Communitygithub.com

ANDYPENG09/catalyst-design-skill

Habilidade de orientação bilíngue para design de catalisadores para agentes de IA (Claude Code / OpenClaw / Hermes / Cursor / WorkBuddy). 催化剂设计指导技能

O que é catalyst-design-skill?

Esta skill fornece orientação especializada em design de catalisadores para agentes de IA, como Claude Code, Cursor e Codex, abrangendo desde a seleção de composições e estruturas até a otimização de condições de síntese e validação experimental. Ela é útil para engenheiros e pesquisadores que buscam projetar catalisadores para reações como HER, OER, ORR, eletrólise PEM, fotocatálise e reciclagem de plásticos, oferecendo um fluxo de trabalho baseado em uma metodologia de quatro camadas (Teoria, Métodos, Parâmetros e Validação). A skill utiliza uma base de conhecimento interna e pode integrar resultados de busca de literatura (da skill 'catalyst-search') para fornecer recomendações com fontes rastreáveis e níveis de confiança. Ela funciona sem dependências externas, mas pode opcionalmente usar WebSearch/WebFetch para verificar origens de regras, e permite atualização dinâmica da base de conhecimento apenas quando solicitada explicitamente pelo usuário.

Funciona com✓Claude Code✓Codex CLI✓Cursor
npx skills add ANDYPENG09/catalyst-design-skill

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

Design de Catalisador

Quando usar

  • Usuários perguntando como projetar um catalisador, qual composição escolher, como otimizar o desempenho, aconselhamento sobre rota de síntese, formulação de catalisador, design de eletrocatalisador ou como escolher condições de síntese.
  • Entrada típica: objetivo de design (tipo de reação + sistema de material / necessidade de desempenho). Opcional: resultados de busca de literatura de catalisadores.
  • Abrange HER, OER, ORR, PEMWE, eletrólise geral da água, fotocatálise e reciclagem de plásticos, entre outros sistemas.

Quando NÃO usar

  • Busca de literatura pura — use catalyst-search; esta skill não realiza nova busca.
  • Design de materiais não catalíticos (por exemplo, cátodos de bateria, dispositivos semicondutores) — não aplicável.
  • Consultar um DOI específico ou texto completo — use WebSearch / WebFetch diretamente.

Pré-requisitos

  • Possui sua própria base de conhecimento (references/) e modelos (templates/); funciona sem dependências externas.
  • Opcional: quando WebSearch / WebFetch estiverem disponíveis, a skill pode rastrear a origem de uma regra específica (não obrigatório).

Interface de entrada

  • Obrigatório: objetivo de design — tipo de reação mais sistema de material ou necessidade de desempenho.
  • Opcional: a saída de literatura estruturada de catalyst-search (a tabela literature_matrix.md, conclusões de suporte e sugestões de validação).
    • Com literatura — forneça aconselhamento direcionado usando seus sistemas e métricas específicos, e cite o suporte.
    • Sem literatura — forneça aconselhamento geral da metodologia incorporada (consulte references/design_methodology.md).

Sistema de metodologia (em camadas, multifonte, rastreável, evolutiva)

A metodologia funde continuamente evidências de múltiplas fontes, organizadas em quatro camadas, e evolui dinamicamente com nova literatura.

  • Base de conhecimento em camadas completa: references/design_methodology.md (cada entrada carrega uma tag de fonte, confiança e data de atualização).
  • Mecanismo de atualização dinâmica: references/methodology_update_protocol.md.
  • Registro de rastreabilidade: references/methodology_registry.md (rastreie por ID até a fonte / DOI).

