@delta-infra/cli 1.0.97 → 1.0.98

package/skills/delta-science/references/ldm.md

@@ -1,73 +0,0 @@
-# LDM 科研工作流
-
-这里的 **LDM / 大发现模型** 是用户可见的科研工作流名称，不是可以直接访问网关的
-tool。在线计算必须先按任务语义选择 `ldm-bo`、`strbo` 或 `antbo`，再通过
-`delta-cli science invoke`
-调用 Delta CLI；禁止运行旧 `large-discovery-model` Skill、`run_ldm_loop.py`、gateway
-backend、`stream_widget` 中的联网命令或任何 HTTP 客户端。
-
-## 路由
-
-| 用户目标 | 实际 tool | 需要同时读取 |
-| --- | --- | --- |
-| 在给定 SMILES 候选池中推荐下一批，或运行 PDF2Dock/Vina+NN 轨迹 | `ldm-bo` | `references/ldm-bo.md` |
-| 围绕服务端固定 KRAS G12D 生成、评估并迭代小分子 | `strbo` | `references/strbo.md` |
-| 为指定抗原生成、评估并迭代 11-aa CDRH3 | `antbo` | `references/antbo.md` |
-
-不得因为用户只说“LDM”“药物发现”就自动选择后端。根据实体、已有数据和目标判断；
-仍无法区分时，结束并说明需要用户确认“小分子候选池、KRAS G12D 生成优化或抗体
-CDRH3”中的哪一种。
-
-## 最小执行范围
-
-- 用户只要求检查参数时，只调用相应 `*-validate` operation。
-- 用户只要求评估已有候选时，只调用 evaluate，不生成新候选。
-- 用户只要求推荐下一批且已经给出历史记录时，只调用 suggest/recommend。
-- 用户明确要求“完整迭代优化”时，才运行初始化、评估、建议、再评估的闭环。
-- 用户未给轮数时，STRBO/AntBO 最多执行一个建议轮次；不得沿用旧 Skill 的 6/8 轮
-  隐式默认值。LDM-BO `trajectory` 的评估次数必须来自用户，缺失时先要求确认。
-
-生成、评估、建议和 trajectory 都会消耗远端资源。一次自然语言中的“帮我优化”视为
-执行授权，但不得擅自扩大候选数、轮数或切换后端。
-
-## STRBO 完整闭环
-
-1. 调用 `molecules-init` 或 `molecules-init-job`，取得初始 SMILES。
-2. 调用 `molecules-evaluate` 或对应异步 operation，取得 `[vina, activity]`。
-3. 使用当前成功业务响应中的 SMILES 和 scores 构造 `history_xs/history_ys`。
-4. 调用一次 `molecules-suggest-job`，按 STRBO reference 轮询至成功。
-5. 只评估新建议，并把结果与当前任务内历史合并后返回。
-
-提交 operation 不得重试。任一步失败、超时或返回数量不一致，立即结束；不得用旧
-gateway、离线 mock、本地 RDKit/Vina 或模型猜测补全。
-
-## AntBO 完整闭环
-
-1. 用户必须提供抗原；未提供时不得替用户选择。
-2. 必要时调用一次 `ldm-health`，确认抗原与 CDRH3 长度约束。
-3. 调用 `ldm-init` 取得初始 CDRH3，再调用 `evaluate` 取得结合能。
-4. 使用当前成功业务响应构造一维 `history_ys`，调用一次 `ldm-suggest`。
-5. 只评估新建议，并返回当前任务内的候选与结合能。
-
-不得把 AntBO 的一维 score 改成 STRBO 的二维 score，也不得把 CDRH3 交给小分子
-LDM-BO。
-
-## 固定候选池与轨迹
-
-- 已有候选池和历史分数，要求下一批：使用 `ldm-bo/recommend`。
-- 用户明确要求完整 PDF2Dock/Vina+NN 搜索并给出评估次数：使用
-  `ldm-bo/trajectory`。
-- 不得把 `ldm-bo` 的 provider、模型路径、密钥、GPU 或 Vina 配置放进请求；这些由
-  Science Server 管理。
-
-## 结果与展示
-
-只报告当前 Delta CLI 业务响应中真实存在的候选、目标值、warnings、job_id、状态和
-服务端 provenance。不得自行添加相似度阈值、机制解释、湿实验结论或“最优”断言；
-只有在方向明确且比较集合完整时，才能按实际目标值指出当前集合中的最好候选。
-推荐结果中的 acquisition value 不是预测目标值、置信度或推荐理由；除非业务响应
-明确给出语义和方向，否则只作为原始采集函数值报告。
-
-LDM 的仪表盘是展示层，不是计算入口。用户明确要求图表时，先完成一次 CLI 计算，
-再让外层使用同一份已验证结果绘图；禁止为了仪表盘再次提交远端任务。普通请求直接
-返回简洁文本。

package/skills/delta-science/references/molecule-enrich.md

@@ -1,59 +0,0 @@
-# Molecule Enrichment 详细规则
-
-这是一个由 Science Server 编排的联合 workflow：先用 PubChem 批量解析输入，再按服务
-返回的 SMILES 回退顺序调用 RDKit 批量解析/描述符/指纹。它适合用户明确要求“一次拿到
-身份信息和结构计算结果”的场景；推荐结果仍只来自当前 CLI 业务响应。
-
-当前 Science Server 的注册标签是 `chemistry`，operation 是 `molecule.enrich`。实际
-名称必须以当前 catalog 返回值为准；该 operation 的存在不能通过直接访问
-`/chem/molecule/enrich` 推断或替代。所有调用都使用：
-
-```text
-delta-cli science invoke --tool chemistry --endpoint molecule.enrich --data JSON
-```
-
-## Request
-
-请求体：
-
-```json
-{
-  "inputs": ["aspirin", "caffeine"],
-  "namespace": "name",
-  "pubchem": {
-    "properties": ["MolecularFormula", "MolecularWeight", "CanonicalSMILES"],
-    "synonym_limit": 5
-  },
-  "rdkit": {
-    "descriptors": true,
-    "canonicalize": true,
-    "fingerprint": {"type": "morgan", "radius": 2, "n_bits": 2048},
