Communitygithub.com

Rédaction Markdown et Mermaid

Compétence complète pour la rédaction de documents Markdown et de diagrammes Mermaid. À utiliser lors de la création de tout document scientifique, rapport, analyse ou visualisation. Établit les diagrammes textuels comme standard de documentation par défaut, avec des guides de style complets (Markdown + Mermaid), 24 références de types de diagrammes et 9 modèles de documents.

Qu'est-ce que Rédaction Markdown et Mermaid ?

Cette compétence établit le Markdown avec diagrammes Mermaid intégrés comme format canonique et par défaut pour toute documentation scientifique et technique. Elle repose sur l'idée qu'une relation exprimée sous forme de diagramme Mermaid dans un fichier `.md` est plus précieuse qu'une image : elle se diffère proprement dans Git, ne nécessite aucune étape de build, se rend nativement sur GitHub, GitLab, Notion, VS Code et tout visualiseur Markdown, et utilise moins de tokens qu'une description textuelle équivalente. La compétence propose un workflow en trois phases (Phase 1 obligatoire : Mermaid dans le Markdown comme source de vérité, Phases 2 et 3 optionnelles pour des diagrammes de données ou des visuels générés par IA), 24 guides de types de diagrammes couvrant la plupart des besoins scientifiques (flowcharts, séquences, diagrammes ER, Gantt, etc.), 9 modèles de documents prêts à l'emploi, ainsi que des guides de style détaillés pour le Markdown et Mermaid. Elle s'intègre avec d'autres compétences comme `scientific-schematics` et `scientific-writing` et impose des règles précises : un titre H1 par document, des emojis sur les titres H2 uniquement, des citations systématiques avec notes de bas de page, des diagrammes avec `accTitle`/`accDescr` (sauf pour les types non compatibles), et l'absence de directives `%%{init}` ou de styles en ligne pour garantir une compatibilité optimale.

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

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Que fait Rédaction Markdown et Mermaid ?

📖 Présentation

Cette compétence vous enseigne — et impose un standard pour — la création de documentation scientifique en utilisant Markdown avec diagrammes Mermaid intégrés comme format canonique par défaut.

Le principe fondamental : une relation exprimée sous forme de diagramme Mermaid dans un fichier .md a plus de valeur que n'importe quelle image. C'est du texte, donc il se diffère proprement dans Git. Il ne nécessite aucune étape de build. Il se rend nativement sur GitHub, GitLab, Notion, VS Code et tout visualiseur Markdown. Il utilise moins de tokens qu'une description textuelle de la même relation. Et il peut toujours être converti en une image soignée plus tard — mais la version texte reste la source de vérité.

« Plus vous mettez vos rapports et fichiers en .md en texte brut, ce que Mermaid est aussi en tant que 'langage de script' simple, mieux c'est. Cela facilite tout rendu en aval et surtout les images générées par IA (utiliser Mermaid plutôt que du texte long pour décrire des relations < tokens). De plus, Mermaid peut être rendu avec Markdown pour une utilisation facile presque partout, par les humains ou l'IA. »

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

🎯 Quand utiliser cette compétence

Utilisez cette compétence quand :

  • Vous créez un document scientifique — rapports, analyses, manuscrits, sections de méthodes
  • Vous rédigez une documentation — README, tutoriels, enregistrements de décisions, documentation de projet
  • Vous produisez un diagramme — workflows, pipelines de données, architectures, chronologies, relations
  • Vous générez une sortie qui sera versionnée — si elle va dans Git, elle doit être en Markdown
  • Vous travaillez avec une autre compétence — cette compétence définit la couche de documentation qui enveloppe toute autre sortie
  • On vous demande « ajoutez un diagramme » ou « visualisez la relation » — Mermaid d'abord, toujours

NE PAS commencer par Python matplotlib, seaborn ou la génération d'images IA pour les diagrammes structurels ou relationnels. Ce sont les phases 2 et 3 — utilisées uniquement quand Mermaid ne peut pas exprimer ce qui est nécessaire (par exemple, nuages de points avec données réelles, images photoréalistes).

