Communitygithub.com

escritura-markdown-mermaid

Habilidad integral para escritura en Markdown y diagramas Mermaid. Úsala al crear cualquier documento científico, informe, análisis o visualización. Establece los diagramas basados en texto como estándar de documentación predeterminado con guías de estilo completas (markdown + mermaid), 24 tipos de diagramas de referencia y 9 plantillas de documentos.

¿Qué es escritura-markdown-mermaid?

Esta habilidad establece un estándar riguroso y reproducible para la documentación técnica que prioriza el texto sobre las imágenes: todos los diagramas estructurales y de relación deben crearse primero como diagramas Mermaid incrustados en archivos Markdown (.md). La filosofía central es que un diagrama Mermaid dentro de un .md es más valioso que cualquier imagen porque difiere limpiamente en git, no requiere un paso de compilación, se renderiza de forma nativa en GitHub, GitLab, Notion y VS Code, consume menos tokens que una descripción textual y siempre se puede convertir a una imagen pulida más adelante, manteniendo la versión de texto como fuente de verdad. La habilidad proporciona guías de estilo detalladas para Markdown (~733 líneas) y Mermaid (~458 líneas), referencias completas para 24 tipos de diagramas Mermaid (desde diagramas de flujo y secuencia hasta diagramas de radar y C4), y 9 plantillas de documentos listas para usar (informes de investigación, ADRs, guías prácticas, etc.). También se integra con otras habilidades como `scientific-schematics` (para generar imágenes PNG de calidad de publicación) y `scientific-writing` (para redactar manuscritos), asegurando que el diagrama Mermaid de la Fase 1 sirva como resumen general antes de cualquier conversión descendente. La habilidad enfatiza reglas obligatorias como usar `accTitle` y `accDescr` para accesibilidad, evitar directivas `%%{init}` (que rompen el modo oscuro de GitHub), usar solo una sintaxis `classDef` en lugar de estilos en línea, y seleccionar el tipo de diagrama correcto en lugar de usar diagramas de flujo por defecto.

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

Preguntar en tu IA favorita

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

Documentación

Escritura en Markdown y Mermaid

Resumen

Esta habilidad te enseña — e impone un estándar para — la creación de documentación científica utilizando markdown con diagramas Mermaid incrustados como formato predeterminado y canónico.

La apuesta central: una relación expresada como un diagrama Mermaid dentro de un archivo .md es más valiosa que cualquier imagen. Es texto, por lo que diferencia limpiamente en git. No requiere un paso de compilación. Se renderiza de forma nativa en GitHub, GitLab, Notion, VS Code y cualquier visor de markdown. Utiliza menos tokens que una descripción en prosa de la misma relación. Y siempre se puede convertir a una imagen pulida más tarde, pero la versión de texto sigue siendo la fuente de verdad.

"Cuanto más tengas tus informes y archivos en .md en texto plano normal, que mermaid también lo es además de ser un simple 'lenguaje de script'. Esto solo ayuda con cualquier renderizado posterior y especialmente con imágenes generadas por IA (usando mermaid en lugar de solo texto extenso para describir relaciones < tokens). Además, mermaid puede renderizarse junto con markdown para un uso fácil en casi cualquier lugar por humanos o IA."

— Clayton Young (@borealBytes), K-Dense Discord, 2026-02-19

Cuándo usar esta habilidad

Usa esta habilidad cuando:

  • Creando cualquier documento científico — informes, análisis, manuscritos, secciones de métodos
  • Escribiendo cualquier documentación — READMEs, guías, registros de decisiones, documentación de proyectos
  • Produciendo cualquier diagrama — flujos de trabajo, pipelines de datos, arquitecturas, cronogramas, relaciones
  • Generando cualquier resultado que esté bajo control de versiones — si va a ir a git, debe ser markdown
  • Trabajando con cualquier otra habilidad — esta habilidad define la capa de documentación que envuelve cada otro resultado
  • Alguien te pide que "añadas un diagrama" o "visualices la relación" — Mermaid primero, siempre

NO empieces con matplotlib de Python, seaborn, o generación de imágenes por IA para diagramas estructurales o de relaciones. Esas son Fase 2 y Fase 3 — solo se usan cuando Mermaid no puede expresar lo necesario (por ejemplo, gráficos de dispersión con datos reales, imágenes fotorrealistas).

