Communitygithub.com

escrita-markdown-mermaid

Habilidade abrangente para escrever documentos em Markdown e diagramas Mermaid. Use ao criar qualquer documento científico, relatório, análise ou visualização. Estabelece diagramas baseados em texto como padrão de documentação, com guias de estilo completos (markdown + mermaid), 24 tipos de diagrama e 9 modelos de documento.

O que é escrita-markdown-mermaid?

Esta habilidade ensina e impõe um padrão para a criação de documentação científica usando **Markdown com diagramas Mermaid incorporados** como formato canônico padrão, promovendo diagramas em texto sobre imagens para melhor versionamento, diffs em git, renderização nativa em plataformas e eficiência de tokens. Suporta 24 tipos de diagramas Mermaid, desde fluxogramas e sequências até gráficos de radar e pacotes, com guias de estilo detalhados para cada tipo. Inclui 9 modelos de documento (como ADRs, relatórios de pesquisa, apresentações) e integra-se com outras habilidades, como `scientific-schematics` e `scientific-writing`, para garantir que diagramas estruturais sempre comecem como Mermaid antes de conversões posteriores. A habilidade enfatiza o uso da sintaxe correta, acessibilidade com `accTitle`/`accDescr`, e evita armadilhas comuns como o uso incorreto `radar-beta` ou `xychart-beta`, enquanto prioriza Mermaid para todas as relações estruturais antes de recorrer a ferramentas como Python ou IA para gráficos de dados ou imagens fotorrealistas.

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

Perguntar na sua IA favorita

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

Documentação

Escrita em Markdown e Mermaid

Visão Geral

Esta habilidade ensina — e impõe um padrão para — a criação de documentação científica usando markdown com diagramas Mermaid incorporados como formato canônico padrão.

A aposta central: uma relação expressa como diagrama Mermaid dentro de um arquivo .md é mais valiosa do que qualquer imagem. É texto, então diffs de forma limpa no git. Não requer etapa de build. Renderiza nativamente no GitHub, GitLab, Notion, VS Code e em qualquer visualizador de markdown. Usa menos tokens do que uma descrição em prosa da mesma relação. E sempre pode ser convertido para uma imagem polida depois — mas a versão em texto permanece a fonte da verdade.

"Quanto mais você colocar seus relatórios e arquivos em .md em texto simples regular, o que mermaid também é como uma 'linguagem de script' simples. Isso ajuda em qualquer renderização downstream e especialmente imagens geradas por IA (usando mermaid em vez de apenas texto longo para descrever relações < tokens). Além disso, mermaid pode renderizar junto com markdown para uso fácil em quase qualquer lugar por humanos ou IA."

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

Quando Usar Esta Habilidade

Use esta habilidade quando:

  • Criar qualquer documento científico — relatórios, análises, manuscritos, seções de métodos
  • Escrever qualquer documentação — READMEs, tutoriais, registros de decisão, documentação de projeto
  • Produzir qualquer diagrama — fluxos de trabalho, pipelines de dados, arquiteturas, linhas do tempo, relacionamentos
  • Gerar qualquer saída que será versionada — se vai para o git, deve ser markdown
  • Trabalhar com qualquer outra habilidade — esta habilidade define a camada de documentação que envolve todas as outras saídas
  • Alguém pedir para "adicionar um diagrama" ou "visualizar a relação" — Mermaid primeiro, sempre

NÃO comece com Python matplotlib, seaborn ou geração de imagem por IA para diagramas estruturais ou relacionais. Essas são Fase 2 e Fase 3 — usadas apenas quando Mermaid não consegue expressar o necessário (por exemplo, gráficos de dispersão com dados reais, imagens fotorrealistas).

🎨 A Filosofia do Formato Fonte

Por que diagramas baseados em texto vencem

O que importaMermaid em MarkdownPython / Imagem de IA
Diff legível no git✅❌ blob binário
Editável sem regenerar✅❌
Eficiente em tokens vs. prosa✅ menor❌ maior
Renderiza sem etapa de build✅❌ precisa de hospedagem
Interpretável por IA sem visão✅❌
Funciona em GitHub / GitLab / Notion✅⚠️ se hospedado
Acessível (leitores de tela)✅ accTitle/accDescr⚠️ precisa de texto alternativo
Conversível para imagem depois✅ a qualquer momento— já é imagem

O fluxo de trabalho em três fases

flowchart LR
    accTitle: Fluxo de Trabalho de Documentação em Três Fases
    accDescr: A Fase 1 Mermaid em markdown é sempre obrigatória e é a fonte da verdade. As Fases 2 e 3 são conversões downstream opcionais para saída polida.

    p1["📄 Fase 1<br/>Mermaid em Markdown<br/>(SEMPRE — fonte da verdade)"]
    p2["🐍 Fase 2<br/>Gerado por Python<br/>(opcional — gráficos de dados)"]
    p3["🎨 Fase 3<br/>Visuais Gerados por IA<br/>(opcional — polimento)"]
    out["📊 Entregável Final"]

    p1 --> out
    p1 -.->|"quando necessário"| p2
    p1 -.->|"quando necessário"| 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

A Fase 1 é obrigatória. Mesmo que você prossiga para a Fase 2 ou 3, o código-fonte Mermaid permanece versionado.