-    "sanitize": true
-  }
-}
-```
-
-`inputs` 接受 1–100 个字符串；`namespace` 为 `cid`、`name`、`smiles`、`inchi`、
-`inchikey` 或 `formula`。`pubchem.properties` 和 `synonym_limit` 遵循 PubChem reference。
-RDKit 默认执行 descriptors、canonicalize 和 sanitize；`fingerprint` 可为 `false` 或
-Morgan 配置对象，radius 为 1–6，n_bits 为 128–8192。不要把一个服务的字段名改写成
-另一个服务的字段名。
-
-## Result
-
-成功业务结果通常包含 `valid`、`count`、`failed_count`、`results`、`warnings` 和
-`metadata`。每个 `results[*]` 保留：
-
-- 原始输入 `input`；
-- PubChem 的 `valid`、`cid`、`smiles`、`formula`、`properties`、`aliases`、`synonyms`
-  和 `error`；
-- 可选 RDKit 的 `valid`、`canonical_smiles`、`descriptors`、`fingerprint_metadata`、
-  `on_bits`、`bit_count`、`warnings` 和 `error`。
-
-SMILES 回退顺序固定为 `CanonicalSMILES -> ConnectivitySMILES -> SMILES ->
-IsomericSMILES`。PubChem 没有可用 SMILES，或 RDKit 失败时，该条记录保持无效并计入
-`failed_count`；不要用本地 RDKit/PubChem 或人工字符串补齐。
-
-只要用户需要单一中间结果，就不要为了使用 workflow 额外调用另一服务。不要主动调用
-health 或保存文件；用户明确要求图片时仍单独使用 RDKit `render`，不要把本 workflow 的
-描述符响应当成图像。

package/skills/delta-science/references/operation-contracts.md

@@ -1,137 +0,0 @@
-# Delta Science operation 最小契约
-
-本文只记录当前 CLI catalog 已暴露的 9 个 tools、42 个 operations。选择 operation 后
-只读取对应小节。代码示例均在同一个 `python_repl` 中先定义以下函数；禁止 Bash、
-目录探测、直接 HTTP 和字面 CLI 命令。
-
-调用 `python_repl` 时工具参数必须严格为 `{"code":"..."}`；禁止添加 `deps`、
-`dependencies`、`packages` 或任何其他字段。
-
-```python
-import json, os, subprocess, sys
-
-wrapper = os.path.join(os.environ["SKILLS_ROOT"], "delta-science", "scripts", "invoke.py")
-
-def invoke(tool, endpoint, data=None, params=None):
-    argv = [sys.executable, wrapper, "--tool", tool, "--endpoint", endpoint]
-    if data is not None:
-        argv += ["--data-json", json.dumps(data)]
-    if params is not None:
-        argv += ["--params-json", json.dumps(params)]
-    p = subprocess.run(argv, capture_output=True, text=True, shell=False)
-    if p.returncode != 0:
-        raise RuntimeError(p.stderr or p.stdout)
-    r = json.loads(p.stdout)
-    if r.get("ok") is not True or r.get("transport") != "delta-cli":
-        raise RuntimeError(r)
-    return r["native"]
-```
-
-每个代码示例只调用一次。将返回值投影成用户要求的有界 JSON 并显式 `print`，然后
-调用 `step_finish(status="done", summary=<同一 JSON>)` 恰好一次。失败则
-`step_finish(status="failed", summary=<原始错误短摘要>)`，禁止重试或改走其他链路。
-
-## PubChem（tool=`pubchem`）
-
-| operation | 人类情景 | 最小代码 | native 投影 |
-| --- | --- | --- | --- |
-| `health` | “PubChem 服务现在能用吗？” | `n=invoke("pubchem","health")` | status、availability、metadata、limits、warnings |
-| `compound-resolve-cids` | “把 aspirin 解析成 CID。” | `n=invoke("pubchem","compound-resolve-cids",data={"identifier":"aspirin","namespace":"name","max_records":20})` | identifier、valid、cids、error |
-| `compound-properties` | “查 aspirin 的分子式和分子量。” | `n=invoke("pubchem","compound-properties",data={"identifier":"aspirin","namespace":"name","properties":["MolecularFormula","MolecularWeight"]})` | cid、valid、properties、aliases、error |
-| `compound-synonyms` | “列出 aspirin 的前 5 个同义词。” | `n=invoke("pubchem","compound-synonyms",data={"identifier":"aspirin","namespace":"name","max_synonyms":5})` | cid、valid、synonyms、error |
-| `compound-summary` | “查阿司匹林的基础身份信息。” | `n=invoke("pubchem","compound-summary",data={"identifier":"aspirin","namespace":"name"})` | valid、cid、properties 中用户要求的键 |
