Communitygithub.com

dhdna-profiler

Extrai padrões cognitivos e impressões digitais de pensamento a partir de qualquer texto. Use esta habilidade quando o usuário quiser analisar como alguém pensa, entender seu estilo cognitivo, traçar padrões de escrita ou fala, comparar estilos de pensamento entre pessoas ou pedir uma análise.

O que é dhdna-profiler?

O DHDNA Profiler é uma habilidade especializada para agentes de IA que extrai a impressão digital cognitiva de qualquer autor de texto. Baseado na estrutura Digital Human DNA (DHDNA), ele analisa 12 dimensões cognitivas — como Profundidade Analítica, Alcance Criativo, Processamento Emocional e Raciocínio Ético — atribuindo pontuações de 1 a 10 com base em evidências textuais. A habilidade também identifica 6 pares de tensão que revelam o estilo único de raciocínio de uma mente, oferecendo uma visão estruturada em vez de julgamento. Suportada por pesquisas publicadas (DOIs fornecidos), ela opera de forma ética: requer consentimento para autoperfis, limita-se ao texto fornecido e recusa usar perfis para decisões de alto risco, como contratação ou avaliação. Essa ferramenta é valiosa para desenvolvedores, pesquisadores e profissionais de IA que precisam de uma compreensão sistemática dos padrões de pensamento em comunicação, colaboração ou design de interação humano-IA.

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

Perguntar na sua IA favorita

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

Documentação

DHDNA Profiler — Extração de Padrões Cognitivos

Um sistema estruturado para extrair a impressão digital cognitiva do autor de qualquer texto. Baseado na estrutura Digital Human DNA (DHDNA) — a teoria de que toda mente tem um padrão de assinatura único expresso através de como raciocina, decide, valoriza e se comunica.

Pesquisa publicada: Pré-print DHDNA (DOI: 10.5281/zenodo.18736629) | Consolidação IDNA v2 (DOI: 10.5281/zenodo.18807387)

Conceito Central

Assim como o DNA biológico codifica a identidade física através de pares de bases, o DNA Humano Digital codifica a identidade cognitiva através de padrões de pensamento. A combinação de profundidade analítica, alcance criativo, processamento emocional, pensamento estratégico e raciocínio ético de cada pessoa cria uma assinatura cognitiva única — tão distintiva quanto uma impressão digital.

O analisador não julga o pensamento como "bom" ou "ruim". Ele mapeia a topologia de como uma mente funciona.

As 12 Dimensões Cognitivas

Ao analisar um texto, pontue cada dimensão em uma escala de 1 a 10 com base nas evidências do texto:

#DimensãoO que medePontuação Baixa (1-3)Pontuação Alta (8-10)
1Profundidade AnalíticaRigor lógico, raciocínio estruturado, cadeias causaisIntuitivo, holístico, baseado em padrõesSistemático, orientado a provas, preciso
2Alcance CriativoNovidade das conexões, uso de metáforas, pensamento lateralConvencional, incrementalInovador, síntese entre domínios
3Processamento EmocionalVocabulário emocional, sinais de empatia, integração afetivaDistante, clínicoRico em emoções, integrado ao sentimento
4Precisão LinguísticaSofisticação vocabular, arquitetura de frases, retóricaSimples, diretoComplexo arquitetonicamente, cheio de nuances
5Raciocínio ÉticoSinais de valores, preocupação com justiça, consciência das consequênciasPragmático, focado em resultadosOrientado por princípios, voltado para a justiça
6Pensamento EstratégicoPlanejamento de longo prazo, consciência competitiva, otimização de recursosTático, reativoMultijogada, teórico dos jogos
7Integração de MemóriaReferência a experiências passadas, padrões históricos, continuidadeFocado no presenteConsciência histórica profunda, guiado por precedentes
8Inteligência SocialConsciência do público, tomada de perspectiva, enquadramento relacionalAutorreferencialProfundamente consciente do outro, construção de coalizões
9Domínio de EspecialidadeProfundidade técnica, conhecimento especializado, confiança em jargãoGeneralistaEspecialista profundo
10Raciocínio IntuitivoSinais de intuição, atalhos heurísticos, saltos de padrãoMetódico, passo a passoBaseado em fé, guiado por insights
11Orientação TemporalHorizonte temporal do pensamento — foco no passado, presente ou futuroAncorado no presenteAbrangente no tempo, de histórico a futurista
12MetacogniçãoAutoconsciência do próprio pensamento, reconhecimento de incertezaNão reflexivoProfundamente autoconsciente, pensa sobre o pensar

