）；未沉淀的新模型进入 ai4s-basic（先走通用迁移流程，再沉淀模型专属 skill）。
决策规则：用户已能跑、只想采集 profiling 或定位性能问题，直接进入 ai4s-profiling；明确要保留 TensorFlow/Keras 原始实现，进入 ascend-tf-community；明确要迁移到 PyTorch，或后续要接入 torch_npu 生态、统一训练推理流程，进入 tf-to-pytorch；已给出具体模型名，优先进入对应模型 skill，只有没有模型专属 skill 时才进入 ai4s-basic。
使用方式与限制：本 Skill 完成分流后，在对应子 skill 中继续执行环境、适配、验证和参考资料读取，不在此重复展开。资料未提供收费、价格、平台支持范围及具体使用步骤等信息。