-| `compound-batch-summary` | “一次比较 aspirin 和 caffeine 的基础属性。” | `n=invoke("pubchem","compound-batch-summary",data={"identifiers":["aspirin","caffeine"],"namespace":"name"})` | results[*].input、valid/error、properties |
-
-## RDKit（tool=`rdkit`）
-
-| operation | 人类情景 | 最小代码 | native 投影 |
-| --- | --- | --- | --- |
-| `health` | “RDKit 服务可用吗？” | `n=invoke("rdkit","health")` | status、availability、metadata、limits、warnings |
-| `parse` | “这个 SMILES 合法吗？” | `n=invoke("rdkit","parse",data={"input":"CCO","format":"smiles","sanitize":True})` | valid、canonical_smiles、formula、inchi_key、warnings/error |
-| `descriptors` | “计算乙醇的基础 RDKit 描述符。” | `n=invoke("rdkit","descriptors",data={"smiles":"CCO","descriptor_set":"basic","sanitize":True})` | valid、descriptors、warnings/error |
-| `batch-descriptors` | “批量算几个 SMILES 的描述符。” | `n=invoke("rdkit","batch-descriptors",data={"smiles":["CCO","c1ccccc1"],"descriptor_set":"basic","sanitize":True})` | results 中输入、valid、descriptors、error |
-| `batch-parse-describe` | “校验阿司匹林并给基础描述符。” | `n=invoke("rdkit","batch-parse-describe",data={"molecules":[{"id":"aspirin","smiles":"CC(=O)OC1=CC=CC=C1C(=O)O"}],"descriptor_set":"basic","sanitize":True})` | results[*].id、valid、canonical_smiles、descriptors、warnings/error |
-| `render` | “画一张乙醇结构图。” | `n=invoke("rdkit","render",data={"smiles":"CCO","image_format":"png","width":500,"height":400})` | 指定图像字段；PNG 解码后验证 magic bytes |
-| `fingerprint` | “生成乙醇 Morgan 指纹。” | `n=invoke("rdkit","fingerprint",data={"smiles":"CCO","radius":2,"n_bits":2048})` | valid、fingerprint_metadata、on_bits、warnings/error |
-| `similarity` | “比较乙醇和乙胺的结构相似度。” | `n=invoke("rdkit","similarity",data={"query_smiles":"CCO","target_smiles":"CCN","radius":2,"n_bits":2048})` | similarity、metric、fingerprint metadata |
-| `similarity-matrix` | “比较一组分子的两两相似度。” | `n=invoke("rdkit","similarity-matrix",data={"molecules":[{"id":"a","smiles":"CCO"},{"id":"b","smiles":"CCN"}],"fingerprint":{"type":"morgan","radius":2,"n_bits":2048},"sanitize":True})` | matrix、ranked_pairs[{a,b,similarity}] |
-| `substructure` | “筛出含羧酸子结构的分子。” | `n=invoke("rdkit","substructure",data={"query_smarts":"C(=O)O","target_smiles":["CC(=O)O","CCO"]})` | query 与每个目标的 match/matches、valid/error |
-
-## pymatgen（tool=`pymatgen`）
-
-| operation | 人类情景 | 最小代码 | native 投影 |
-| --- | --- | --- | --- |
-| `health` | “pymatgen 服务是否正常？” | `n=invoke("pymatgen","health")` | status、availability、metadata、limits、warnings |
-| `composition-parse` | “解析 LiFePO4 的组成和式量。” | `n=invoke("pymatgen","composition-parse",data={"formula":"LiFePO4","format":"formula"})` | valid、formula、reduced_formula、chemical_system、weight、element_amounts |
-| `structure-parse` | “校验这段 CIF 能否解析。” | `n=invoke("pymatgen","structure-parse",data={"input":cif_text,"format":"cif","primitive":False})` | valid、formula、nsites、lattice、warnings/error |
-| `structure-summary` | “总结这段 CIF 的结构信息。” | `n=invoke("pymatgen","structure-summary",data={"input":cif_text,"format":"cif","primitive":False})` | formula、reduced_formula、density、volume、lattice、species |