Estrutura de quatro camadas

  • L1 — Teoria: relações estrutura-propriedade, centro da banda d, princípio de Sabatier, tipificação de mecanismo (AEM / LOM; Volmer–Heyrovsky), trade-off atividade-estabilidade, defeitos como atividade, sinergia bifuncional.
  • L2 — Métodos e ferramentas: biblioteca de síntese (SEA, dopagem de baixo ponto de fusão, ancoragem de ligante, pirólise de fonte única, aquecimento Joule, modelagem, engenharia de contorno de grão), caracterização e computação (XRD, STEM, XPS, EXAFS, DFT, ML), design estrutural (tamanho, ordenamento, núcleo-casca, suporte, sítios de átomo único e duplo).
  • L3 — Parâmetros: temperatura de recozimento (450–1150 °C), taxa de resfriamento (resfriamento lento ≤ 2 °C/min), atmosfera, tamanho de partícula, nível de dopagem, proporção de composição, pós-tratamento.
  • L4 — Validação: avaliação em nível RDE → MEA, padrões aplicáveis (TCASMES 400-2024, T/CRES 0030-2025), benchmarks por sistema, validação de ordenamento / estabilidade / scale-up.

Tags de fonte (rastreabilidade)

[CS] recuperação de busca de catalisador (com DOI) · [AI] adquirido pelo usuário via IA / skill · [EXT] canal externo (conferência, patente, padrão, dados internos) · [EXP] palpite empírico (a verificar). Confiança: ★–★★★.

Ao gerar aconselhamento, exiba a tag de fonte de cada entrada citada e distinga "confirmado pela literatura" de "palpite empírico".

Fluxo de trabalho

  1. Analisar entrada. Extraia o objetivo de design e colete evidências de múltiplas fontes — matriz de busca de catalisador [CS], fornecido pelo usuário [AI], externo [EXT]. Se a entrada estiver incompleta (faltando tipo de reação ou sistema de material), peça ao usuário para esclarecer primeiro; não adivinhe.
  2. Combinar regras por camada. Mapeie o objetivo para a teoria L1 (direção do mecanismo) → métodos L2 (síntese / caracterização) → parâmetros L3 (janelas) → validação L4 (caminho de avaliação).
  3. Gerar aconselhamento. Produza composição, estrutura, síntese, condições e validação. Cada citação deve observar sua tag de fonte (e DOI) e confiança, e distinguir o confirmado do palpite.
  4. Preenchimento dinâmico (evoluir, opt-in). Apenas quando o usuário solicitar explicitamente a atualização da base de conhecimento (por exemplo, "atualize sua metodologia" / "lembre disso"): valide novas regras conforme methodology_update_protocol.md e preencha de volta os próprios arquivos references/design_methodology.md e references/methodology_registry.md da skill (fonte, DOI, confiança, status). Caso contrário, mantenha a metodologia incorporada como somente leitura e não modifique nenhum arquivo da skill. Para direções com pouca evidência (apenas [EXP]), sugira proativamente uma nova verificação de busca de catalisador para atualizar para [CS].
  5. Saída. Escreva a proposta de design conforme templates/design_proposal.md e cite no formato GB/T 7714 (consulte templates/citation_gb7714.md da busca de catalisador ou a cópia própria desta skill).

Interface de saída

  • Proposta de design cobrindo composição, estrutura, síntese, condições e validação; formato conforme templates/design_proposal.md.
  • Ao citar literatura, forneça uma citação GB/T 7714 e rotule cada item como "suportado pela literatura" ou "palpite empírico".

Divisão de trabalho

  • A busca de literatura é trabalho de catalyst-search; esta skill não realiza nova busca, apenas consome essa saída ou usa seu conhecimento incorporado.
  • Para rastrear a origem de uma regra específica, WebSearch / WebFetch podem ser usados (opcional).

Notas

  • O aconselhamento deve ser fundamentado na metodologia incorporada ou na literatura fornecida; sem alegações infundadas.
  • Distinga claramente "confirmado pela literatura" de "palpite empírico".
  • O aconselhamento deve incluir um caminho de validação acionável (caracterização, teste) para verificação do usuário.
  • Segurança e permissões: por padrão, esta skill apenas lê seus próprios references/ e templates/; não executa comandos do sistema e não faz requisições de rede além de WebSearch / WebFetch opcionais; não coleta ou exfiltra dados do usuário. Auto-atualização opcional: o passo 4 ("Preenchimento dinâmico") pode escrever nos próprios arquivos references/design_methodology.md e references/methodology_registry.md da skill — mas apenas quando você o habilita explicitamente (por exemplo, "atualize sua metodologia"). Nunca escreve em seus próprios arquivos ou diretórios de projeto.