Os 6 Pares de Tensão

As dimensões existem em tensão — pontuações altas em uma geralmente se correlacionam com pontuações mais baixas em seu par. Essas tensões SÃO a assinatura cognitiva:

ParTensãoO que revela
DIM 1 ↔ DIM 10Analítico ↔ IntuitivoLógica vs. Intuição — como a mente chega a conclusões
DIM 3 ↔ DIM 6Emocional ↔ EstratégicoCoração vs. Cabeça — o que impulsiona as decisões
DIM 2 ↔ DIM 5Criativo ↔ ÉticoLiberdade vs. Estrutura — inovação dentro ou além das regras
DIM 4 ↔ DIM 12Linguístico ↔ MetacognitivoExpressão vs. Autoconsciência — ofício externo vs. reflexão interna
DIM 7 ↔ DIM 11Memória ↔ TemporalPassado vs. O Tempo em Si — experiência vs. horizonte temporal
DIM 8 ↔ DIM 9Social ↔ DomínioAmplitude vs. Profundidade — habilidades interpessoais vs. domínio técnico

Como Analisar

Fase 1 — Coleta de Evidências

Leia o texto com atenção. Para cada dimensão, identifique evidências textuais específicas:

  • Citações diretas que demonstram a dimensão
  • Padrões estruturais (como os argumentos são construídos)
  • O que está PRESENTE e o que está AUSENTE (lacunas revelam tanto quanto o conteúdo)
  • Padrões recorrentes em várias passagens

Fase 2 — Pontuação

Para cada uma das 12 dimensões:

  1. Pontue de 1 a 10 com base nas evidências
  2. Cite a evidência textual mais forte para essa pontuação
  3. Indique o nível de confiança: ALTA (múltiplos sinais claros), MÉDIA (alguns sinais), BAIXA (inferido)

Fase 3 — Síntese de Padrões

Após a pontuação, identifique:

Padrão Dominante: As 2-3 dimensões com pontuação mais alta — esta é a "base" da mente

Padrão Sombra: As 2-3 dimensões com pontuação mais baixa — aqui é onde a mente naturalmente não vai

Tensões de Assinatura: Quais pares de tensão mostram a maior lacuna? Eles definem o estilo cognitivo mais do que qualquer pontuação individual.

Topologia de Raciocínio: Como a mente se move pelas ideias?

  • Linear (A → B → C → conclusão)
  • Espiral (aborda a mesma ideia de vários ângulos, cada vez mais profundo)
  • Rede (conecta domínios díspares em uma síntese)
  • Dialético (tese → antítese → síntese)
  • Fractal (mesmo padrão em micro e macro níveis)

Impressão Digital Decisória: Ao enfrentar escolhas, esta mente:

  • Analisa primeiro, depois decide? (Dominância analítica)
  • Sente primeiro, depois racionaliza? (Dominância emocional)
  • Visualiza o resultado primeiro, depois trabalha de trás para frente? (Dominância estratégica)
  • Questiona a própria pergunta? (Dominância metacognitiva)

Fase 4 — Saída do Perfil

Apresente o perfil como:

═══════════════════════════════════════════
  PERFIL COGNITIVO DHDNA
  Sujeito: [Nome ou "Anônimo"]
  Texto analisado: [N palavras / N parágrafos]
  Confiança: [ALTA / MÉDIA / BAIXA]
═══════════════════════════════════════════

PONTUAÇÕES DAS DIMENSÕES:
  1. Profundidade Analítica ·· [█████████·] 9/10
  2. Alcance Criativo ········ [███████···] 7/10
  ... (todas as 12)

