Materials Simulation Skills — плагин

24 скилла по численным методам и материаловедению: агент проверяет устойчивость, сетки, сходимость и запуски на кластере.

  • 83 ★ репозитория
  • Последний коммит
  • Apache-2.0
Плагин

Расширенный доступ

Почему такой уровень

  • Скиллы запускают скрипты Python на вашей машине и читают входные файлы расчетов
  • Сгенерированные скрипты SLURM отправляют задания на кластер только после вашего запуска
Все причины и проверки

heshamfs/materials-simulation-skills

Установка

Ручная установка

npx skills add HeshamFS/materials-simulation-skills

Ставит скиллы в `~/.agents/skills/`, откуда их читают разные агенты.

Доступ и проверки

Как мы проверяем

Расширенный доступИнструмент запускает код или ходит в сеть, а внешние данные только читает.

  • Скиллы запускают скрипты Python на вашей машине и читают входные файлы расчетов
  • Сгенерированные скрипты SLURM отправляют задания на кластер только после вашего запуска

Это чужой код. Посмотрите файлы в репозитории перед установкой.

Что делает

Набор упаковывает знания инженера по расчетам в скиллы с проверенными скриптами. Агент сам находит нужный по задаче, запускает скрипт и объясняет результат. Например, на вопрос об устойчивости шага по времени он вызывает `cfl_checker.py` и сообщает число Куранта и допустимый шаг. Скиллы разбиты на восемь групп: численные основы (устойчивость, шаги по времени, сетки, сходимость, интегрирование, дифференцирование, решатели), процесс моделирования, генерация скриптов SLURM для кластера, верификация и валидация, упаковка по принципам FAIR, разбор отказов между программами и онтологии CMSO и ASMO. Отдельный скилл `skill-evaluator` оценивает любой другой скилл в любом агентском CLI. В репозитории есть и собственная команда `mss` для списка, установки комплектов, запуска скриптов и проверок.

Для кого. Инженерам-расчетчикам и исследователям материалов, которые ведут моделирование с агентом и не хотят объяснять ему CFL, сходимость и квоты кластера каждый раз.

Подходит, если

  • Нужно понять, устойчив ли явный шаг `dt=0.001` для задачи переноса со скоростью 2 м/с и шагом сетки 0,01
  • Расчет на трех сетках дал напряжение 98,5, 99,6 и 99,9 МПа, и надо проверить, вышла ли сетка на асимптотику
  • Для задачи требуется скрипт SLURM с разумными ресурсами и разбор того, почему прошлый запуск упал
  • Результаты надо собрать в воспроизводимый пакет по FAIR с метаданными

Не подходит, если

  • Нужно запускать сами решатели LAMMPS или DFT: интерфейсы к ним входят в планы автора и пока не готовы
  • Нужен физический вывод по результату: проверки скриптов не доказывают правильность модели, границы описаны в `docs/VALIDATION_SCOPE.md`
  • Нужна работа без Python: скрипты рассчитаны на Python 3.10–3.12

Пример запроса к агенту

Проверь, устойчив ли шаг dt=0.001 для задачи переноса с v=2.0 м/с и dx=0.01, и назови предельный допустимый шаг.

Ограничения

Скрипты написаны на Python 3.10–3.12. Автор подчеркивает, что детерминированные проверки подтверждают точность вывода скриптов, а прирост правильности научных ответов агента с этими скиллами не доказан. Прежде чем считать прохождение проверки свидетельством о физической модели, прочитайте `docs/VALIDATION_SCOPE.md`. Интерфейсы к LAMMPS и DFT пока лежат в дорожной карте. Генерация скриптов SLURM готовит файлы, а запуск и квоты кластера остаются вашей зоной.

Как отключить. Удалите установленные папки скиллов из `~/.agents/skills/` или каталога вашего агента. Для плагина в Claude Code выполните `/plugin uninstall` и уберите маркетплейс, если он больше не нужен.

Частые вопросы

Как установить набор?

Командой `npx skills add HeshamFS/materials-simulation-skills` в любой агент, с закреплением версии через `gh skill install HeshamFS/materials-simulation-skills --pin v1.0.0` либо в Claude Code через `/plugin marketplace add HeshamFS/materials-simulation-skills`.

Что делает команда mss?

`mss list` показывает скиллы, `mss bundles` и `mss install --agent claude --bundle <имя>` ставят комплект в выбранный агент, `mss run` запускает скрипт, `mss eval` прогоняет детерминированные проверки.

Сколько проверок покрывает набор?

В оценке от 20 октября 2026 года прошли 115 случаев, 131 проверка и 725 утверждений. Автор оговаривает, что это проверка скриптов, а не доказательство улучшения ответов агента.

Подходит ли набор для Cursor или Codex?

Да. Скиллы следуют открытому стандарту Agent Skills и ставятся в `~/.agents/skills/`, откуда их читают Codex, Cursor, Copilot и другие агенты.

Что такое skill-evaluator?

Это скилл из группы Meta: он оценивает любой другой скилл в любом агентском CLI, сравнивая прогоны с ним и без него.

Обсуждение

Вопросов и отзывов пока нет.

Плагины

Плагин и набор из 130 с лишним скиллов для материаловедения: релаксация, молекулярная динамика, DFT и базы структур через MCP.

ПлагинРасширенный доступ187Звезды репозитория

Скиллы для расчетов в вычислительной химии: ASE, VASP-подобные DFT-коды, LAMMPS, DeePMD, RDKit, Open Babel и другие, для OpenClaw

СкиллРасширенный доступ157Звезды репозитория

Около 200 скиллов для Claude Code по биоинформатике, химии и биостатистике: от анализа РНК-секвенирования до докинга молекул

СкиллРасширенный доступ388Звезды репозитория

17 скиллов для вычислительной биологии: RNA-seq, одноклеточный анализ, структуры белков, докинг, литература и графики

СкиллРасширенный доступ75Звезды репозитория

Скилл для олимпиад по моделированию CUMCM, MCM/ICM и Electrical Cup: 10 этапов, три роли, пять проверок и сборка статьи в LaTeX

СкиллРасширенный доступ73Звезды репозитория

Восемь скиллов для олимпиад по моделированию: ведут задачу от условия до статьи с графиками и проверенной литературой

СкиллРасширенный доступ327Звезды репозитория

Сравнение с похожими

Карточки с тем же главным запросом: чем они отличаются.

ИнструментОфициальныйАвторизацияЗвезды репозиторияГлавное отличие
Materials Simulation Skills (эта карточка)нет83
StatsPAI — каузальный анализ и эконометрика для агентовнетне нужна374MCP-сервер и скилл библиотеки StatsPAI для эконометрики, а не для численных методов моделирования
Feynmanда10 116терминальный агент для научных обзоров литературы, без расчетных скриптов

Коротко о README

Описание объясняет, зачем агенту знания по численным методам, и показывает диалог с проверкой числа Куранта. Затем перечислены проверки качества: тесты скриптов, полное детерминированное покрытие оценок и явные границы проверки. После идут установка, использование, таблица восьми категорий, вклад и документация.

Бейдж для README

Сообщить о проблеме