Find Science Skills

把用户需求判断为“领域 × 研究阶段 × 功能分工”，再调用静态目录筛选器。宿主模型负责理解需求；脚本执行确定性漏斗：领域和阶段是硬边界，功能默认作为排序偏好，避免复合任务因功能判断偏差而漏掉正确技能。

工作流

1. 首次使用或不确定合法分类时，读取分类目录：

python scripts/filter_science_skills.py --list-dimensions

2. 先判断领域和阶段，再查看该漏斗中实际存在的功能组：

python scripts/filter_science_skills.py \
  --domain 生命科学 \
  --stage 分析验证 \
  --list-functions

3. 只从返回的实际功能组中选择。结合用户需求和代表技能判断主功能与合理的次功能：

• 领域：研究对象所属领域；必要时再选二级领域。
• 研究阶段：发现获取、构思设计、执行采集、分析验证、表达发表。
• 功能分工：检索获取、阅读提取、证据综合、问题构思、研究设计、流程规划、模拟建模、实验执行、数据采集、数据处理、分析推断、领域解释、验证评测、可视化、科研写作、引用管理、投稿评审。

4. 确信主/次功能后使用严格筛选，避免候选过多。多选参数可重复，也可用逗号分隔：

python scripts/filter_science_skills.py \
  --domain 生命科学 \
  --stage 分析验证 \
  --function 数据处理 \
  --strict-function \
  --json

若功能边界仍不确定，去掉 --strict-function。脚本会保留同领域、同阶段候选，并把所选功能排在前面：

python scripts/filter_science_skills.py \
  --domain 生命科学 \
  --stage 分析验证 \
  --function 数据处理 \
  --json

大组可增加二级领域：

python scripts/filter_science_skills.py \
  --domain 生命科学 \
  --subdomain 生物信息学 \
  --stage 分析验证 \
  --function 数据处理 \
  --json

5. 对候选做语义复核，不把脚本顺序当成相关性排名：

   • 研究对象或数据类型必须直接匹配 summary 或 task；
   • 请求的动作或产物也必须直接匹配；
   • 两类证据缺一不可；最多推荐 5 个；
   • 没有直接匹配时返回“目录未覆盖”或追问，不得用高质量但无关的技能补位。

   --json 默认保留语义选择所需字段；审计目录时可增加 --full。不要为某条查询或某个 skill ID 添加特殊规则。

判断规则

• 不确定时选择多个合法功能。默认由领域和阶段限定候选，功能只决定优先顺序。
• 不要选择当前领域和阶段下未返回的功能；需要的动作若未出现，检查相邻的实际功能组或向用户追问。
• 研究阶段按主要产物判断，不按工具名称判断。
• 功能按主要动作判断；agent、API、工具库和 workflow 只是实现形式。
• trusted 优先；provisional 需要核对来源；restricted 必须明确警示。可信度和质量分只用于直接匹配候选之间的排序，不证明语义相关。
• 默认模式仍无结果时，说明领域或阶段没有覆盖，向用户追问；不要推荐跨领域或跨阶段的相似项。

回复用户

先说明识别出的领域、阶段和功能，再列出最多 5 个直接匹配技能。每项至少包含：技能名、匹配证据、主要用途、可信状态、来源仓库和 SKILL.md 路径。没有直接匹配时明确说明缺口。结果较多时按二级领域、数据类型和工具约束继续筛选，但不要修改目录规则。

文件

• data/science_skill_catalog.json：规范化静态目录，字段为 domain、subdomain、stage、function。
• scripts/filter_science_skills.py：确定性三维筛选器，仅依赖 Python 标准库。