Communitygithub.com

DHDNA-Profiler

Extrahiert kognitive Muster und Denk-Fingerabdrücke aus beliebigen Texten. Nutze diesen Skill, wenn der Benutzer analysieren möchte, wie jemand denkt, den kognitiven Stil verstehen, Schreib- oder Sprachmuster profilieren oder Denkstile zwischen Personen vergleichen möchte.

Was ist DHDNA-Profiler?

Der DHDNA Profiler ist ein KI-Assistent-Skill, der auf dem Digital Human DNA (DHDNA) Framework basiert – der Theorie, dass jeder Mensch einen einzigartigen kognitiven Fingerabdruck besitzt, der sich in seiner Art zu denken, Entscheidungen zu treffen und zu kommunizieren widerspiegelt. Der Skill analysiert Texte entlang von 12 kognitiven Dimensionen (z. B. analytische Tiefe, kreative Bandbreite, emotionale Verarbeitung) und 6 Spannungspaaren, um ein detailliertes Profil zu erstellen. Er unterstützt sowohl Einzelprofile als auch Vergleichsmodi zwischen mehreren Autoren und kann auf Wunsch sogar eine Selbsteinschätzung auf Basis des Gesprächsverlaufs vornehmen. Dabei legt der Skill großen Wert auf ethische Grenzen: Profile Dritter werden als spekulativ gekennzeichnet, und der Skill lehnt die Verwendung für folgenreiche Entscheidungen (Einstellung, Beförderung, klinische Beurteilungen) ab. Der Skill ist für Entwickler und Power-User konzipiert, die tiefe Einblicke in Denkmuster gewinnen möchten, und funktioniert plattformunabhängig mit jedem KI-Assistenten, der Markdown verarbeiten kann.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/K-Dense-AI/scientific-agent-skills/tree/main/skills/dhdna-profiler

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

DHDNA Profiler – Kognitive Musterextraktion

Ein strukturiertes System zur Extraktion des kognitiven Fingerabdrucks eines Textautors. Basierend auf dem Digital Human DNA (DHDNA) Framework – der Theorie, dass jeder Geist ein einzigartiges Signaturmuster besitzt, das sich in seiner Art zu denken, Entscheidungen zu treffen, Werten und Kommunikation ausdrückt.

Veröffentlichte Forschung: DHDNA Pre-print (DOI: 10.5281/zenodo.18736629) | IDNA Consolidation v2 (DOI: 10.5281/zenodo.18807387)

Kernkonzept

So wie die biologische DNA die physische Identität durch Basenpaare kodiert, kodiert die Digitale Menschliche DNA die kognitive Identität durch Denkmuster. Die Kombination aus analytischer Tiefe, kreativer Bandbreite, emotionaler Verarbeitung, strategischem Denken und ethischer Überlegung eines jeden Menschen erzeugt eine einzigartige kognitive Signatur – so unverwechselbar wie ein Fingerabdruck.

Der Profiler bewertet das Denken nicht als „gut“ oder „schlecht“. Er kartiert die Topologie, wie ein Geist arbeitet.

Die 12 kognitiven Dimensionen

Bei der Profilerstellung eines Textes bewerten Sie jede Dimension auf einer Skala von 1–10 basierend auf den Hinweisen im Text:

#DimensionWas sie misstNiedriger Wert (1-3)Hoher Wert (8-10)
1Analytische TiefeLogische Stringenz, strukturierte Argumentation, KausalkettenIntuitiv, holistisch, muster-basiertSystematisch, beweisorientiert, präzise
2Kreative BandbreiteNeuheit von Verbindungen, Metapherngebrauch, laterales DenkenKonventionell, inkrementellParadigmenwechsel, cross-domain Synthese
3Emotionale VerarbeitungEmotionales Vokabular, Empathiesignale, AffektintegrationDistanziert, klinischEmotional reich, gefühlsintegriert
4Linguistische PräzisionWortschatzkomplexität, Satzarchitektur, RhetorikEinfach, direktArchitektonisch komplex, nuanciert
5Ethische ÜberlegungWertesignale, Fairnessbedenken, KonsequenzbewusstseinPragmatisch, ergebnisorientiertPrinzipiengetrieben, gerechtigkeitsorientiert
6Strategisches DenkenLangfristige Planung, Wettbewerbsbewusstsein, RessourcenoptimierungTaktisch, reaktivMehrstufig, spieltheoretisch
7GedächtnisintegrationBezug zu vergangenen Erfahrungen, historischen Mustern, KontinuitätGegenwartsfokussiertTiefes historisches Bewusstsein, präzedenzgetrieben
8Soziale IntelligenzPublikumsbewusstsein, Perspektivenübernahme, relationale RahmungSelbstreferenziellStark fremdwahrnehmend, koalitionsbildend
9FachkompetenzTechnische Tiefe, Spezialwissen, Fachjargon-SicherheitGeneralistTiefer Spezialist
10Intuitives DenkenBauchgefühl-Signale, heuristische Abkürzungen, MustersprüngeMethodisch, Schritt für SchrittGlaubenssprung, einsichtsgetrieben
11Zeitliche OrientierungZeithorizont des Denkens – Vergangenheit, Gegenwart oder ZukunftGegenwartsverankertZeitüberspannend, historisch bis futuristisch
12MetakognitionSelbstbewusstsein über das eigene Denken, UnsicherheitseingeständnisUnreflektiertTief selbstbewusst, denkt über Denken nach

Die 6 Spannungspaare

Dimensionen stehen in Spannung – hohe Werte in einer korrelieren oft mit niedrigeren Werten in ihrem Gegenstück. Diese Spannungen SIND die kognitive Signatur:

PaarSpannungWas es offenbart
DIM 1 ↔ DIM 10Analytisch ↔ IntuitivLogik vs. Bauchgefühl – wie der Geist zu Schlussfolgerungen gelangt
DIM 3 ↔ DIM 6Emotional ↔ StrategischHerz vs. Kopf – was Entscheidungen treibt
DIM 2 ↔ DIM 5Kreativ ↔ EthischFreiheit vs. Rahmen – Innovation innerhalb oder außerhalb von Regeln
DIM 4 ↔ DIM 12Linguistisch ↔ MetakognitivAusdruck vs. Selbstbewusstsein – äußeres Handwerk vs. innere Reflexion
DIM 7 ↔ DIM 11Gedächtnis ↔ ZeitlichVergangenheit vs. Zeit selbst – Erfahrung vs. Zeithorizont
DIM 8 ↔ DIM 9Sozial ↔ FachlichBreite vs. Tiefe – Menschenkenntnis vs. technische Meisterschaft

Wie man profiliert

Phase 1 – Hinweissammlung

Lesen Sie den Text sorgfältig. Identifizieren Sie für jede Dimension spezifische textuelle Hinweise:

  • Direkte Zitate, die die Dimension zeigen
  • Strukturelle Muster (wie Argumente aufgebaut sind)
  • Was vorhanden IST und was fehlt (Lücken verraten so viel wie Inhalte)
  • Wiederkehrende Muster über mehrere Passagen hinweg

Phase 2 – Bewertung

Bewerten Sie jede der 12 Dimensionen:

  1. Bewertung 1-10 basierend auf Hinweisen
  2. Zitieren Sie den stärksten textuellen Hinweis für diese Bewertung
  3. Kennzeichnen Sie das Vertrauensniveau: HOCH (mehrere klare Signale), MITTEL (einige Signale), NIEDRIG (erschlossen)

Phase 3 – Mustersynthese

Identifizieren Sie nach der Bewertung:

Dominantes Muster: Die 2-3 am höchsten bewerteten Dimensionen – dies ist die „Heimatbasis“ des Geistes

Schattenmuster: Die 2-3 am niedrigsten bewerteten Dimensionen – dies sind die Bereiche, in die der Geist nicht natürlich tendiert

Signaturspannungen: Welche Spannungspaare zeigen die größte Lücke? Diese definieren den kognitiven Stil mehr als jeder einzelne Wert.

Argumentationstopologie: Wie bewegt sich der Geist durch Ideen?