-| `structure-convert` | “把 CIF 转成 POSCAR。” | `n=invoke("pymatgen","structure-convert",data={"input":cif_text,"input_format":"cif","output_format":"poscar","primitive":False})` | valid、output_format、转换后的结构文本、warnings/error |
-| `structure-symmetry` | “分析这段 CIF 的空间群。” | `n=invoke("pymatgen","structure-symmetry",data={"input":cif_text,"format":"cif","primitive":False,"symprec":0.01,"angle_tolerance":5.0})` | space_group_symbol/number、crystal_system、point_group_symbol、hall、nsites |
-
-## GSAS-II（tool=`gsasii`）
-
-| operation | 人类情景 | 最小代码 | native 投影 |
-| --- | --- | --- | --- |
-| `health` | “GSAS-II 服务能做衍射计算吗？” | `n=invoke("gsasii","health")` | status、gsasii_available、metadata、limits、warnings |
-| `powder-simulate` | “用这个 CIF 模拟 Cu Kα 粉末衍射。” | `n=invoke("gsasii","powder-simulate",data={"cif":cif_text,"phase_name":"phase","radiation":"CuKa","t_min":10.0,"t_max":80.0,"t_step":0.02,"include_profile":True,"max_profile_points":1000,"include_reflections":True,"max_reflections":1000,"return_refined_cif":False,"return_project":False})` | valid、profile、reflections、metadata、warnings |
-| `powder-refine` | “用真实粉末数据和仪器文件做 Rietveld 精修。” | `n=invoke("gsasii","powder-refine",data={"powder_data":powder_text,"powder_format":"xy","instrument_parameters":instrument_text,"phases":[{"name":"phase","cif":cif_text}],"refinement_mode":"rietveld","refinement_steps":[],"max_cycles":3,"histogram_name":"powder","include_profile":True,"max_profile_points":1000,"include_reflections":True,"max_reflections":1000,"return_refined_cif":False,"return_project":False})` | valid、residuals、phase summaries、profile、reflections、warnings |
-
-## LAMMPS（tool=`lammps`）
-
-| operation | 人类情景 | 最小代码 | native 投影 |
-| --- | --- | --- | --- |
-| `health` | “LAMMPS 服务可用吗？” | `n=invoke("lammps","health")` | status、lammps_available、metadata、limits、warnings |
-| `lj-melt-example` | “给我跑部署自带的最小 LJ 示例做检查。” | `n=invoke("lammps","lj-melt-example")` | 示例说明与精确 `request`；此调用本身不执行模拟 |
-| `run` | “执行刚才返回的最小 LJ 请求。” | `example=invoke("lammps","lj-melt-example"); n=invoke("lammps","run",data=example["request"])` | valid、last_thermo、thermo rows、warnings、请求的输出文件；此场景固定两次依赖调用 |
-
-`run` 也可接收用户明确提供的 `input_script`、相对路径 files、timeout 和有界输出配置；
-不得从化学式猜力场。长任务需明确授权，失败后不得重试。
-
-## Delta-BO（tool=`delta-bo`）
-
-| operation | 人类情景 | 最小代码 | native 投影 |
-| --- | --- | --- | --- |
-| `commands` | “当前 Delta-BO 支持哪些命令？” | `n=invoke("delta-bo","commands")` | 当前部署返回的命令列表，不从旧文档补充 |
-| `generate` | “在 0 到 1 之间给两个随机初始实验点。” | `n=invoke("delta-bo","generate",data={"params":[{"name":"x","type":"numeric","low":0.0,"high":1.0}],"num_suggestions":2,"algorithm":"random-search","seed":42})` | suggestions、suggestion_metadata、warnings、diversity |
-
-有历史观测且用户明确要求 BO 时，`generate` 可加入 objectives、object-form histories、
-model/acquisition/solver；历史少于 5 条默认 random-search，不编造观测。
-
-## LDM-BO（tool=`ldm-bo`）
-
-只用于小分子 SMILES/PDF2Dock，不用于抗体、CDRH3 或 AntBO。
-
-| operation | 人类情景 | 最小代码 | native 投影 |
-| --- | --- | --- | --- |
-| `health` | “分子 LDM-BO 服务可用吗？” | `n=invoke("ldm-bo","health")` | availability、Vina/ReaSyn/模型/LLM 配置状态、warnings |
-| `recommend` | “从候选池给下一条小分子 SMILES。” | `n=invoke("ldm-bo","recommend",data={"method":"bo-tanimoto","pool":["CCO","CCN","CCC"],"history":[{"smiles":"CCO","scores":[-7.1]},{"smiles":"CCN","scores":[-6.8]}],"batch_size":1})` | recommendations、acquisition_values、n_objectives、llm diagnostics |
