用途
该文档用于说明在智能体（agent）中如何调用已安装的 skill。核心立场是：skill 的调用应通过聊天框里的自然语言提示完成，而不是在终端输入 shell 命令。文档将两类操作明确分开：本文件内容全部输入到 agent 的聊天框；shell 命令则位于另一文件 04-chay-script-bundled-tu-shell.md。混淆两者是常见的复制粘贴错误来源。
文档回答了一个常见问题：skill 已经安装，但 agent 可能不选择它，或选错功能相近的兄弟 skill。本文件给出正确调用方式，以及编写多步骤提示的方法，使 agent 能够按预期执行。
Skill 的选择机制
Host 将用户请求与每个 SKILL.md frontmatter 中的 description 字段进行匹配。不存在 /skill-name 这样的命令；用户需要在句子中提及 skill 名称。例如询问“使用 skill depmap。在胰腺癌细胞系中，与整个 DepMap panel 相比，哪些基因是选择性依赖？”
当两个 skill 覆盖范围重叠时，应明确指出想要的那个。仓库给出的例子是：phylogenetics 用于构建树，etetoolkit 用于分析已有树；scanpy 执行分析，anndata 定义格式。点名可以消除歧义，而不是依赖路由器猜测。
查看 agent 当前有哪些 skill 也通过提示完成，例如：“列出你当前加载的与 genomics 相关的 skill，并附上每个的 description。”
五段式提示框架
文档从 docs/examples.md 提取了区分良好工作流与模糊工作流的五个要素：
- 点名要使用的 skill。
- 给出判定标准，而不仅是步骤。例如“过滤 variant”过于简略；“保留 QUAL > 30 和 DP > 20，然后报告每个过滤器各排除了多少 variant”才可执行且可审计。
- 在开始前约定输出合同。提前说明“排名表，每行一个候选，包含预测 pIC50 列、约 90% 区间，以及训练集中最近邻”。
- 要求来源（provenance）和阴性结果。询问使用了哪个数据库、什么参数、哪一天，并直接询问分析没有发现什么。只报告命中项的工作流将只会报告命中项。
- 将计划与不可逆操作分开。任何写入远程系统、花钱、将数据传出本地或控制物理设备的操作，都必须放在单独一轮提示中，待用户阅读计划后再执行。
可复制的框架：
使用 skill <skill 名称>。保持输出有条理，并保存中间结果。
目标：<一句话，附上此结果服务的决策> 数据：<位置、允许使用的范围、什么不能离开本机> 标准：<阈值、过滤器、什么算命中、什么会否定结果> 交付物：<确切的 artifact、格式、必须包含的列/图> 报告：<所有检索数据的 provenance；所有估计的不确定性； 什么无法确定及原因> 不得：<不可逆操作，留待单独审批轮次>
文档还提到两个在长时间运行中有价值的习惯：checkpoint（将中间结果写入磁盘并命名，以免第 9 步的错误烧毁第 1–8 步的结果），以及在信任昂贵结果之前，用便宜且可信的东西进行校验（一个可精确求解的案例、一个阳性对照、一个已发表的基准、一个数量级估计）。
多 skill 提示示例
文档引用 README 中的药物发现 pipeline 原始提示：
Use available skills you have access to whenever possible. Query ChEMBL for EGFR inhibitors (IC50 < 50nM), analyze structure-activity relationships with RDKit, generate improved analogs with datamol, perform virtual screening with DiffDock against AlphaFold EGFR structure, search PubMed for resistance mechanisms, check COSMIC for mutations, and create visualizations and a comprehensive report.
