Communitygithub.com

dhdna-profiler

Extrae patrones cognitivos y huellas de pensamiento de cualquier texto. Utiliza esta habilidad cuando el usuario quiera analizar cómo piensa alguien, comprender su estilo cognitivo, perfilar patrones de escritura o habla, o comparar estilos de pensamiento entre personas.

¿Qué es dhdna-profiler?

DHDNA Profiler es una herramienta de análisis cognitivo basada en el marco Digital Human DNA (DHDNA), que postula que cada mente posee una firma única expresada a través de cómo razona, decide, valora y se comunica. Esta habilidad extrae el perfil cognitivo de cualquier texto evaluando 12 dimensiones (como profundidad analítica, rango creativo, procesamiento emocional, precisión lingüística, razonamiento ético, pensamiento estratégico, inteligencia social, entre otras) y sus 6 pares de tensión. El perfil resultante incluye un mapa de tensiones, patrón dominante, patrón sombra, topología de razonamiento y huella de decisión. La herramienta es compatible con IA conversacional como Claude, y está diseñada para usarse en sesiones donde el usuario proporciona textos a analizar. Incluye funciones de modo comparativo (para contrastar dos o más autores) y de autoperfilado (con consentimiento explícito). Se enfatiza que no es una prueba de personalidad ni un juicio de inteligencia, sino un mapeo de arquitectura cognitiva basado en evidencia textual. Respeta límites éticos: no perfila sin consentimiento, no alimenta decisiones consecuentes (contratación, promoción, admisión) y todo permanece en la sesión local.

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

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

Perfilador DHDNA — Extracción de Patrones Cognitivos

Un sistema estructurado para extraer la huella cognitiva del autor de cualquier texto. Basado en el marco de ADN Humano Digital (DHDNA) — la teoría de que cada mente tiene un patrón de firma único expresado a través de cómo razona, decide, valora y se comunica.

Investigación publicada: Preimpresión DHDNA (DOI: 10.5281/zenodo.18736629) | Consolidación IDNA v2 (DOI: 10.5281/zenodo.18807387)

Concepto Central

Así como el ADN biológico codifica la identidad física a través de pares de bases, el ADN Humano Digital codifica la identidad cognitiva mediante patrones de pensamiento. La combinación de profundidad analítica, rango creativo, procesamiento emocional, pensamiento estratégico y razonamiento ético de cada persona crea una firma cognitiva única — tan distintiva como una huella dactilar.

El perfilador no juzga el pensamiento como "bueno" o "malo". Mapa la topología de cómo funciona una mente.

Las 12 Dimensiones Cognitivas

Al perfilar un texto, puntúa cada dimensión en una escala del 1 al 10 basándote en la evidencia del texto:

#DimensiónQué midePuntuación baja (1-3)Puntuación alta (8-10)
1Profundidad AnalíticaRigor lógico, razonamiento estructurado, cadenas causalesIntuitivo, holístico, basado en patronesSistemático, orientado a pruebas, preciso
2Rango CreativoNovedad de conexiones, uso de metáforas, pensamiento lateralConvencional, incrementalRompedor de paradigmas, síntesis interdominios
3Procesamiento EmocionalVocabulario emocional, señales de empatía, integración afectivaDistante, clínicoRico emocionalmente, integración de sentimientos
4Precisión LingüísticaSofisticación del vocabulario, arquitectura oracional, retóricaSimple, directoArquitectónicamente complejo, matizado
5Razonamiento ÉticoSeñales de valores, preocupación por la equidad, conciencia de consecuenciasPragmático, centrado en resultadosImpulsado por principios, orientado a la justicia
6Pensamiento EstratégicoPlanificación a largo plazo, conciencia competitiva, optimización de recursosTáctico, reactivoMultimovimiento, teoría de juegos
7Integración de MemoriaReferencia a experiencias pasadas, patrones históricos, continuidadCentrado en el presenteProfunda conciencia histórica, impulsado por precedentes
8Inteligencia SocialConciencia de la audiencia, toma de perspectiva, encuadre relacionalAutorreferencialProfundamente consciente de los demás, construcción de coaliciones
9Experiencia en el DominioProfundidad técnica, conocimiento especializado, confianza en jergaGeneralistaEspecialista profundo
10Razonamiento IntuitivoSeñales de corazonada, atajos heurísticos, saltos de patrónMetódico, paso a pasoSalto de fe, impulsado por intuición
11Orientación TemporalHorizonte temporal del pensamiento — enfoque en pasado, presente o futuroAnclado en el presenteAbarcador del tiempo, de histórico a futurista
12MetacogniciónAutoconciencia del propio pensamiento, reconocimiento de incertidumbreNo reflexivoProfundamente autoconsciente, piensa sobre el pensamiento