-| `trajectory` | “跑一个有界的小分子 BO 轨迹。” | `n=invoke("ldm-bo","trajectory",data={"method":"bo-tanimoto","seed":42,"seed-smiles":"CCO,CCN,CCC","num-evaluations":4,"batch-size":1,"objective":"vina+nn"})` | config、history、summary、llm_trajectory；保留连字符字段 |
-
-## SynBO（tool=`synbo`）
-
-| operation | 人类情景 | 最小代码 | native 投影 |
-| --- | --- | --- | --- |
-| `health` | “SynBO 服务当前可用吗？” | `n=invoke("synbo","health")` | status、synbo_available、metadata、limits、runtime、warnings |
-| `initialize` | “没有实验历史，先选三组反应条件。” | `n=invoke("synbo","initialize",data={"condition_dict":{"catalyst":["Pd(OAc)2","Pd(PPh3)4"],"solvent":["THF","Toluene"],"base":["K2CO3","DBU"]},"opt_metrics":["yield"],"opt_metric_settings":[{"opt_direct":"max","opt_range":[0,100],"metric_weight":1.0}],"batch_size":3,"sampling_method":"random","desc_normalize":"minmax","random_seed":42})` | recommendations/initial conditions、warnings、metadata |
-| `optimize` | “根据真实历史收率推荐下一批条件。” | `n=invoke("synbo","optimize",data={"condition_dict":{"catalyst":["Pd(OAc)2","Pd(PPh3)4","Pd2(dba)3"],"solvent":["THF","Dioxane","Toluene"],"base":["K2CO3","NaOEt","DBU"]},"opt_metrics":["yield"],"previous_results":[{"batch":0,"catalyst":"Pd(OAc)2","solvent":"THF","base":"K2CO3","yield":42.0},{"batch":0,"catalyst":"Pd(PPh3)4","solvent":"Dioxane","base":"NaOEt","yield":55.0},{"batch":0,"catalyst":"Pd2(dba)3","solvent":"Toluene","base":"DBU","yield":63.0}],"batch_size":2,"accuracy":"tiny","device":"cpu","random_seed":42})` | recommendations、model/acquisition metadata、warnings；失败/空结果不得本地替代 |
-
-## AntBO（tool=`antbo`）
-
-抗体/CDRH3 场景即使出现 “LDM” 也必须路由到 AntBO，不得改用分子 LDM-BO。
-
-| operation | 人类情景 | 最小代码 | native 投影 |
-| --- | --- | --- | --- |
-| `health` | “AntBO 环境可用吗？” | `n=invoke("antbo","health")` | status、antbo_available、metadata、limits、warnings |
-| `run-default-job` | “启动标准 AntBO 后台任务。” | `n=invoke("antbo","run-default-job",params={"log_name":"antbo_<唯一时间戳>.log","append":False,"timeout_seconds":86400})` | started、pid、log_name/log_path、timeout_seconds |
-| `run` | “用明确的受限配置同步跑一次 AntBO。” | `n=invoke("antbo","run",data={"script_path":"./bo/main.py","config_path":"./bo/config.yaml","n_trials":1,"seed":42,"antigens_file":"<项目根内路径>","extra_args":[],"timeout_seconds":86400,"cuda_visible_devices":"0","conda_env":"DGM","log_name":"antbo_custom.log","append":False})` | ok、returncode、timed_out、log_path、log_truncated |
-| `log` | “查看 antbo_run.log 的尾部。” | `n=invoke("antbo","log",params={"log_name":"antbo_run.log"})` | log_name、log、log_truncated |
-| `jobs` | “查看当前活动 AntBO 作业。” | `n=invoke("antbo","jobs")` | jobs[*].pid/running/returncode/log_name/log_path |
-| `stop` | “停止 PID 12345。” | `n=invoke("antbo","stop",params={"pid":12345})` | stopped、pid、message |
-
-`run-default-job`、`run`、`stop` 是远程变更，必须有用户明确授权，未知结果不得重试。
-AntBO `ldm/suggest`、`ldm/initialize`、`ldm/evaluate` 当前不在 catalog：不调用工具，
-固定报告“未暴露该 operation；未发送远端请求”。
-
-注意：AntBO `health` 可能公布公司服务内部的 `ldm_suggest` 等 endpoint，但它们并不
-因此成为 Delta CLI operation；禁止调用不存在的 `antbo/catalog`，也禁止根据 health
-为 Memento 推导新的 endpoint。

package/skills/delta-science/references/routing-index.md