O que Mermaid pode expressar

Mermaid abrange 24 tipos de diagrama. Quase toda relação científica se encaixa em um:

Caso de usoTipo de diagramaArquivo
Fluxo de trabalho experimental / lógica de decisãoFluxogramareferences/diagrams/flowchart.md
Interações de serviço / chamadas de API / mensagensSequênciareferences/diagrams/sequence.md
Modelo de dados / esquemaDiagrama ERreferences/diagrams/er.md
Máquina de estados / ciclo de vidaEstadoreferences/diagrams/state.md
Linha do tempo do projeto / roteiroGanttreferences/diagrams/gantt.md
Proporções / composiçãoPizzareferences/diagrams/pie.md
Arquitetura de sistema (níveis de zoom)C4references/diagrams/c4.md
Hierarquia de conceitos / brainstormingMapa mentalreferences/diagrams/mindmap.md
Eventos cronológicos / históriaLinha do temporeferences/diagrams/timeline.md
Hierarquia de classes / tipos de relacionamentoClassereferences/diagrams/class.md
Jornada do usuário / mapa de satisfaçãoJornada do Usuárioreferences/diagrams/user_journey.md
Comparação de dois eixos / priorizaçãoQuadrantereferences/diagrams/quadrant.md
Rastreabilidade de requisitosRequisitoreferences/diagrams/requirement.md
Magnitude de fluxo / distribuição de recursosSankeyreferences/diagrams/sankey.md
Tendências numéricas / gráficos de barras + linhasGráfico XYreferences/diagrams/xy_chart.md
Layout de componentes / arranjo espacialBlocoreferences/diagrams/block.md
Status de item de trabalho / colunas de tarefasKanbanreferences/diagrams/kanban.md
Infraestrutura em nuvem / topologia de serviçoArquiteturareferences/diagrams/architecture.md
Comparação multidimensional / radar de habilidadesRadarreferences/diagrams/radar.md
Proporções hierárquicas / orçamentoMapa de árvorereferences/diagrams/treemap.md
Protocolo binário / formato de dadosPacotereferences/diagrams/packet.md
Ramificação git / estratégia de mergeGrafo Gitreferences/diagrams/git_graph.md
Sequência estilo código (sintaxe de programação)ZenUMLreferences/diagrams/zenuml.md
Padrões de composição de múltiplos diagramasExemplos Complexosreferences/diagrams/complex_examples.md

💡 Escolha o tipo certo, não o mais fácil. Não use fluxogramas para tudo por padrão. Uma linha do tempo vence um fluxograma para eventos cronológicos. Uma sequência vence um fluxograma para interações de serviço. Varra a tabela e combine.


🔧 Fluxo de trabalho principal

Etapa 1: Identificar o tipo de documento

Verifique se existe um modelo antes de escrever do zero:

Tipo de documentoModelo
Registro de pull requesttemplates/pull_request.md
Issue / bug / solicitação de funcionalidadetemplates/issue.md
Sprint / quadro do projetotemplates/kanban.md
Decisão de arquitetura (ADR)templates/decision_record.md
Apresentação / briefingtemplates/presentation.md
Artigo de pesquisa / análisetemplates/research_paper.md
Documentação do projetotemplates/project_documentation.md
Tutorial / guia práticotemplates/how_to_guide.md
Relatório de statustemplates/status_report.md

Etapa 2: Ler o guia de estilo

Antes de escrever qualquer arquivo .md: leia references/markdown_style_guide.md.

Regras principais a internalizar:

  • Um H1 por documento — o título. Nunca mais.
  • Emoji apenas em cabeçalhos H2 — um emoji por H2, nenhum em H3/H4
  • Cite tudo — toda afirmação externa recebe uma nota de rodapé [^N] com URL completo
  • Negrito com moderação — máximo 2-3 termos em negrito por parágrafo, nunca frases completas
  • Linha horizontal após cada </details> — obrigatório
  • Tabelas em vez de prosa para comparações, configurações, dados estruturados
  • Diagramas em vez de paredes de texto — se descreve fluxo, estrutura ou relacionamentos, adicione Mermaid

Etapa 3: Escolher o tipo de diagrama e ler seu guia

Antes de criar qualquer diagrama Mermaid: leia references/mermaid_style_guide.md.

Em seguida, abra o arquivo de tipo específico (por exemplo, references/diagrams/flowchart.md) para o exemplo, dicas e modelo copiável.

Regras obrigatórias para cada diagrama:

accTitle: Nome Curto 3-8 Palavras
accDescr: Uma ou duas frases explicando o que este diagrama mostra.
  • Sem diretivas %%{init} — quebra o modo escuro do GitHub
  • Sem style inline — use apenas classDef
  • Máximo um emoji por nó — no início do rótulo
  • IDs de nó em snake_case — corresponda ao rótulo

Etapa 4: Escrever o documento

Comece pelo modelo. Aplique o guia de estilo de markdown. Coloque diagramas inline com o texto relacionado — não em uma seção separada de "Figuras".