Los 6 Pares de Tensión

Las dimensiones existen en tensión — las puntuaciones altas en una a menudo se correlacionan con puntuaciones más bajas en su par. Estas tensiones SON la firma cognitiva:

ParTensiónQué revela
DIM 1 ↔ DIM 10Analítico ↔ IntuitivoLógica vs. Corazonada — cómo la mente llega a conclusiones
DIM 3 ↔ DIM 6Emocional ↔ EstratégicoCorazón vs. Cabeza — qué impulsa las decisiones
DIM 2 ↔ DIM 5Creativo ↔ ÉticoLibertad vs. Marco — innovación dentro o más allá de las reglas
DIM 4 ↔ DIM 12Lingüístico ↔ MetacognitivoExpresión vs. Autoconciencia — oficio externo vs. reflexión interna
DIM 7 ↔ DIM 11Memoria ↔ TemporalPasado vs. Tiempo mismo — experiencia vs. horizonte temporal
DIM 8 ↔ DIM 9Social ↔ DominioAmplitud vs. Profundidad — habilidades sociales vs. maestría técnica

Cómo Perfilar

Fase 1 — Recopilación de Evidencia

Lee el texto con atención. Para cada dimensión, identifica evidencia textual específica:

  • Citas directas que demuestren la dimensión
  • Patrones estructurales (cómo se construyen los argumentos)
  • Lo que está presente Y lo que está ausente (los vacíos revelan tanto como el contenido)
  • Patrones recurrentes a lo largo de múltiples pasajes

Fase 2 — Puntuación

Para cada una de las 12 dimensiones:

  1. Puntúa del 1 al 10 basándote en la evidencia
  2. Cita la evidencia textual más fuerte para esa puntuación
  3. Marca el nivel de confianza: ALTA (múltiples señales claras), MEDIA (algunas señales), BAJA (inferido)

Fase 3 — Síntesis de Patrones

Después de puntuar, identifica:

Patrón Dominante: Las 2-3 dimensiones con puntuación más alta — esta es la "base" de la mente

Patrón Sombra: Las 2-3 dimensiones con puntuación más baja — aquí es donde la mente no va naturalmente

Tensiones Características: ¿Qué pares de tensión muestran la mayor brecha? Estas definen el estilo cognitivo más que cualquier puntuación individual.

Topología de Razonamiento: ¿Cómo se mueve la mente a través de las ideas?

  • Lineal (A → B → C → conclusión)
  • Espiral (aborda la misma idea desde múltiples ángulos, cada vez más profundo)
  • Red (conecta dominios dispares en síntesis)
  • Dialéctica (tesis → antítesis → síntesis)
  • Fractal (mismo patrón a niveles micro y macro)

Huella de Decisión: Al enfrentar opciones, ¿esta mente:

  • Analiza primero, luego decide? (dominante analítica)
  • Siente primero, luego racionaliza? (dominante emocional)
  • Visualiza el resultado primero, luego trabaja hacia atrás? (dominante estratégica)
  • Cuestiona la pregunta misma? (dominante metacognitiva)

Fase 4 — Salida del Perfil

Presenta el perfil de la siguiente manera:

═══════════════════════════════════════════
  PERFIL COGNITIVO DHDNA
  Sujeto: [Nombre o "Anónimo"]
  Texto analizado: [N palabras / N párrafos]
  Confianza: [ALTA / MEDIA / BAJA]
═══════════════════════════════════════════