Exemplo

  • Entrada: projetar um catalisador OER ácido com η₁₀ < 200 mV e estabilidade > 500 h.
  • Saída:
    • Composição: Ru@IrOₓ núcleo-casca (núcleo Ru de alta atividade, casca IrOₓ resistente à dissolução). [CS] ★★★
    • Estrutura: redistribuição de carga interfacial núcleo-casca, otimizando a adsorção de intermediários de oxigênio no Ru. [CS] ★★★
    • Síntese: fusão Adams para a casca IrOₓ, seguida por deposição redutora de Ru. [CS] ★★
    • Condições: recozer a 400–500 °C (muito alto leva Ru para a casca, muito baixo dá ordenamento insuficiente). [EXP] ★
    • Validação: RDE para η₁₀ e inclinação de Tafel; ICP-MS para monitoramento de dissolução de Ru / Ir; ADT de 30.000 ciclos. [CS] ★★★

Página inicial do projeto


催化剂设计指导

何时使用

  • 用户咨询:催化剂怎么设计、选什么组分、怎么优化性能、合成路线建议、催化剂配方、电催化剂设计、合成条件怎么选等。
  • 典型输入:设计目标(反应类型 + 材料体系 / 性能诉求)。可选:catalyst-search 的文献检索结果。
  • 覆盖反应:HER、OER、ORR、PEMWE、全解水、光催化、塑料升级回收等。

何时不使用

  • 纯文献检索任务 —— 用 catalyst-search,本技能不重复检索。
  • 非催化领域的材料设计(如电池正极、半导体器件)—— 不适用。
  • 仅需查一个具体 DOI 或论文全文 —— 直接用 WebSearch / WebFetch。

前置条件

  • 本技能自带知识库(references/)与模板(templates/),无需外部依赖即可运行。
  • 可选:当 WebSearch / WebFetch 可用时,可补查特定规律的出处(非必需)。

输入接口

  • 必填:设计目标,含反应类型 + 材料体系或性能诉求。
  • 可选:catalyst-search 的结构化文献输出,即 literature_matrix.md 格式的文献矩阵表 + 支撑结论 + 验证建议。
    • 提供了文献 —— 结合文献中的具体体系与指标,给出针对性建议并标注文献支撑。
    • 未提供文献 —— 基于内置设计方法论(见 references/design_methodology.md)给出通用建议。

设计方法论体系(分层、多来源、可追溯、可演进)

方法论持续融合多来源证据,按四层体系组织,并可随新增文献动态更新。

  • 完整分层知识库:references/design_methodology.md(每条带来源标签 + 置信度 + 更新日期)。
  • 动态更新机制:references/methodology_update_protocol.md。
  • 可追溯条目台账:references/methodology_registry.md(编号 → 出处 / DOI 逐级溯源)。

四层体系

  • L1 基础理论层:构效关系、d 带中心、Sabatier 原理、反应机理分型(AEM / LOM;Volmer–Heyrovsky)、活性–稳定性权衡、缺陷即活性、双功能协同。
  • L2 方法工具层:合成方法库(SEA、低熔点掺杂、配体锚定、单源热解、Joule heating、模板、晶界工程等);表征与计算工具(XRD、STEM、XPS、EXAFS、DFT、ML);结构设计手段(尺寸、有序化、核壳、载体、单/双原子)。
  • L3 技术参数层:退火温度(450–1150 °C)、降温速率(慢冷 ≤ 2 °C/min)、气氛、粒径、掺杂量、组分配比、后处理。
  • L4 实践验证层:RDE → MEA 分级评测、相关标准(TCASMES 400-2024、T/CRES 0030-2025)、各体系性能基准、有序度 / 稳定性 / 放大验证。