涉及的 skill：database-lookup、rdkit、datamol、diffdock、paper-lookup、scientific-visualization。
仓库的 docs/examples.md 中还有约 40 个预先写好的工作流，每个都有“Skills Used”和“Expected Output”部分。需要自己领域的示例时（癌症基因组学、单细胞、蛋白质结构、毒理学、临床试验、PK/PD 等），可以直接阅读该文件。
需要凭据的 skill
需要 key 的 skill 在 metadata.openclaw.envVars 中声明。应在启动 agent 前将变量放入环境（如果 skill 读取 python-dotenv，也可放入 .env）。
文档列出 25 个 skill：autoskill（SCREENPIPE_TOKEN、ANTHROPIC_API_KEY、FOUNDRY_API_KEY，1 个必填）、benchling-integration（BENCHLING_TENANT_URL、BENCHLING_API_KEY、BENCHLING_CLIENT_ID、BENCHLING_CLIENT_SECRET，以及 prod/staging 变量，1 个必填）、biopython（NCBI_EMAIL、NCBI_API_KEY，可选）、bioservices（NCBI_EMAIL，可选）、citation-management（NCBI_EMAIL、NCBI_API_KEY、OPENALEX_EMAIL，可选）、exa-search（EXA_API_KEY，必填）、generate-image（OPENROUTER_API_KEY，必填）、genomic-intelligence（GI_API_KEY，可选）、infographics（OPENROUTER_API_KEY，可选）、latex-posters（OPENROUTER_API_KEY，可选）、literature-review（OPENROUTER_API_KEY，可选）、modal（MODAL_TOKEN_ID、MODAL_TOKEN_SECRET、DATABASE_URL，2 个必填）、neuropixels-analysis（ANTHROPIC_API_KEY，可选）、omero-integration（OMERO_HOST、OMERO_PORT、OMERO_USER、OMERO_PASSWORD、OMERO_SESSION_KEY、OMERO_SECURE，1 个必填）、open-notebook（OPEN_NOTEBOOK_URL、OPEN_NOTEBOOK_PASSWORD、OPEN_NOTEBOOK_ENCRYPTION_KEY，1 个必填）、paperclip（PAPERCLIP_API_KEY，可选）、parallel-web（PARALLEL_API_KEY，必填）、protocolsio-integration（PROTOCOLS_IO_ACCESS_TOKEN，可选）、pyzotero（ZOTERO_API_KEY、ZOTERO_LIBRARY_ID、ZOTERO_LIBRARY_TYPE，2 个必填）、research-lookup（PARALLEL_API_KEY、OPENROUTER_API_KEY，可选）、rowan（ROWAN_API_KEY，必填）、scientific-schematics（OPENROUTER_API_KEY，可选）、scientific-slides（OPENROUTER_API_KEY，可选）、tamarind（TAMARIND_API_KEY，必填）、waypoint-bio（HF_TOKEN，必填）。
若要在更新版本上重建该表，可在已克隆的仓库中运行 shell 命令：
grep -l 'envVars' skills/*/SKILL.md | while read -r f; do echo "== $(basename "$(dirname "$f")")" sed -n '/^---$/,/^---$/p' "$f" | grep -E 'name: [A-Z0-9_]+|required:' done
注意事项
- gate requires 失败会隐藏 skill。AGENTS.md 说明：如果 metadata.openclaw/metadata.hermes gate 绑定到未设置的凭据，host 可能不显示该 skill——它会消失而不是报错。看不到 skill 时，先检查环境变量再判断是否安装失败。
- 163 个 skill 意味着大量常驻 context。安装过多会使路由器选择变差，而不是变好。应按主题安装。
- skill 是经过审阅的起点，不是经过验证的结果。仓库的表述是“tested examples with explicit validation, provenance, and safety boundaries; verify them in the target environment”。对于临床/监管类 skill，它们生成的是供有权限人员审批的草稿——不是决策。
适用场景与限制
该文档适用于已安装 dym-scientific-agent-skills 系列 skill、并希望提高 agent 调用准确性和多步骤执行质量的用户。它不提供各 skill 的具体功能实现说明，也不保证输出正确性；使用前需在目标环境验证。文档本身为越南语，本介绍依据其内容整理，未补充原文之外的事实。