内容
# 技能库
个人汇集的 **523个专家级智能代理技能，涵盖19个领域**，通过MCP提供服务，基于一个理念：当你给予智能代理一个专家的命名方法、输入输出类型以及证据引用方式，并让这些专家相互调用时，智能代理会变得更加精确。
我建立这些技能是为了思考。架构是重点；领域是我测试其性能的地方。
## 从这里开始 — 应用于药物开发的AI
我最关心的工作是将临床开发和监管判断转化为智能代理，展示其推理过程：
- **[阿斯克勒庇俄斯](https://github.com/npbuilds/asclepius)**（独立仓库）— 一个AI智能代理系统，负责对单个药物项目进行端到端的推理：成功概率与实际试验结果挂钩、按阶段划分的rNPV、8项临床监管评分卡，以及一份形成可证伪观点的备忘录，并指出可以推翻它的关键指标。每个数据都附有引用。
- **`skills/biotech-venture/`**（42个技能）— 其背后的尽职调查引擎：临床开发规划、终点和试验设计批评、成功概率估计、监管路径推理以及基于证据的合成。
这就是其中的关键：**当AI为专家提供结构化的、具有引用证据的综合信息时，它才能被采用，而不是试图取代专业知识。**
## 工作原理
- **一个注册表是事实来源** (`data/registry.json`) — 每个技能的元数据、依赖关系和分数。CI强制确保技能文件、注册表和搜索索引之间没有偏差。
- **技能相互组合。** 调度器技能通过输入/输出契约调度子技能，这些契约连接到DAG管道，因此一个高级别的请求（例如“调查这个资产”）可以扩展到专业技能并重新组装。
- **通过MCP提供服务。** 只读MCP服务器向Claude公开库 — `search_skills`、`get_skill`、`analyze_impact`，以及实时健康/遥测循环。参见 `mcp-server/`。
- **自我维护。** 质量控制循环跟踪使用情况、空白和反馈，并开启PR以保持注册表、线路和分数的校准。
## 19个领域 — 一个架构，多项实验
我在我感兴趣的每个领域都使用相同的技能和编排模式。生物技术和研究领域是严肃的工作；其余领域是我测试架构是否具有普遍性的地方。
| 领域 | 技能数量 | | 领域 | 技能数量 |
|---|---:|---|---|---:|
| 投资 | 56 | | 世界构建 | 27 |
| 收藏家 | 54 | | 绑定誓言（提示制作） | 27 |
| 世界历史 | 51 | | 博弈论 | 22 |
| 职业发展 | 42 | | 设计 | 17 |
| **生物技术风险投资** | **42** | | 数据科学 | 14 |
| 品酒师 | 36 | | 新皮层 | 13 |
| 写作 | 34 | | 基础设施 | 12 |
| 产品 | 31 | | 研究 | 11 |
| 哲学 | 29 | | （+ 工件，叙事） | 4 |
## 浏览
每个技能都是一个带有YAML前置元数据（名称、描述、依赖关系、证据约定）的`SKILL.md`，加上参考文档，对于许多技能，还有一个评估框架。从 `skills/biotech-venture/` 或 `skills/research/` 开始；`data/registry.json` 是所有内容的机器可读索引。
---
*独立构建，供个人使用。非产品。*