来源标签(可追溯性)

[CS] catalyst-search 检索文献(含 DOI) · [AI] 用户经 AI / skill 获取 · [EXT] 外部渠道(会议、专利、标准、内部数据) · [EXP] 经验推测(待验证)。置信度:★–★★★。

生成建议时须带出所引条目的来源标签,区分"文献已证实"与"经验推测"。

工作流

  1. 解析输入。提取设计目标(反应类型 / 体系 / 性能),并收集多来源证据——catalyst-search 文献矩阵 [CS]、用户经 AI / skill 提供的资料 [AI]、外部渠道 [EXT]。输入不完整(缺反应类型或材料体系)时,先向用户澄清,不臆测。
  2. 按四层匹配规律。目标映射到 L1 理论(选机理方向)→ L2 方法工具(选合成 / 表征手段)→ L3 参数(定参数窗口)→ L4 验证(定评测路径)。
  3. 生成建议。输出组分选择 + 结构设计 + 合成策略 + 条件优化 + 验证建议。每条引用注明来源标签(及 DOI)与置信度,区分"文献已证实"与"经验推测"。
  4. 动态回填(演进,需显式启用)。仅当用户明确要求更新知识库时(例如"更新你的方法论 / 记住这条"),才按 references/methodology_update_protocol.md 校验后回填本技能自身的 references/design_methodology.md 与 references/methodology_registry.md(含来源、DOI、置信、状态)。否则保持内置方法论只读,不修改任何技能文件。证据不足(仅 [EXP])的方向,主动建议调用 catalyst-search 补检以升级为 [CS]。
  5. 输出。按 templates/design_proposal.md 输出设计建议书,引用采用 GB/T 7714(格式见 catalyst-search 的 templates/citation_gb7714.md,本技能自带同名模板亦可)。

输出接口

  • 设计建议书(组分 / 结构 / 合成 / 条件 / 验证),格式见 templates/design_proposal.md。
  • 若引用文献,给出 GB/T 7714 引用,并标明"文献支撑"或"经验推测"。

与其他能力分工

  • 文献检索由 catalyst-search 负责;本技能不重复检索,仅消费其输出或基于内置知识给建议。
  • 如需补查特定设计规律的出处,可用 WebSearch / WebFetch(可选,非必需)。

注意事项

  • 建议须有据(内置方法论或所提供文献),不凭空断言。
  • 明确区分"文献已证实"与"经验推测"。
  • 设计建议须附带可执行的验证路径(表征 / 测试),便于用户复核。
  • 安全与权限:默认情况下本技能仅读取自带 references/、templates/;不执行系统命令,除可选的 WebSearch / WebFetch 外不发起网络请求,不收集或外传用户数据。可选的自更新:工作流第 4 步"动态回填"可写入本技能自身的 references/design_methodology.md 与 references/methodology_registry.md 以演进知识库——但仅在您显式启用时(例如"更新你的方法论")才会发生,且绝不会写入您自己的文件或项目目录。

示例

  • 输入:设计一个酸性 OER 催化剂,要求 η₁₀ < 200 mV、稳定 > 500 h。
  • 输出:
    • 组分:Ru@IrOₓ 核壳(Ru 核活性高、IrOₓ 壳抗溶)。[CS] ★★★
    • 结构:核壳界面电荷重分布,优化 Ru 的含氧中间体吸附。[CS] ★★★
    • 合成:Adams Fusion 制 IrOₓ 壳 + 还原沉积 Ru 核。[CS] ★★
    • 条件:退火 400–500 °C(过高致 Ru 溶入壳,过低有序度不足)。[EXP] ★
    • 验证:RDE 测 η₁₀ / Tafel;ICP-MS 监测 Ru / Ir 溶解;30k 圈 ADT。[CS] ★★★

项目主页

Habilidades Relacionadas