写作与内容 nature-data-availabilityresearch-data-sharingfaif-metadatarepository-selectionchinese-academic-writingmanuscript-preparation

Nature 数据可用性声明技能

为 Nature 及高影响力期刊稿件草拟、审计与修改数据可用性声明、数据仓储方案、数据集引用与 FAIR 元数据。

FollowSkills 评估 · FSRS-2.0
不推荐
53/ 100 五分制 2.7 / 5
1 2 3 4 5 6
1信任安全15 / 25 · 3.0/5

证据显示:技能内容强调不编造 DOI、accession、仓库或访问条件,并要求用户确认缺失信息,体现了数据获取透明和避免过度承诺的原则。没有要求过高权限或执行危险操作,依赖主要是读取本地文件和生成文本,没有网络请求或外部副作用。但缺少明确的用户确认步骤(只在边界中提及)和回滚机制,且发布者身份未验证。因此扣分:权限和确认步骤不完全,回滚机制缺失。

2可靠稳定8 / 20 · 2.0/5

证据显示:技能路径结构清晰,SKILL.md 作为路由器加载 static/ 和 references/,manifest.yaml 定义加载规则。但未见任何测试或执行证据,关键路径(工作流)能否稳定复现未知。对异常输入的处理未有明确说明,失败反馈质量未知。因静态审查无法执行,且无测试证据,故扣分:无测试、边界情况处理薄。

3适用触发12 / 15 · 4.0/5

证据显示:适用场景明确(准备、审计或修改 Data Availability 声明),触发描述精准,包括中文触发词(数据可用性声明等)。环境适应性良好:面向中国用户,提供中英双语支持,无需外部网络服务依赖。边界说明清晰:不编造信息,缺失时给出清单。但缺少具体输入输出格式示例,触发精度依赖 description 文本,未验证语义触发准确率。故扣分:边界证据有限,触发精度未验证。

4规范维护10 / 15 · 3.3/5

证据显示:信息架构清晰,有 README.md 和 README_EN.md,静态/动态分层合理,version 2.0.1 在 manifest.yaml 中,Apache-2.0 许可证。但缺少 changelog、已知限制披露和明确的维护责任,版本更新路径不清晰。未提及更新机制,发布者身份未知。因此扣分:版本历史和更新路径不明确。

5有效结果5 / 15 · 1.7/5

证据显示:技能有明确目标和输出格式(可粘贴的英文声明、映射表、FAIR 检查清单),但无实际运行结果或示例验证输出质量。静态评估无法确认能否完成核心任务,边际价值证据缺乏。因未执行且无验证,故扣分:输出直接可用性缺乏证据。

6证据核验3 / 10 · 1.5/5

证据显示:提供引用文件(references/source-basis.md)但未包含在此审查材料中,无测试套件或 CI 针对本技能。没有第三方执行证据,无法验证核心工作流的可靠性。因此扣分:无独立验证,溯源证据有限。

证据充分度: 评估于 2026年8月7日 审查版本 dfd4e3bf8dc5
上游仓库在本次评估后已有新提交;当前评分仍对应所示审查版本,可能尚未覆盖最新改动。
使用前请注意
  • 该技能为静态审查,未实际执行,可靠性、有效性和可验证性评分基于文件审查,存在不确定性。
  • 技能依赖的 static/ 和 references/ 文件未在审查范围内,可能影响完整评估。
  • 发布者身份未验证,建议用户注意来源可信度。
  • 技能缺少明确的用户确认步骤,使用时需确保用户知情并确认关键信息。
查看完整评分方法 →

这个 Skill 能做什么,适合哪些场景?

