@delta-infra/cli 1.0.97 → 1.0.99

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`。