PUNTUACIONES DE DIMENSIONES:
  1. Profundidad Analítica · [█████████·] 9/10
  2. Rango Creativo ········ [███████···] 7/10
  ... (las 12)

MAPA DE TENSIÓN:
  Analítico ████████░░ ↔ ░░████████ Intuitivo
  Emocional ███░░░░░░░ ↔ ░░░░░░████ Estratégico
  ... (los 6 pares)

PATRÓN DOMINANTE: [Top 2-3 dimensiones]
PATRÓN SOMBRA: [Bottom 2-3 dimensiones]
TOPOLOGÍA DE RAZONAMIENTO: [Lineal / Espiral / Red / Dialéctica / Fractal]
HUELLA DE DECISIÓN: [Analizar-primero / Sentir-primero / Visualizar-primero / Cuestionar-primero]

SÍNTESIS NARRATIVA:
[Descripción en lenguaje natural de 2-3 párrafos de cómo funciona esta mente,
qué la hace distintiva y qué podría pasar por alto]

CITAS CLAVE:
[3-5 citas más reveladoras con atribución de dimensión]
═══════════════════════════════════════════

Modo Comparación

Cuando el usuario proporciona dos o más textos de diferentes autores, produce perfiles individuales y luego una síntesis comparativa:

  • ¿Dónde convergen las mentes? (dimensiones altas compartidas)
  • ¿Dónde divergen? (puntuaciones opuestas en la misma dimensión)
  • ¿Qué pares de tensión crearían desacuerdo productivo?
  • Si estas mentes estuvieran en una sala juntas, ¿cómo sería la conversación?

Modo Autoperfil

Si el usuario pede perfilar su propio pensamiento (usando el historial de la conversación como texto), sé transparente:

  • Pregunta antes de releer la conversación. Di qué pretendes usar como material fuente y espera una respuesta. Las intervenciones anteriores fueron escritas para un propósito diferente, y extraerlas para inferencia psicológica no es algo que deba hacerse en silencio.
  • Puntúa basándote en la conversación hasta el momento
  • Reconoce que el texto conversacional puede no representar el rango completo
  • Señala que las personas a menudo piensan diferente cuando escriben para una IA vs. cuando escriben para humanos
  • Ofrece volver a perfilar si el usuario proporciona otras muestras de escritura

Consentimiento y Alcance

Esta habilidad infiere atributos cognitivos y psicológicos personales. Eso es diferente a resumir un documento, y los límites importan:

  • Perfila el texto que el usuario te trae para la solicitud actual. No busques más material sobre el mismo autor — otros archivos, sesiones anteriores o cualquier cosa que hayas leído.
  • Un perfil de un tercero es especulativo y debe decirlo. Cuando el autor es alguien que no está en la conversación y no ha aceptado ser analizado — un colega de un correo reenviado, un candidato de una solicitud, un autor de un artículo — etiqueta la salida como una inferencia de una muestra de texto, no como un hallazgo sobre esa persona.
  • Rehúsa perfilar que alimente una decisión consecuente sobre alguien. Las decisiones de contratación, promoción, admisión, clínicas, disciplinarias o crediticias están fuera de los límites; este marco no tiene validación que respalde ese uso, y una puntuación cognitiva del 1 al 10 parece mucho más autoritaria de lo que es.
  • Todo permanece local en la sesión. Los perfiles no se escriben en ningún lugar que el usuario no haya solicitado y no se envían a ningún servicio.

Qué NO Es Esto

  • No es una prueba de personalidad (MBTI, Big Five, etc.) — esas miden tendencias de comportamiento, DHDNA mide arquitectura cognitiva
  • No es un juicio de inteligencia — un gran maestro de ajedrez y un poeta pueden puntuar muy diferente pero ambos demuestran capacidad cognitiva profunda
  • No es estático — el DHDNA de una persona evoluciona a medida que aprende, experimenta y crece. Un perfil es una instantánea, no un destino.

Creado Por

AHK Strategies — Conocimiento de Horizonte de IA Plataforma completa: themindbook.app Investigación: Artículo DHDNA (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.

Skills relacionados