本技能面向需要撰写数据可用性声明的科研作者,尤其是准备 Nature 系列投稿的中文作者。它通过分层的静态与动态结构,引导用户完成八步工作流:识别期刊、盘点数据集、分类访问途径、选择仓储与标识符、草拟声明、添加正式数据集引用、执行 FAIR 审计,并输出可直接粘贴的文本。技能强调遵循期刊具体指南,并将“按要求提供”标记为薄弱环节。

该技能加载核心指南文件,按八步工作流运行:识别目标期刊、清点所有支持数据集、将每个数据集归入七种访问途径(公开仓储、受控访问、论文内、复用公开、第三方受限、合理请求、不适用)、选择仓储和标识符策略、起草明确映射数据集位置的声明、添加正式数据集引用、执行 FAIR 元数据审计,最终产出可直接粘贴的声明文本并列出未解决字段。它不会凭空编造 DOI、登录号或仓储名称;会提示“按要求提供”是弱声明,除非有具体的法律、伦理、商业或第三方限制。

  1. 中文作者在撰写 Nature 稿件数据可用性部分时,需要准确的中英文表述和工作流。
  2. 投稿前审计现有数据可用性声明,确保每个数据集都有清晰的访问路径和引用。
  3. 作者需要为数据选择合适仓储(例如公开或受控访问),并获取正确的登录号。
  4. 作者需要生成符合 FAIR 原则的元数据检查清单,以支持数据共享合规性。
  5. 撰写通用学术论文时,需要数据可用性声明模板,超出 Nature 范围。

这个 Skill 有哪些优点和局限?

优点
  • 针对 Nature 及其子刊的学术表达和科研绘制定制,符合高影响力期刊要求。
  • 采用分层结构,核心指南精简,深度参考资料按需加载,降低每次调用的开销。
  • 支持中文用户,自动将中文请求转化为符合规范英文声明,并提供中文核对块。
  • 明确要求不编造 DOI、登录号、仓储名称、许可、禁运日期或伦理批准,减少虚假信息风险。
  • 提供 FAIR 元数据审计,帮助作者满足数据共享合规要求。
局限
  • 标记为 Draft 状态,规则已定义但未在真实案例上测试,可能存在边界问题。
  • 需要用户提供完整的论文和数据信息,否则输出中会留下未解决字段。
  • 依赖外部参考资料(如 references/ 中的政策与仓储文件),需要确保这些文件保持更新。
  • 安装需保留完整目录结构,对部分不熟悉的用户可能增加上手难度。
  • 技能仅提供文本输出,不自动生成图表或代码。

如何安装这个 Skill?

本技能是 nature-skills 仓库中的 nature-data 技能。可使用 npx skills 安装:npx skills add Yuan1z0825/nature-skills --agent codex --skill nature-data --yes --copy。手动安装请保留完整技能目录(SKILL.md、manifest.yaml、static/、references/),不要只复制 SKILL.md。

如何使用这个 Skill?

安装后,在支持 Agent Skills 的客户端(如 Claude Code 或 Codex)中直接描述任务,例如:“请帮我写 Nature 稿件的数据可用性声明”或“根据以下数据集列表生成 Data Availability statement”。技能会自动加载核心指南并运行工作流,最终返回可以直接粘贴的声明文本。

常见问题

安装这个技能需要额外安装 Python 或 MCP 服务吗?
不需要。根据 SKILL.md 和 README,该技能核心是文本工作流,不引用脚本或 MCP。但为了保险,请确保你的 agent 能读取本地文件系统,以加载 references/ 和 static/ 目录。
技能会连接到互联网或调用外部 API 吗?
不会。根据文档,技能仅基于本地文件系统工作,不涉及网络调用。所有参考资料都随仓库提供。
如果我没有 Nature 投稿需求,这个技能还能用吗?
可以。技能也支持一般学术写作的数据声明需求,但会优先遵循期刊具体指南。
技能会确保生成的声明完全准确吗?
不会。技能明确要求不编造任何标识符或条件,并会标记未解决字段。最终准确性依赖于用户提供的完整数据信息。

同仓库的其他 Skills

均来自 Yuan1z0825/nature-skills

相关 Skills