🎨 La filosofía del formato fuente

Por qué ganan los diagramas basados en texto

Qué importaMermaid en MarkdownPython / Imagen IA
Diferencia legible en git✅❌ blob binario
Editable sin regenerar✅❌
Eficiente en tokens vs. prosa✅ más pequeño❌ más grande
Se renderiza sin paso de compilación✅❌ necesita alojamiento
Analizable por IA sin visión✅❌
Funciona en GitHub / GitLab / Notion✅⚠️ si está alojado
Accesible (lectores de pantalla)✅ accTitle/accDescr⚠️ necesita texto alternativo
Convertible a imagen después✅ en cualquier momento— ya es imagen

El flujo de trabajo de tres fases

flowchart LR
    accTitle: Flujo de Trabajo de Documentación en Tres Fases
    accDescr: La Fase 1 de Mermaid en markdown siempre es obligatoria y es la fuente de verdad. Las Fases 2 y 3 son conversiones descendentes opcionales para resultados pulidos.

    p1["📄 Fase 1<br/>Mermaid en Markdown<br/>(SIEMPRE — fuente de verdad)"]
    p2["🐍 Fase 2<br/>Generado por Python<br/>(opcional — gráficos de datos)"]
    p3["🎨 Fase 3<br/>Visuales Generados por IA<br/>(opcional — pulido)"]
    out["📊 Entregable Final"]

    p1 --> out
    p1 -.->|"cuando sea necesario"| p2
    p1 -.->|"cuando sea necesario"| p3
    p2 --> out
    p3 --> out

    classDef required fill:#dbeafe,stroke:#2563eb,stroke-width:2px,color:#1e3a5f
    classDef optional fill:#fef9c3,stroke:#ca8a04,stroke-width:2px,color:#713f12
    classDef output fill:#dcfce7,stroke:#16a34a,stroke-width:2px,color:#14532d

    class p1 required
    class p2,p3 optional
    class out output

La Fase 1 es obligatoria. Incluso si procedes a la Fase 2 o 3, la fuente de Mermaid permanece confirmada.

Qué puede expresar Mermaid

Mermaid cubre 24 tipos de diagramas. Casi todas las relaciones científicas se ajustan a uno:

Caso de usoTipo de diagramaArchivo
Flujo de trabajo experimental / lógica de decisiónDiagrama de flujoreferences/diagrams/flowchart.md
Interacciones de servicios / llamadas API / mensajeríaSecuenciareferences/diagrams/sequence.md
Modelo de datos / esquemaDiagrama ERreferences/diagrams/er.md
Máquina de estados / ciclo de vidaEstadoreferences/diagrams/state.md
Cronograma de proyecto / hoja de rutaGanttreferences/diagrams/gantt.md
Proporciones / composiciónCircularreferences/diagrams/pie.md
Arquitectura del sistema (niveles de zoom)C4references/diagrams/c4.md
Jerarquía de conceptos / lluvia de ideasMapa mentalreferences/diagrams/mindmap.md
Eventos cronológicos / historiaLínea de tiemporeferences/diagrams/timeline.md
Jerarquía de clases / relaciones de tiposClasereferences/diagrams/class.md
Viaje del usuario / mapa de satisfacciónViaje del usuarioreferences/diagrams/user_journey.md
Comparación de dos ejes / priorizaciónCuadrantereferences/diagrams/quadrant.md
Trazabilidad de requisitosRequisitoreferences/diagrams/requirement.md
Magnitud de flujo / distribución de recursosSankeyreferences/diagrams/sankey.md
Tendencias numéricas / gráficos de barras + líneasGráfico XYreferences/diagrams/xy_chart.md
Diseño de componentes / disposición espacialBloquereferences/diagrams/block.md
Estado de elementos de trabajo / columnas de tareasKanbanreferences/diagrams/kanban.md
Infraestructura en la nube / topología de serviciosArquitecturareferences/diagrams/architecture.md
Comparación multidimensional / radar de habilidadesRadarreferences/diagrams/radar.md
Proporciones jerárquicas / presupuestoTreemapreferences/diagrams/treemap.md
Protocolo binario / formato de datosPaquetereferences/diagrams/packet.md
Ramificación de Git / estrategia de fusiónGrafo Gitreferences/diagrams/git_graph.md
Secuencia estilo código (sintaxis de programación)ZenUMLreferences/diagrams/zenuml.md
Patrones de composición de múltiples diagramasEjemplos complejosreferences/diagrams/complex_examples.md

💡 Elige el tipo correcto, no el fácil. No uses diagramas de flujo por defecto para todo. Una línea de tiempo supera a un diagrama de flujo para eventos cronológicos. Una secuencia supera a un diagrama de flujo para interacciones de servicios. Escanea la tabla y encuentra la coincidencia.