@@ -1,45 +0,0 @@
-# Delta Science 路由索引
-
-本文件只描述稳定的科研意图边界，不复制 Science Server 的工具和 endpoint 清单。
-实际可用工具以 `delta-cli science list` 和 `delta-cli science endpoints list` 返回的
-实时目录为准。
-
-## 路由优先级
-
-- 普通化合物名称、CID 和公共属性使用 PubChem；已有 SMILES/InChI 且需要结构计算时
-  使用 RDKit。
-- 用户明确要求一次得到名称解析、PubChem 字段和 RDKit 描述符/指纹时，使用
-  `chemistry` 的 molecule-enrich workflow；不要为同一需求重复调用中间服务。
-- 无机化学式、组成、CIF、POSCAR 和空间群使用 pymatgen；粉末衍射模拟或 Rietveld
-  精修使用 GSAS-II。
-- 表格材料数据、可控变量/目标、候选空间、 surrogate 验证和候选排序使用
-  Materials Design；不要把候选预测说成实验结果。
-- 需要 Quantum ESPRESSO 电子结构计算时使用 QE；先解析 workflow 与整组元素的 PP
-  policy/lock，再按异步 job 生命周期处理 execution、solver 和 scientific 状态。
-- 明确的 LAMMPS input、data 和力场任务使用 LAMMPS；不得从化学式或 CIF 猜测势函数。
-- 通用数值、整数或分类实验变量优化使用 Delta-BO。
-- 固定 SMILES 候选池或 PDF2Dock 轨迹使用 LDM-BO；固定 KRAS G12D 生成式优化使用
-  STRBO；反应条件与真实历史得率使用 SynBO；抗体 CDRH3 使用 AntBO。
-- “LDM/大发现模型”是跨上述三类能力的工作流意图，先读取 `ldm.md` 决定唯一后端，
-  不是服务端 tool，也不得路由到旧 `large-discovery-model` Skill。
-
-## 已验证 reference
-
-- [pubchem.md](pubchem.md)
-- [rdkit.md](rdkit.md)
-- [molecule-enrich.md](molecule-enrich.md)
-- [pymatgen.md](pymatgen.md)
-- [gsasii.md](gsasii.md)
-- [lammps.md](lammps.md)
-- [delta-bo.md](delta-bo.md)
-- [materials-design.md](materials-design.md)
-- [qe-dft.md](qe-dft.md)
-- [ldm-bo.md](ldm-bo.md)
-- [ldm.md](ldm.md)
-- [strbo.md](strbo.md)
-- [synbo.md](synbo.md)
-- [antbo.md](antbo.md)
-
-以上 reference 是已验证参数契约，不是服务端完整目录。用户明确点名新工具时，按
-`SKILL.md` 的实时 catalog 流程发现工具和 endpoint；若目录未返回请求 schema，不猜测
-请求体。

package/skills/delta-science/references/services.md

@@ -1,112 +0,0 @@
-# 服务与参数参考
-
-只读取当前所选服务对应的部分。下文中的 endpoint 是 Delta CLI catalog 名称，不是 URL 路径。
-
-## PubChem
-
-Tool：`pubchem`。
-
-- 普通名称查询：`compound-summary`，data 为 `{"identifier":"caffeine","namespace":"name"}`。
-- 批量查询：`compound-batch-summary`。模糊的多分子比较必须严格使用 `{"identifiers":["aspirin","caffeine"],"namespace":"name"}`。
-- 批量查询不要添加 `properties` 或 `synonym_limit`，尤其不能把 `CID` 放进 `properties`。
-- 其他 operation：`compound-resolve-cids`、`compound-properties`、`compound-synonyms`。
-
-单个 `compound-summary` 的业务字段直接位于 wrapper 的 `native` 顶层：读取
-`native.valid`、`native.cid`、`native.properties` 和 `native.synonyms`；不存在
-`native.data` 这一层。
-
-模糊问题优先使用 summary。按 `CanonicalSMILES`、`ConnectivitySMILES`、`SMILES`、`IsomericSMILES` 的顺序提取 SMILES。PubChem 返回的 `MolecularWeight`、`XLogP` 和 `TPSA` 必须保留为 PubChem 数据。
-
-批量 native 输出为 `{"results":[...]}`。每条记录用 `input` 保存原始标签，化合物字段位于嵌套的 `properties`；记录不是平铺结构，集合键也不是 `compounds`。
-
-## RDKit
-
-Tool：`rdkit`。
-
-- `parse`：`{"input":"CCO","format":"smiles"}`
-- `descriptors`：`{"smiles":"CCO","descriptor_set":"basic","sanitize":true}`
-- `batch-parse-describe`：`{"molecules":[{"id":"ethanol","smiles":"CCO"}],"descriptor_set":"basic","sanitize":true}`
-- `render`：`{"smiles":"CCO","image_format":"png","width":500,"height":400}`
-- `similarity`：使用 `query_smiles` 和 `target_smiles`
-- `similarity-matrix`：使用 `molecules:[{id,smiles}]`
-- `substructure`：使用 `query_smarts` 和 `target_smiles`
-
-`batch-parse-describe` 使用 `molecules`，不能用 `inputs`；分子字段使用 `smiles`，不能用 `input`。fingerprint 选项是对象，不是布尔值。PubChem `XLogP` 与 RDKit `MolLogP` 使用不同模型。
-
-`similarity-matrix` 的 `ranked_pairs` 每项是
-`{"a": <输入 id>, "b": <输入 id>, "similarity": <数值>}`。不要读取