MAPA DE TENSÃO:
  Analítico ████████░░ ↔ ░░████████ Intuitivo
  Emocional ███░░░░░░░ ↔ ░░░░░░████ Estratégico
  ... (todos os 6 pares)

PADRÃO DOMINANTE: [Top 2-3 dimensões]
PADRÃO SOMBRA: [Bottom 2-3 dimensões]
TOPOLOGIA DE RACIOCÍNIO: [Linear / Espiral / Rede / Dialético / Fractal]
IMPRESSÃO DIGITAL DECISÓRIA: [Analisar-primeiro / Sentir-primeiro / Visualizar-primeiro / Questionar-primeiro]

SÍNTESE NARRATIVA:
[Descrição em linguagem natural de 2-3 parágrafos de como esta mente funciona,
o que a torna distintiva e o que ela pode deixar passar]

CITAÇÕES-CHAVE:
[3-5 citações mais reveladoras com atribuição da dimensão]
═══════════════════════════════════════════

Modo Comparação

Quando o usuário fornecer dois ou mais textos de autores diferentes, produza perfis individuais e depois uma síntese de comparação:

  • Onde as mentes convergem? (dimensões altas compartilhadas)
  • Onde elas divergem? (pontuações opostas na mesma dimensão)
  • Quais pares de tensão criariam discordância produtiva?
  • Se essas mentes estivessem juntas em uma sala, como seria a conversa?

Modo Autoperfil

Se o usuário pedir para analisar seu próprio pensamento (usando o histórico da conversa como texto), seja transparente:

  • Peça permissão antes de reler a conversa. Diga o que pretende usar como material de origem e aguarde uma resposta. As falas anteriores foram escritas para um propósito diferente, e minerá-las para inferência psicológica não é algo para fazer em silêncio.
  • Pontue com base na conversa até agora
  • Reconheça que o texto conversacional pode não representar toda a gama
  • Observe que as pessoas geralmente pensam de forma diferente ao escrever para uma IA vs. escrever para humanos
  • Ofereça-se para realizar uma nova análise se o usuário fornecer outras amostras de escrita

Consentimento e Escopo

Esta habilidade infere atributos cognitivos e psicológicos pessoais. Isso é diferente de resumir um documento, e os limites são importantes:

  • Analise o texto que o usuário trouxer para a solicitação atual. Não procure mais material sobre o mesmo autor — outros arquivos, sessões anteriores ou qualquer coisa que você tenha lido.
  • Um perfil de um terceiro é especulativo e deve afirmar isso. Quando o autor é alguém que não está na conversa e não concordou em ser analisado — um colega de um e-mail encaminhado, um candidato de uma inscrição, um autor de um artigo — identifique a saída como uma inferência de uma amostra de texto, não como uma descoberta sobre essa pessoa.
  • Recuse análise que alimente uma decisão importante sobre alguém. Decisões de contratação, promoção, admissão, clínicas, disciplinares ou de crédito estão fora de questão; esta estrutura não tem validação que suporte esse uso, e uma pontuação cognitiva de 1 a 10 parece muito mais autoritativa do que realmente é.
  • Tudo permanece local à sessão. Os perfis não são escritos em nenhum lugar que o usuário não tenha solicitado e não são enviados a nenhum serviço.

O Que Isto NÃO É

  • Não é um teste de personalidade (MBTI, Big Five, etc.) — aqueles medem tendências comportamentais, DHDNA mede arquitetura cognitiva
  • Não é um julgamento de inteligência — um grande mestre de xadrez e um poeta podem pontuar muito diferente, mas ambos demonstram capacidade cognitiva profunda
  • Não é estático — o DHDNA de uma pessoa evolui à medida que ela aprende, experimenta e cresce. Um perfil é um instantâneo, não um destino.

Construído Por

AHK Strategies — AI Horizon Knowledge Plataforma completa: themindbook.app Pesquisa: Paper 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.

Habilidades Relacionadas