🔧 Flujo de trabajo principal

Paso 1: Identifica el tipo de documento

Verifica si existe una plantilla antes de escribir desde cero:

Tipo de documentoPlantilla
Registro de solicitud de extraccióntemplates/pull_request.md
Incidencia / error / solicitud de funcióntemplates/issue.md
Sprint / tablero de proyectotemplates/kanban.md
Decisión de arquitectura (ADR)templates/decision_record.md
Presentación / informetemplates/presentation.md
Artículo de investigación / análisistemplates/research_paper.md
Documentación de proyectotemplates/project_documentation.md
Guía práctica / tutorialtemplates/how_to_guide.md
Informe de estadotemplates/status_report.md

Paso 2: Lee la guía de estilo

Antes de escribir cualquier archivo .md: lee references/markdown_style_guide.md.

Reglas clave a interiorizar:

  • Un H1 por documento — el título. Nunca más.
  • Emoji solo en encabezados H2 — un emoji por H2, ninguno en H3/H4
  • Cita todo — cada afirmación externa recibe una nota al pie [^N] con la URL completa
  • Negrita con moderación — máximo 2-3 términos en negrita por párrafo, nunca frases completas
  • Regla horizontal después de cada </details> — obligatorio
  • Tablas en lugar de prosa para comparaciones, configuraciones, datos estructurados
  • Diagramas en lugar de muros de texto — si describe flujo, estructura o relaciones, añade Mermaid

Paso 3: Elige el tipo de diagrama y lee su guía

Antes de crear cualquier diagrama Mermaid: lee references/mermaid_style_guide.md.

Luego abre el archivo de tipo específico (por ejemplo, references/diagrams/flowchart.md) para el ejemplo, consejos y plantilla de copiar y pegar.

Reglas obligatorias para cada diagrama:

accTitle: Nombre Corto 3-8 Palabras
accDescr: Una o dos oraciones que explican qué muestra este diagrama.
  • Sin directivas %%{init} — rompe el modo oscuro de GitHub
  • Sin style en línea — usa solo classDef
  • Un emoji por nodo como máximo — al inicio de la etiqueta
  • IDs de nodo en snake_case — que coincidan con la etiqueta

Paso 4: Escribe el documento

Empieza desde la plantilla. Aplica la guía de estilo de markdown. Coloca los diagramas en línea con el texto relacionado, no en una sección separada de "Figuras".

Paso 5: Confirma como texto

El archivo .md con Mermaid incrustado es lo que se confirma. Si también generaste un PNG o imagen de IA, esos son complementarios — el markdown es la fuente.


⚠️ Errores comunes

Sintaxis del gráfico radar (radar-beta)

INCORRECTO:

radar
title Ejemplo
x-axis ["A", "B", "C"]
"Serie" : [1, 2, 3]

CORRECTO:

radar-beta
title Ejemplo
axis a["A"], b["B"], c["C"]
curve serie["Serie"]{1, 2, 3}
máx 3
  • Usa radar-beta no radar (la palabra clave simple no existe)
  • Usa axis para definir dimensiones, no x-axis
  • Usa curve para definir series de datos, no etiquetas entre comillas con dos puntos
  • Sin accTitle/accDescr — radar-beta no admite anotaciones de accesibilidad; siempre añade un párrafo en cursiva descriptivo arriba del diagrama

Confusión entre Gráfico XY y Radar

DiagramaPalabra claveSintaxis de ejeSintaxis de datos
Gráfico XY (barras/líneas)xychart-betax-axis ["Etiqueta1", "Etiqueta2"]bar [10, 20] o line [10, 20]
Radar (telaraña/red)radar-betaaxis id["Etiqueta"]curve id["Etiqueta"]{10, 20}

Olvidar accTitle/accDescr en tipos compatibles

Solo algunos tipos de diagrama admiten accTitle/accDescr. Para aquellos que no, coloca siempre un párrafo en cursiva descriptivo directamente arriba del bloque de código:

Gráfico radar que compara tres métodos en cinco dimensiones de rendimiento. Nota: Los gráficos radar no admiten accTitle/accDescr.

radar-beta
...