-`i`、`j` 或 `score`。
-
-## pymatgen
-
-Tool：`pymatgen`。
-
-- 化学式：`composition-parse`，data 为 `{"formula":"LiFePO4","format":"formula"}`
-- 结构 operation：`structure-parse`、`structure-summary`、`structure-convert`、`structure-symmetry`
-
-结构调用必须发送完整结构文本，不能发送本地文件路径。支持 CIF、POSCAR、JSON、CSSR 和 XSF。不要把 LAMMPS data/dump 文件交给 pymatgen。
-
-对无机化学式/式量，只报告当前 native 的 `formula`、`reduced_formula`、
-`chemical_system`、`weight` 与元素组成。PubChem 未收录时保留 `not_found`，
-不要编造 CID 或用本地计算补值。
-
-## GSAS-II
-
-Tool：`gsasii`；operation 为 `powder-simulate` 和 `powder-refine`。
-
-模拟需要完整 `cif` 文本。字段必须使用 `phase_name`、`include_profile`、`include_reflections`、`t_min`、`t_max` 和 `t_step`。
-
-精修需要真实的 `powder_data`、`instrument_parameters` 和 `phases:[{name,cif}]`。依赖模拟结果时，只能从成功调用的 native `profile[*].x` 和 `profile[*].y_calc` 构造粉末数据。
-
-## LAMMPS
-
-Tool：`lammps`。
-
-- 只读有界示例：`lj-melt-example`，无参数
-- 执行：`run`，参数必须是示例返回的精确 native `request`，或用户明确授权的 `input_script`/files
-
-绝不能把 CLI 外层信封传给 `run`，只能传 `native["request"]`。LAMMPS 不会自动推断力场。交互式运行必须保持有界。
-
-最小示例最终数值从当前 native `last_thermo` 读取；逐字保留 `Step`、`Temp`
-和 `TotEng`，不要除以原子数、换算单位或推测收敛性。
-
-## Delta-BO
-
-Tool：`delta-bo`。
-
-- 命令目录：`commands`，无参数
-- 无状态建议：`generate`，例如 `{"params":[{"name":"x","type":"numeric","low":0,"high":1}],"num_suggestions":2,"algorithm":"random-search","seed":42}`
-
-观测少于五条时，除非用户明确要求 BO，否则优先使用 `random-search`。有状态 native session 命令属于变更操作，不能盲目重试。
-
-## LDM-BO
-
-Tool：`ldm-bo`；operation 为 `recommend` 和 `trajectory`。
-
-有界测试使用 `bo-tanimoto`。`recommend` 接受 `method`、`pool`、`history:[{smiles,scores}]` 和 `batch_size`。`trajectory` 必须保留 native 连字符字段：`seed-smiles`、`num-evaluations` 和 `batch-size`。
-
-## SynBO
-
-Tool：`synbo`；operation 为 `initialize` 和 `optimize`。
-
-二者都使用 `condition_dict`、`opt_metrics` 和 `batch_size`。`optimize` 还要求数值型 `previous_results`，且每条记录必须包含全部条件和指标。有界 CPU 测试使用 `accuracy:"tiny"` 和 `device:"cpu"`，并串行执行。
-
-有真实 `previous_results` 的优化请求使用一次 `optimize`；每行必须包含全部条件列和
-数值指标。失败、超时或空 recommendations 时如实报告，禁止本地替代优化。
-
-## AntBO
-
-Tool：`antbo`。
-
-当前 CLI catalog 暴露 `health`、`run-default-job`、`run`、`log`、`jobs` 和
-`stop`；准确参数见 `operation-contracts.md`。没有 `ldm/suggest`、
-`ldm/initialize`、`ldm/evaluate`。遇到 AntBO/CDRH3 的这些 LDM 请求时不要调用工具、
-不要改用小分子 LDM-BO、不要探测目录或直连 HTTP；明确回复“当前 Delta CLI catalog
-未暴露该 operation；未发送远端请求”。
-
-启动作业只能根据同一次 native 的 `started`、`pid` 和 `log_name`/`log_path`
-报告；任一字段缺失时标记为未验证，不要重复提交或编造作业信息。
-
-`health`、`log`、`jobs` 是只读调用。`run-default-job`、`run`、`stop` 会改变远端状态；
-`run-default-job` 的 `log_name`、`append`、`timeout_seconds` 使用 `--params-json`。
-没有用户明确授权时不得启动或停止；未知结果不得重试。

package/skills/delta-science/references/workflows.md

@@ -1,98 +0,0 @@
-# 跨服务工作流
-
-整个流程由单一 `delta-science` Skill 编排。线上调用最终执行
-`delta-cli science invoke`，禁止直接 HTTP。可使用 subagent 协助整理输入、核对 reference
-或展示结果，但主流程负责工具选择和所有线上调用。CLI 成功后每一步只消费对应 reference
-定义的 `data` 响应字段。已知 reference 中没有目标 operation 时，不猜测相近 endpoint；reference
-缺失、过期或与 CLI 返回不一致时，按 `SKILL.md` 的只读实时 catalog 流程确认。
-
-## 单个已命名分子
-
-1. 用 PubChem `compound-summary` 解析名称并取得身份字段。
-2. 按文档规定的回退顺序提取 SMILES。
-3. 只有用户要求 RDKit 描述符或明确的结构校验时，才调用 RDKit `batch-parse-describe`。
-4. 只有用户明确要求图片时，才调用 RDKit `render`，并解码、验证图片字节。
-5. 比较分子式、分子量、InChIKey 和供体/受体数量时，要明确区分 LogP、TPSA 等依赖模型的数值。