🎨 La philosophie du format source

Pourquoi les diagrammes textuels gagnent

Ce qui compteMermaid dans MarkdownPython / Image IA
Diff lisible dans Git✅❌ blob binaire
Modifiable sans régénération✅❌
Efficace en tokens vs. prose✅ plus petit❌ plus grand
Rendu sans étape de build✅❌ nécessite hébergement
Analyse par IA sans vision✅❌
Fonctionne dans GitHub/GitLab/Notion✅⚠️ si hébergé
Accessible (lecteurs d'écran)✅ accTitle/accDescr⚠️ nécessite texte alternatif
Convertible en image plus tard✅ à tout moment— déjà une image

Le workflow en trois phases

flowchart LR
    accTitle: Workflow de documentation en trois phases
    accDescr: La phase 1 Mermaid dans le Markdown est toujours obligatoire et est la source de vérité. Les phases 2 et 3 sont des conversions aval optionnelles pour une sortie soignée.

    p1["📄 Phase 1<br/>Mermaid dans Markdown<br/>(TOUJOURS — source de vérité)"]
    p2["🐍 Phase 2<br/>Généré par Python<br/>(optionnel — graphiques de données)"]
    p3["🎨 Phase 3<br/>Visuels générés par IA<br/>(optionnel — polissage)"]
    out["📊 Livrable final"]

    p1 --> out
    p1 -.->|"si nécessaire"| p2
    p1 -.->|"si nécessaire"| 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 phase 1 est obligatoire. Même si vous passez aux phases 2 ou 3, la source Mermaid reste engagée (commit).

Ce que Mermaid peut exprimer

Mermaid couvre 24 types de diagrammes. Presque toute relation scientifique en trouve un :

Cas d'utilisationType de diagrammeFichier
Workflow expérimental / logique de décisionFlowchartreferences/diagrams/flowchart.md
Interactions de services / appels API / messagerieSequencereferences/diagrams/sequence.md
Modèle de données / schémaDiagramme ERreferences/diagrams/er.md
Machine d'état / cycle de vieStatereferences/diagrams/state.md
Chronologie de projet / feuille de routeGanttreferences/diagrams/gantt.md
Proportions / compositionPiereferences/diagrams/pie.md
Architecture système (niveaux de zoom)C4references/diagrams/c4.md
Hiérarchie de concepts / remue-méningesMindmapreferences/diagrams/mindmap.md
Événements chronologiques / historiqueTimelinereferences/diagrams/timeline.md
Hiérarchie de classes / relations de typesClassreferences/diagrams/class.md
Parcours utilisateur / carte de satisfactionUser Journeyreferences/diagrams/user_journey.md
Comparaison sur deux axes / priorisationQuadrantreferences/diagrams/quadrant.md
Traçabilité des exigencesRequirementreferences/diagrams/requirement.md
Magnitude de flux / distribution de ressourcesSankeyreferences/diagrams/sankey.md
Tendances numériques / graphiques à barres + lignesXY Chartreferences/diagrams/xy_chart.md
Disposition des composants / disposition spatialeBlockreferences/diagrams/block.md
Statut d'élément de travail / colonnes de tâchesKanbanreferences/diagrams/kanban.md
Infrastructure cloud / topologie de servicesArchitecturereferences/diagrams/architecture.md
Comparaison multidimensionnelle / radar de compétencesRadarreferences/diagrams/radar.md
Proportions hiérarchiques / budgetTreemapreferences/diagrams/treemap.md
Protocole binaire / format de donnéesPacketreferences/diagrams/packet.md
Branchement Git / stratégie de fusionGit Graphreferences/diagrams/git_graph.md
Séquence de style de code (syntaxe de programmation)ZenUMLreferences/diagrams/zenuml.md
Modèles de composition multi-diagrammesExemples complexesreferences/diagrams/complex_examples.md

💡 Choisissez le bon type, pas le plus facile. Ne vous rabattez pas sur les flowcharts pour tout. Un timeline est meilleur qu'un flowchart pour les événements chronologiques. Un séquence est meilleur qu'un flowchart pour les interactions de services. Parcourez le tableau et faites correspondre.