🔗 Integración con otras habilidades

Con scientific-schematics

scientific-schematics genera imágenes de calidad de publicación impulsadas por IA (PNG). Usa el diagrama Mermaid como el resumen para el esquema:

Flujo de trabajo:
1. Crea el concepto como Mermaid en .md (esta habilidad — Fase 1)
2. Describe el mismo concepto a scientific-schematics para un PNG pulido (Fase 3)
3. Confirma ambos — el .md como fuente, el PNG como figura complementaria

Con scientific-writing

Cuando scientific-writing produce un manuscrito, todos los diagramas y figuras estructurales deben usar los estándares de esta habilidad. La habilidad de escritura maneja la prosa y las citas; esta habilidad maneja la estructura visual.

Flujo de trabajo:
1. Usa scientific-writing para redactar el manuscrito
2. Para cada figura que muestre un flujo de trabajo, arquitectura o relación:
   - Reemplaza el marcador de posición con un diagrama Mermaid siguiendo la guía de esta habilidad
3. Usa scientific-schematics solo para figuras que realmente necesiten renderizado fotorrealista/complejo

Con literature-review

La revisión de literatura produce resúmenes con muchos datos de relaciones. Usa esta habilidad para:

  • Crear mapas conceptuales (Mapa mental) del panorama de la literatura
  • Mostrar cronogramas de publicación (Línea de tiempo o Gantt)
  • Comparar metodologías (Cuadrante o Radar)
  • Diagramar flujos de datos descritos en documentos (Secuencia o Diagrama de flujo)

Con cualquier habilidad que produzca documentos de salida

Antes de finalizar cualquier documento de cualquier habilidad, aplica la lista de verificación de esta habilidad:

  • ¿El documento usa una plantilla? Si es así, ¿empecé con la correcta?
  • ¿Todos los diagramas están en Mermaid con accTitle + accDescr?
  • ¿Sin %%{init}, sin style en línea, solo classDef?
  • ¿Todas las afirmaciones externas están citadas con [^N]?
  • ¿Un H1, emoji solo en H2?
  • ¿Reglas horizontales después de cada </details>?

📚 Índice de referencia

Guías de estilo

GuíaRutaLíneasQué cubre
Guía de estilo de Markdownreferences/markdown_style_guide.md~733Encabezados, formato, citas, tablas, integración con Mermaid, plantillas, lista de verificación de calidad
Guía de estilo de Mermaidreferences/mermaid_style_guide.md~458Accesibilidad, conjunto de emojis, clases de color, neutralidad de temas, selección de tipos, niveles de complejidad

Guías de tipo de diagrama (24 tipos)

Cada archivo contiene: ejemplo de calidad de producción, consejos específicos para ese tipo y una plantilla de copiar y pegar.

references/diagrams/ — architecture, block, c4, class, complex_examples, er, flowchart, gantt, git_graph, kanban, mindmap, packet, pie, quadrant, radar, requirement, sankey, sequence, state, timeline, treemap, user_journey, xy_chart, zenuml

Plantillas de documentos (9 tipos)

templates/ — decision_record, how_to_guide, issue, kanban, presentation, project_documentation, pull_request, research_paper, status_report

Ejemplos

assets/examples/example-research-report.md — un informe de investigación científica completo que demuestra la jerarquía adecuada de encabezados, múltiples tipos de diagramas (diagrama de flujo, secuencia, gantt), tablas, citas con notas al pie, secciones plegables y todas las reglas de la guía de estilo aplicadas.


📝 Atribución

Todas las guías de estilo, guías de tipo de diagrama y plantillas de documentos en esta habilidad son portadas del repositorio SuperiorByteWorks-LLC/agent-project bajo la Licencia Apache-2.0.

Esta habilidad (como parte de scientific-agent-skills) se distribuye bajo la Licencia MIT. El contenido incluido bajo Apache-2.0 es compatible para uso descendente con atribución retenida, según se conserva en los encabezados de archivo a lo largo de esta habilidad.


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