SuperAPI AI 工具集

hugging-science

写作与研究

查看项目

更新于 10-21 16:17

技能介绍

Hugging Science 是一个面向机器学习研究者的科学资源索引,由社区整理,旨在为科学领域的 AI/ML 工作提供高质量、开放的数据集、模型、博客文章和交互式演示。它覆盖 17 个科学领域,包括天文学、基准测试、生物学、生物技术、化学、气候、保护、地球科学、生态学、能源、工程、基因组学、材料科学、数学、医学、物理学和科学推理。

该技能提供两个主要访问界面:一是静态目录站点 huggingscience.co,提供 llms.txt(紧凑索引)、llms-full.txt(完整内容)和 topics/<slug>.md(按领域划分的 Markdown 文件),这些文件设计为可被程序化获取和阅读;二是 Hugging Face 上的 hugging-science 组织,包含社区提交的数据集、少量模型和约 27 个交互式 Spaces,例如用于蛋白质/结合剂设计的 BoltzGen、用于提交的 Dataset Quest 和用于生态可视化的 Science Release Heatmap。

目录中的条目指向 Hugging Face Hub 上的资源,例如 arcinstitute/opengenome2 是一个常规 HF 数据集,可使用 datasets 库加载;facebook/esm2_t33_650M_UR50D 是一个常规 HF 模型,可使用 transformers 加载。目录的作用是策展和发现,使用则通过标准 Hugging Face API 进行。

当用户的任务涉及 AI/ML 应用于科学时,应使用此技能。常见信号包括:提及科学领域(蛋白质、基因组、分子、晶体、天气、气候、星系、EEG、微生物组、病理学、等离子体等);询问“是否有用于 X 的数据集/模型”且 X 是科学相关的;希望在科学数据上微调、在科学基准上评估或复现科学 ML 论文;询问特定的已知科学模型(Evo-2、ESM2、BoltzGen、Nucleotide Transformer、AlphaFold 衍生模型等);需要科学任务的交互式演示(结合剂设计、定理证明等)。如果任务是通用 ML(推荐系统、聊天机器人 RAG、猫狗视觉),则此技能不适用,应转而使用通用 HF Hub 知识。

核心工作流通常遵循五步循环:1. 识别领域,将用户任务映射到一个或多个主题 slug;2. 获取相关目录内容,可使用捆绑脚本 python scripts/fetch_catalog.py topic biology 等,或直接获取原始 Markdown;3. 选择合适的资源,考虑规模匹配、许可证和访问、模态对齐、时效性/替代关系,如果不确定,向用户展示前 2-3 个候选及其权衡;4. 使用资源,根据资源类型阅读匹配的参考文件(数据集、模型、Spaces);5. 引用方法论,当目录中有匹配的博客文章时,在解释方法时包含其 URL。

认证方面,许多目录资源是受限的(临床数据、大型基础模型、私有 Spaces),需要通过 HF_TOKEN 环境变量进行认证。建议从 .env 文件加载 HF_TOKEN,使用 python-dotenv,不要硬编码令牌,不要回显令牌,也不建议将 huggingface-cli login 作为主要路径。

重要注意事项:目录是策展的,不是详尽的;条目是指针,不是 API,没有 Hugging Science 推理端点;许多科学模型需要 trust_remote_code=True,这会执行模型仓库中的任意 Python 代码,设置前应询问用户并指明仓库;科学数据集通常很大且形状特殊,默认使用流式加载;Spaces 适合一次性科学生成;目录本身可能演变,如果 URL 404,应重新获取主题文件或 llms.txt。

捆绑资源包括:scripts/fetch_catalog.py(获取和过滤目录内容)、references/topics-and-slugs.md(主题 slug 和条目模式)、references/using-datasets.md(加载科学数据集的模式和陷阱)、references/using-models.md(本地、推理 API 或推理提供商运行科学模型)、references/using-spaces.md(使用 gradio_client 调用 HF Spaces)、references/flagship-resources.md(每个领域的首选资源)。

代理操作程序:检查环境,确认 Python 环境和库版本,检查数据形状、类型和缺失值;确定输入,确认格式、标识符和参数;先运行小版本,在样本或单个折叠上运行,检查运行时间和内存;执行完整任务;验证结果,使用保留数据、固定随机种子和适当指标,检查泄漏,报告不确定性;报告,说明运行了什么、检查了什么以及仍不确定的内容。

完整性规则:绝不捏造结果、参数、标识符、引用或统计数据;绝不报告本次会话中未计算的指标;将版本特定细节视为可能过时,对照官方文档确认;在涉及花钱、消耗共享 GPU 或云配额、接触个人或患者数据或不可撤销的操作前询问。

相关技能:science-aaas(为 Science 系列期刊准备稿件)、brainstorming-research-ideas(引导研究人员通过结构化构思框架发现高影响力研究方向)。