🔧 Workflow de base

Étape 1 : Identifier le type de document

Vérifiez si un modèle existe avant d'écrire à partir de zéro :

Type de documentModèle
Enregistrement de pull requesttemplates/pull_request.md
Problème / bug / demande de fonctionnalitétemplates/issue.md
Sprint / tableau de projettemplates/kanban.md
Décision d'architecture (ADR)templates/decision_record.md
Présentation / briefingtemplates/presentation.md
Article de recherche / analysetemplates/research_paper.md
Documentation de projettemplates/project_documentation.md
Tutoriel / guide pratiquetemplates/how_to_guide.md
Rapport de statuttemplates/status_report.md

Étape 2 : Lire le guide de style

Avant d'écrire un fichier .md : lisez references/markdown_style_guide.md.

Règles clés à internaliser :

  • Un seul H1 par document — le titre. Jamais plus.
  • Émoji sur les titres H2 uniquement — un émoji par H2, aucun dans H3/H4
  • Citez tout — chaque affirmation externe obtient une note de bas de page [^N] avec l'URL complète
  • Gras avec parcimonie — maximum 2-3 termes en gras par paragraphe, jamais des phrases complètes
  • Règle horizontale après chaque </details> — obligatoire
  • Tableaux plutôt que prose pour les comparaisons, configurations, données structurées
  • Diagrammes plutôt que murs de texte — si cela décrit un flux, une structure ou des relations, ajoutez Mermaid

Étape 3 : Choisir le type de diagramme et lire son guide

Avant de créer un diagramme Mermaid : lisez references/mermaid_style_guide.md.

Ouvrez ensuite le fichier spécifique au type (par exemple, references/diagrams/flowchart.md) pour l'exemple, les conseils et le modèle copier-coller.

Règles obligatoires pour chaque diagramme :

accTitle: Nom court 3-8 mots
accDescr: Une ou deux phrases expliquant ce que montre ce diagramme.
  • Pas de directives %%{init} — casse le mode sombre GitHub
  • Pas de style en ligne — utilisez classDef uniquement
  • Un émoji par nœud maximum — au début du libellé
  • ID de nœuds en snake_case — doit correspondre au libellé

Étape 4 : Rédiger le document

Partez du modèle. Appliquez le guide de style Markdown. Placez les diagrammes en ligne avec le texte associé — pas dans une section « Figures » séparée.

Étape 5 : Engager (commit) en texte

Le fichier .md avec Mermaid intégré est ce qui est engagé. Si vous avez également généré un PNG ou une image IA, ceux-ci sont supplémentaires — le Markdown est la source.


⚠️ Pièges courants

Syntaxe du diagramme radar (radar-beta)

MAUVAIS :

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

CORRECT :

radar-beta
title Exemple
axis a["A"], b["B"], c["C"]
curve série["Série"]{1, 2, 3}
max 3
  • Utilisez radar-beta pas radar (le mot-clé nu n'existe pas)
  • Utilisez axis pour définir les dimensions, pas x-axis
  • Utilisez curve pour définir les séries de données, pas les libellés entre guillemets avec deux-points
  • Pas de accTitle/accDescr — radar-beta ne prend pas en charge les annotations d'accessibilité ; ajoutez toujours un paragraphe descriptif en italique au-dessus du diagramme

Confusion entre XY Chart et Radar

DiagrammeMot-cléSyntaxe d'axeSyntaxe de données
XY Chart (barres/lignes)xychart-betax-axis ["Libellé1", "Libellé2"]bar [10, 20] ou line [10, 20]
Radar (araignée/toile)radar-betaaxis id["Libellé"]curve id["Libellé"]{10, 20}

Oubli de accTitle/accDescr sur les types pris en charge

Seuls certains types de diagrammes prennent en charge accTitle/accDescr. Pour ceux qui ne le font pas, placez toujours un paragraphe descriptif en italique directement au-dessus du bloc de code :

Diagramme radar comparant trois méthodes sur cinq dimensions de performance. Note : Les diagrammes radar ne prennent pas en charge accTitle/accDescr.

radar-beta
...