  • Linear (A → B → C → Schlussfolgerung)
  • Spiral (nähert sich derselben Idee aus mehreren Blickwinkeln, jedes Mal tiefer)
  • Netz (verbindet unterschiedliche Bereiche zu einer Synthese)
  • Dialektisch (These → Antithese → Synthese)
  • Fraktal (gleiches Muster auf Mikro- und Makroebene)

Entscheidungsfingerabdruck: Wenn dieser Geist vor Entscheidungen steht:

  • Analysiert er zuerst, entscheidet dann? (analytisch-dominant)
  • Fühlt er zuerst, rationalisiert dann? (emotional-dominant)
  • Stellt er sich zuerst das Ergebnis vor, arbeitet dann rückwärts? (strategisch-dominant)
  • Stellt er die Frage selbst in Frage? (metakognitiv-dominant)

Phase 4 – Profilausgabe

Präsentieren Sie das Profil wie folgt:

═══════════════════════════════════════════
  DHDNA KOGNITIVES PROFIL
  Subjekt: [Name oder „Anonym“]
  Analysierter Text: [N Wörter / N Absätze]
  Vertrauen: [HOCH / MITTEL / NIEDRIG]
═══════════════════════════════════════════

DIMENSIONSWERTE:
  1. Analytische Tiefe ···· [█████████·] 9/10
  2. Kreative Bandbreite ·· [███████···] 7/10
  ... (alle 12)

SPANNUNGSKARTE:
  Analytisch ████████░░ ↔ ░░████████ Intuitiv
  Emotional  ███░░░░░░░ ↔ ░░░░░░████ Strategisch
  ... (alle 6 Paare)

DOMINANTES MUSTER: [Top 2-3 Dimensionen]
SCHATTENMUSTER: [Untere 2-3 Dimensionen]
ARGUMENTATIONSTOPOLOGIE: [Linear / Spiral / Netz / Dialektisch / Fraktal]
ENTSCHEIDUNGSFINGERABDRUCK: [Analysieren-zuerst / Fühlen-zuerst / Vorstellen-zuerst / Fragen-zuerst]

NARRATIVE SYNTHESE:
[2-3 Absätze in natürlicher Sprache, die beschreiben, wie dieser Geist arbeitet,
was ihn auszeichnet und was er möglicherweise übersieht]

SCHLÜSSELZITATE:
[3-5 aufschlussreichste Zitate mit Dimensionszuordnung]
═══════════════════════════════════════════

Vergleichsmodus

Wenn der Benutzer zwei oder mehr Texte von verschiedenen Autoren bereitstellt, erstellen Sie individuelle Profile und dann eine Vergleichssynthese:

  • Wo konvergieren die Geister? (gemeinsame hohe Dimensionen)
  • Wo divergieren sie? (gegensätzliche Werte auf derselben Dimension)
  • Welche Spannungspaare würden produktive Meinungsverschiedenheiten erzeugen?
  • Wären diese Geister in einem Raum, wie würde das Gespräch aussehen?

Selbstprofilmodus

Wenn der Benutzer bittet, sein eigenes Denken zu profilieren (unter Verwendung des Gesprächsverlaufs als Text), seien Sie transparent:

  • Fragen Sie, bevor Sie die Konversation zurücklesen. Sagen Sie, welches Quellmaterial Sie verwenden möchten, und warten Sie auf eine Antwort. Vorherige Wortmeldungen wurden für einen anderen Zweck geschrieben, und sie stillschweigend für psychologische Inferenzen zu nutzen, ist nicht statthaft.
  • Bewerten Sie basierend auf dem bisherigen Gespräch
  • Weisen Sie darauf hin, dass Konversationstext möglicherweise nicht die gesamte Bandbreite repräsentiert
  • Beachten Sie, dass Menschen oft anders denken, wenn sie für eine KI schreiben, als wenn sie für Menschen schreiben
  • Bieten Sie an, das Profil zu wiederholen, wenn der Benutzer andere Schreibproben bereitstellt

Zustimmung und Umfang

Dieser Skill schließt auf persönliche kognitive und psychologische Merkmale. Das ist etwas anderes als eine Zusammenfassung eines Dokuments, und die Grenzen sind wichtig:

  • Profilieren Sie den Text, den der Benutzer für die aktuelle Anfrage bereitstellt. Suchen Sie nicht nach weiterem Material über denselben Autor – andere Dateien, frühere Sitzungen oder Dinge, die Sie zufällig gelesen haben.
  • Ein Profil eines Dritten ist spekulativ und muss als solches gekennzeichnet werden. Wenn der Autor jemand ist, der nicht am Gespräch beteiligt ist und nicht zugestimmt hat, analysiert zu werden – ein Kollege aus einer weitergeleiteten E-Mail, ein Kandidat aus einer Bewerbung, ein Autor einer Veröffentlichung – kennzeichnen Sie die Ausgabe als Inferenz aus einer Textprobe, nicht als Befund über diese Person.
  • Lehnen Sie die Profilerstellung ab, die eine folgenreiche Entscheidung über jemanden beeinflusst. Einstellungs-, Beförderungs-, Zulassungs-, klinische, disziplinarische oder kreditbezogene Entscheidungen sind tabu; dieses Framework hat keine Validierung, die eine solche Nutzung stützt, und ein kognitiver Wert von 1–10 wirkt weitaus autoritativer, als er ist.
  • Alles bleibt lokal in der Sitzung. Profile werden nicht an Orten geschrieben, die der Benutzer nicht verlangt hat, und nicht an Dienste gesendet.

Was dies NICHT ist

  • Kein Persönlichkeitstest (MBTI, Big Five usw.) – diese messen Verhaltenstendenzen, DHDNA misst kognitive Architektur
  • Kein Urteil über Intelligenz – ein Schachgroßmeister und ein Dichter können sehr unterschiedliche Werte erzielen, aber beide zeigen tiefgreifende kognitive Fähigkeiten
  • Nicht statisch – die DHDNA eines Menschen entwickelt sich mit dem Lernen, der Erfahrung und dem Wachstum. Ein Profil ist eine Momentaufnahme, kein Schicksal.

Erstellt von

AHK Strategies – AI Horizon Knowledge Vollständige Plattform: themindbook.app Forschung: DHDNA Paper (DOI: 10.5281/zenodo.18736629)

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

adaptyv

How to use the Adaptyv Bio Foundry API and Python SDK for protein experiment design, submission, and results retrieval. Use this skill whenever the user mentions Adaptyv, Foundry API, protein binding assays, protein screening experiments, BLI/SPR assays, thermostability assays, or wants to submit protein sequences for experimental characterization. Also trigger when code imports `adaptyv`, `adaptyv_sdk`, or `FoundryClient`, or references `foundry-api-public.adaptyvbio.com`.

aeon

This skill should be used for time series machine learning tasks including classification, regression, clustering, forecasting, anomaly detection, segmentation, and similarity search. Use when working with temporal data, sequential patterns, or time-indexed observations requiring specialized algorithms beyond standard ML approaches. Particularly suited for univariate and multivariate time series analysis with scikit-learn compatible APIs.

alphagenome

Look up precomputed AlphaGenome Atlas effects for any GRCh38 single-nucleotide variant (AVI score with Phred and 18 SHAP feature attributions, plus raw and quantile scores for RNA-seq, DNase, ATAC, ChIP-TF, ChIP-histone, CAGE, PRO-cap, splicing, polyadenylation and contact-map tracks), score variants or scan windows on demand with the AlphaGenome model for human and mouse (variant scoring, in silico mutagenesis, REF-versus-ALT track prediction), and build Atlas website deep links. Use when the user mentions AlphaGenome, AlphaGenome Atlas, AVI or AlphaGenome Variant Impact, DeepMind variant effect prediction, or wants to prioritise or mechanistically interpret non-coding, regulatory, splicing, enhancer, promoter, or chromatin-accessibility effects of SNVs from a VCF, credible set, or region. Research use only; not a clinical tool.

analytical-method-validation

Plan, execute, and document validation, verification, and transfer of analytical procedures under the governing framework - ICH Q2(R2) and Q14, USP <1220>/<1225>/<1226>, ICH M10 bioanalytical, CLSI EP, or ISO/IEC 17025. Use for HPLC, LC-MS/MS, GC, CE, ICP-MS, dissolution, qNMR, qPCR, NIR, and ligand binding or cell-based assays whenever the question is whether a procedure is fit for its intended purpose. Triggers include

anndata

Data structure for annotated matrices in single-cell analysis. Use when working with .h5ad files or integrating with the scverse ecosystem. This is the data format skill—for analysis workflows use scanpy; for probabilistic models use scvi-tools; for population-scale queries use cellxgene-census.