-
-如果用户明确要求一次返回 PubChem 记录以及 RDKit 规范化/描述符/指纹，使用
-`chemistry/molecule.enrich`；只要 PubChem 身份信息或只要 RDKit 计算时，仍使用对应的
-单服务 operation。
-
-## 多分子比较
-
-1. 用 PubChem 批量解析全部名称，请求体只包含 `identifiers` 和 `namespace:"name"`。省略 `properties`。
-2. 从业务响应的 `results[*]` 读取记录，并从每条记录的嵌套 `properties` 读取字段。
-3. 未解析成功的记录要排除，并明确说明原因。
-4. 使用 RDKit `similarity-matrix` 校验和排序两两相似度。它的 `sanitize` 已经校验输入，不要额外调用 parse。
-5. 用 PubChem 记录的原始 `input` 作为 molecule id，并按文档顺序从嵌套属性中提取 SMILES。
-6. 保持输入顺序，报告每个分数时明确对应的分子对。
-7. 除非用户明确要求，不要渲染、保存用户文件、检查健康状态或探测额外描述符。
-8. `ranked_pairs` 使用命名字段 `a`、`b`、`similarity`。找指定目标的最近邻时，
-   在包含该目标的记录中取最大 `similarity`，另一侧字段就是最近邻；不要使用
-   `i`、`j`、`score` 或猜测矩阵下标。
-
-## 材料工作流
-
-1. 使用 pymatgen 校验化学式/结构并转换 CIF；无机式量只能取当前业务响应 `weight`。
-2. GSAS-II 只能接收真实 CIF 文本后再做衍射计算。
-3. LAMMPS 只能在已有明确的力场、data 和脚本设置后运行；部署检查可以使用内置有界示例。
-4. 从 LAMMPS 返回 pymatgen 或 GSAS-II 前，需要从弛豫结果重新构造 CIF/POSCAR。不要直接传递 LAMMPS data/dump 文件。
-
-## Materials Design 工作流
-
-1. 先明确 identifier、可控设计变量、目标列及方向、泄漏/元数据列、分组或时间切分和
-   可行候选空间；不能优化 identifier、测量后变量或泄漏字段。
-2. 优先使用用户提供的候选表；只有服务契约允许且假设已标明时，才从可控变量的观测域
-   生成离散候选。组成闭合、硬约束、步长和是否允许外推必须显式记录。
-3. 读取作业的 `status` 后再读取 `result_status`；`completed` 不等于推荐可靠。
-   `complete`、`exploratory`、`readiness_only` 和 `failed` 必须分别报告，并保留 warnings。
-4. 只有用户要求或工作流需要时才下载 report/CSV/JSON artifact；依据服务返回的 size 和
-   SHA-256 校验，不能声称结果已经写入本地项目目录。
-
-Materials Design 的 `jobs` 上传是 multipart。当前 `delta-cli science invoke` 只能传 JSON
-body/query；除非实时目录提供明确的文件上传 adapter，否则不猜测 endpoint、不要把文件
-路径或 base64 塞进 `--data`，也不要改走直连 Gateway。
-
-## QE DFT 工作流
-
-1. 读取 health 和实时 workflow catalog，选择当前为 `supported` 的 workflow；收集完整
-   campaign element union，并按服务返回值解析/锁定 PP。
-2. 结构必须先成为服务返回的 checksum-addressed artifact；job 只引用 artifact ID、已批准
-   parameter set、PP lock、k-points、workflow_inputs 和资源请求。
-3. 提交必须使用稳定幂等语义；HTTP 202/accepted 只表示接收，不表示 QE 已收敛。轮询时
-   独立读取 `execution`、`solver`、`scientific` 三个状态，并按原始 stable error code 分类。
-4. CPU 是默认资源策略。只有用户明确要求或项目已有 GPU 授权且 live catalog 标记为
-   `gpu_support_status: verified` 时才请求 GPU；`gpu` 不得静默回退到 CPU，`auto` 也不等于
-   已实际使用 GPU。
-5. 日志和结果 artifact 下载后按服务返回的 SHA-256 校验；不要把 scheduler 完成、solver
-   收敛或可解析输出直接写成 scientific acceptance。
-
-QE 原始 artifact 上传需要二进制 body，job 提交还需要自定义 `Idempotency-Key`。当前 CLI
-没有这两类参数；只能调用 Science Server 已明确暴露的等价 adapter，否则报告“当前 CLI
-未暴露该 operation；未发送远端请求”。
-
-## 优化工作流
-
-- 通用数值或分类实验变量：Delta-BO
-- 固定 SMILES 候选池或 PDF2Dock/Vina+NN 轨迹：LDM-BO
-- 固定 KRAS G12D 的生成式小分子闭环：STRBO
-- 指定抗原的 11-aa CDRH3 闭环：AntBO
-- 偶联反应、反应条件和带真实历史得率的下一批实验推荐：SynBO
-
-用户以 “LDM/大发现模型” 描述任务时，必须先按 `SKILL.md` 读取 `ldm.md`，再读取唯一
-选定后端的 reference。LDM 是工作流意图，不是 tool；禁止旧
-`large-discovery-model`、`run_ldm_loop.py`、gateway backend 和直接 HTTP。
-
-禁止为了让优化器运行而编造观测数据。用户没有提供测量结果时，只能使用初始化或随机建议模式，并明确说明它是待实验验证的建议，不是已经验证的最优条件。
-SynBO/Delta-BO 没有返回 recommendations 时，不得用本地回归、GP、UCB 或人工排序替代。
-
-SynBO 只接受离散条件列表。用户给连续范围时，在一次调用前完成以下处理：
-
-1. 条件网格包含用户上下界、全部历史观测值和少量合理中间点。
-2. 同一条件列在 `condition_dict` 与 `previous_results` 中统一为字符串。
-3. 得率等 objective metric 保持数值。
-4. 小数据 CPU 默认 `tiny + RF + UCB`，并在最终答案中报告实际离散网格。
-5. CLI 返回失败或业务响应为空 recommendations 时结束；不得连续尝试多种 payload 或模型。
-
-用户未要求文件时只返回 recommendations 文本，不创建输入 CSV。必须交接时，仅把本次
-成功业务响应写入当前 `WORKSPACE_ROOT/synbo_result.json`。