Etapa 5: Commitar como texto

O arquivo .md com Mermaid incorporado é o que é commitado. Se você também gerou um PNG ou imagem de IA, estes são suplementares — o markdown é a fonte.


⚠️ Armadilhas comuns

Sintaxe do gráfico de radar (radar-beta)

ERRADO:

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

CORRETO:

radar-beta
title Exemplo
axis a["A"], b["B"], c["C"]
curve series["Série"]{1, 2, 3}
max 3
  • Use radar-beta não radar (a palavra-chave simples não existe)
  • Use axis para definir dimensões, não x-axis
  • Use curve para definir séries de dados, não rótulos entre aspas com dois pontos
  • Sem accTitle/accDescr — radar-beta não suporta anotações de acessibilidade; sempre adicione um parágrafo descritivo em itálico acima do diagrama

Confusão entre Gráfico XY e Radar

DiagramaPalavra-chaveSintaxe do eixoSintaxe dos dados
Gráfico XY (barras/linhas)xychart-betax-axis ["Label1", "Label2"]bar [10, 20] ou line [10, 20]
Radar (teia/aranha)radar-betaaxis id["Label"]curve id["Label"]{10, 20}

Esquecer accTitle/accDescr em tipos suportados

Apenas alguns tipos de diagrama suportam accTitle/accDescr. Para aqueles que não suportam, sempre coloque um parágrafo descritivo em itálico diretamente acima do bloco de código:

Gráfico de radar comparando três métodos em cinco dimensões de desempenho. Nota: Gráficos de radar não suportam accTitle/accDescr.

radar-beta
...

🔗 Integração com outras habilidades

Com scientific-schematics

scientific-schematics gera imagens de qualidade de publicação geradas por IA (PNG). Use o diagrama Mermaid como o briefing para o esquema:

Fluxo de trabalho:
1. Crie o conceito como Mermaid em .md (esta habilidade — Fase 1)
2. Descreva o mesmo conceito para scientific-schematics para um PNG polido (Fase 3)
3. Commite ambos — o .md como fonte, o PNG como figura suplementar

Com scientific-writing

Quando scientific-writing produzir um manuscrito, todos os diagramas e figuras estruturais devem usar os padrões desta habilidade. A habilidade de escrita lida com prosa e citações; esta habilidade lida com estrutura visual.

Fluxo de trabalho:
1. Use scientific-writing para redigir o manuscrito
2. Para cada figura que mostra um fluxo de trabalho, arquitetura ou relacionamento:
   - Substitua o espaço reservado por um diagrama Mermaid seguindo o guia desta habilidade
3. Use scientific-schematics apenas para figuras que realmente precisam de renderização complexa/fotorrealista

Com literature-review

Literature review produz resumos com muitos dados de relacionamento. Use esta habilidade para:

  • Criar mapas conceituais (Mapa Mental) do panorama da literatura
  • Mostrar linhas do tempo de publicação (Linha do Tempo ou Gantt)
  • Comparar metodologias (Quadrante ou Radar)
  • Diagramar fluxos de dados descritos em artigos (Sequência ou Fluxograma)

Com qualquer habilidade que produza documentos de saída

Antes de finalizar qualquer documento de qualquer habilidade, aplique a lista de verificação desta habilidade:

  • O documento usa um modelo? Se sim, comecei pelo modelo correto?
  • Todos os diagramas estão em Mermaid com accTitle + accDescr?
  • Sem %%{init}, sem style inline, apenas classDef?
  • Todas as afirmações externas citadas com [^N]?
  • Um H1, emoji apenas no H2?
  • Linhas horizontais após cada </details>?

📚 Índice de referência

Guias de estilo

GuiaCaminhoLinhasO que cobre
Guia de Estilo Markdownreferences/markdown_style_guide.md~733Cabeçalhos, formatação, citações, tabelas, integração Mermaid, modelos, lista de verificação de qualidade
Guia de Estilo Mermaidreferences/mermaid_style_guide.md~458Acessibilidade, conjunto de emojis, classes de cores, neutralidade de tema, seleção de tipo, níveis de complexidade

Guias de tipo de diagrama (24 tipos)

Cada arquivo contém: exemplo de qualidade de produção, dicas específicas para aquele tipo e um modelo copiável.

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

Modelos de documento (9 tipos)

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

Exemplos

assets/examples/example-research-report.md — um relatório de pesquisa científica completo demonstrando hierarquia de cabeçalhos adequada, múltiplos tipos de diagrama (fluxograma, sequência, gantt), tabelas, citações em notas de rodapé, seções recolhíveis e todas as regras do guia de estilo aplicadas.


📝 Atribuição

Todos os guias de estilo, guias de tipo de diagrama e modelos de documento nesta habilidade são portados do repositório SuperiorByteWorks-LLC/agent-project sob a Licença Apache-2.0.

Esta habilidade (como parte de scientific-agent-skills) é distribuída sob a Licença MIT. O conteúdo incluso sob Apache-2.0 é compatível para uso downstream com atribuição retida, conforme preservado nos cabeçalhos dos arquivos ao longo desta habilidade.


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