🔗 Intégration avec d'autres compétences

Avec scientific-schematics

scientific-schematics génère des images de qualité publication (PNG) alimentées par IA. Utilisez le diagramme Mermaid comme brief pour le schéma :

Workflow :
1. Créez le concept en Mermaid dans .md (cette compétence — Phase 1)
2. Décrivez le même concept à scientific-schematics pour un PNG soigné (Phase 3)
3. Engagez les deux — le .md comme source, le PNG comme figure supplémentaire

Avec scientific-writing

Quand scientific-writing produit un manuscrit, tous les diagrammes et figures structurels doivent utiliser les normes de cette compétence. La compétence d'écriture gère la prose et les citations ; cette compétence gère la structure visuelle.

Workflow :
1. Utilisez scientific-writing pour rédiger le manuscrit
2. Pour chaque figure qui montre un workflow, une architecture ou une relation :
   - Remplacez l'espace réservé par un diagramme Mermaid suivant le guide de cette compétence
3. Utilisez scientific-schematics uniquement pour les figures qui nécessitent vraiment un rendu photoréaliste/complexe

Avec literature-review

La revue de littérature produit des résumés avec beaucoup de données relationnelles. Utilisez cette compétence pour :

  • Créer des cartes conceptuelles (Mindmap) du paysage de la littérature
  • Afficher des chronologies de publication (Timeline ou Gantt)
  • Comparer des méthodologies (Quadrant ou Radar)
  • Schématiser les flux de données décrits dans les articles (Sequence ou Flowchart)

Avec toute compétence produisant des documents de sortie

Avant de finaliser un document provenant d'une compétence, appliquez la liste de contrôle de cette compétence :

  • Le document utilise-t-il un modèle ? Si oui, ai-je commencé par le bon ?
  • Tous les diagrammes sont-ils en Mermaid avec accTitle + accDescr ?
  • Pas de %%{init}, pas de style en ligne, uniquement classDef ?
  • Toutes les affirmations externes sont-elles citées avec [^N] ?
  • Un seul H1, émoji sur H2 uniquement ?
  • Règles horizontales après chaque </details> ?

📚 Index de référence

Guides de style

GuideCheminLignesCe qu'il couvre
Guide de style Markdownreferences/markdown_style_guide.md~733Titres, formatage, citations, tableaux, intégration Mermaid, modèles, liste de contrôle qualité
Guide de style Mermaidreferences/mermaid_style_guide.md~458Accessibilité, jeu d'emojis, classes de couleurs, neutralité de thème, sélection de type, niveaux de complexité

Guides de types de diagrammes (24 types)

Chaque fichier contient : un exemple de qualité production, des conseils spécifiques à ce type, et un modèle copier-coller.

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

Modèles de documents (9 types)

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

Exemples

assets/examples/example-research-report.md — un rapport de recherche scientifique complet démontrant une hiérarchie de titres appropriée, plusieurs types de diagrammes (flowchart, séquence, gantt), des tableaux, des citations en notes de bas de page, des sections pliables, et toutes les règles du guide de style appliquées.


📝 Attribution

Tous les guides de style, guides de types de diagrammes et modèles de documents de cette compétence sont importés du dépôt SuperiorByteWorks-LLC/agent-project sous la licence Apache-2.0.

Cette compétence (dans le cadre de scientific-agent-skills) est distribuée sous la licence MIT. Le contenu inclus sous licence Apache-2.0 est compatible pour une utilisation en aval, avec attribution conservée, comme préservé dans les en-têtes de fichiers tout au long de cette compétence.


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 associés