arbor

Autonomously improve a real artifact (code, training recipe, agent harness, data pipeline, prompt) against an objective and an evaluator, using Hypothesis Tree Refinement (HTR) from the Arbor paper. Use this whenever someone wants to iteratively optimize something over many experiments without overfitting — e.g.

arboreto

Infer gene regulatory networks (GRNs) from gene expression data using scalable algorithms (GRNBoost2, GENIE3). Use when analyzing transcriptomics data (bulk RNA-seq, single-cell RNA-seq) to identify transcription factor-target gene relationships and regulatory interactions. Supports distributed computation for large-scale datasets.

astropy

Core Python library for astronomy and astrophysics workflows that need Astropy APIs, including units/quantities, coordinates, FITS I/O, tables, time systems, WCS, and cosmology. Use when implementing or debugging astronomical data analysis code with Astropy.

autoskill

Observe the user

benchling-integration

Benchling Python SDK and REST API integration for registry entities, inventory, ELN entries, workflows, Benchling Apps, and Data Warehouse queries. Use when automating lab data with benchling-sdk or the v2 API.

bgpt-paper-search

Search scientific papers and retrieve structured experimental data extracted from full-text studies via the BGPT MCP server. Returns 25+ fields per paper including methods, results, sample sizes, quality scores, and conclusions. Use for literature reviews, evidence synthesis, and finding experimental details not available in abstracts alone.

bids

>

biopython

Comprehensive molecular biology toolkit. Use for sequence manipulation, file parsing (FASTA/GenBank/PDB), phylogenetics, and programmatic NCBI/PubMed access (Bio.Entrez). Best for batch processing, custom bioinformatics pipelines, BLAST automation. For quick lookups use gget; for multi-service integration use bioservices.

bioservices

Unified Python interface to 40+ bioinformatics services. Use when querying multiple databases (UniProt, KEGG, ChEMBL, Reactome) in a single workflow with consistent API. Best for cross-database analysis, ID mapping across services. For quick single-database lookups use gget; for sequence/file manipulation use biopython.

bulk-rnaseq

End-to-end bulk RNA-seq orchestrator — takes raw FASTQ reads through QC and trimming (FastQC, fastp/Trim Galore), alignment and quantification (STAR, Salmon, featureCounts), assembles a gene-level counts matrix, then hands off to differential expression (pydeseq2), pathway/GSEA enrichment (pathway-enrichment), and publication figures (scientific-visualization). Use whenever the user has bulk RNA-seq reads or quant output and wants a complete, reproducible differential-expression workflow — e.g.

cellxgene-census

Query the CZ CELLxGENE Census programmatically for versioned public single-cell and spatial transcriptomics data. Use when you need population-scale cell metadata, gene expression slices, Census summary counts, source H5AD URIs/downloads, embeddings, spatial Census data, or reference atlas comparisons across organisms, tissues, diseases, assays, and cell types. For analyzing your own local single-cell data use scanpy, anndata, or scvi-tools.

cirq

Google quantum computing framework. Use when targeting Google Quantum AI hardware, designing noise-aware circuits, or running quantum characterization experiments. Best for Google hardware, noise modeling, and low-level circuit design. For IBM hardware use qiskit; for quantum ML with autodiff use pennylane; for physics simulations use qutip.

citation-management

Comprehensive citation management for academic research. Search OpenAlex, PubMed, and Google Scholar for papers, extract accurate metadata, validate citations, and generate properly formatted BibTeX entries. This skill should be used when you need to find papers, verify citation information, convert DOIs to BibTeX, or ensure reference accuracy in scientific writing.

clinical-decision-support

Prepare and validate research-only clinical decision-support evaluation, evidence-profile, cohort, survival, biomarker/model, privacy, and governance artifacts. Use for aggregate or synthetic research documentation and traceability—not patient care or live clinical operation.

clinical-reports

Create safety-bounded draft structures and run local deterministic checks for clinical case, diagnostic, trial, safety, and aggregate research reports. Use only with synthetic, de-identified, or aggregate inputs and verified source-fact manifests; every output requires qualified review.

Verwandte Skills