---
name: biorag
version: 1.0.0
category: 开发编程
trigger_words:
tags:
  - python
platform: coze
source: DeepseekModel
source_url: https://deepseekmodel.com/skill?id=elephenman-biorag-skill-skill-md
---

name biorag description 生信知识库检索技能。覆盖生物信息学/R代码/机器学习/Python数据分析。 触发词：生信问题、R代码、DESeq2、ggplot2、差异表达、富集分析、 单细胞、转录组、基因组、pandas、tidyverse、clusterProfiler、 Seurat、dplyr、火山图、热图、PCA、GO、KEGG、GSEA、 RNA-seq、ChIP-seq、WGS、变异检测、进化树、机器学习、 随机森林、SVM、特征选择、降维、聚类、代码调试、报错 BioRAG 知识库检索技能 何时激活 当用户的问题涉及以下领域时， 必须先检索知识库再回答 ，不要跳过检索直接用自身知识： 生物信息学（差异表达、富集分析、单细胞、多组学、基因组、转录组...） R 语言与可视化（ggplot2、pheatmap、火山图、热图、箱线图...） Python 数据分析（pandas、numpy、matplotlib...） 机器学习（随机森林、SVM、特征选择、降维、聚类...） 任何生信代码调试或报错问题 渐进式检索策略 Level 1：轻量检索（默认，大多数情况够用） 检测到生信相关问题时， 立即执行 ： python "{SKILL_DIR}/scripts/search.py" "用户问题的核心关键词" --level 1 返回 3 个 最相关片段，每个 ~200 字 总上下文占用 < 600 字 耗时 < 2 秒 大多数情况下 Level 1 就够了 Level 2：深度检索（Level 1 结果不足时） 如果 Level 1 的结果 不足以完整回答 问题，执行： python "{SKILL_DIR}/scripts/search.py" "更精确的查询词" --level 2 --category bioinfo 返回 8 个 片段，每个 ~300 字 总上下文占用 < 2500 字 可按 category 过滤： bioinfo / r_code / ml / other Level 3：全文检索（需要看完整文档时） 用户明确要求看完整内容，或 Level 2 仍不够时： python "{SKILL_DIR}/scripts/search.py" "查询" --level 3 --full-doc 返回匹配文档的完整内容 上下文占用较大， 仅在必要时使用 category 参数说明 category 覆盖内容 适用场景 bioinfo 生物信息学笔记、转录组、蛋白组、进化... 原理/流程/概念问题 r_code R 绘图模板、SCI 图表代码、Seurat... R 代码生成/调试 ml 机器学习笔记 ML 相关问题 other 其他所有内容 一般问题 不传 搜索全部分类 不确定分类时 回答规范 优先使用检索到的知识库内容 ，不要用自身知识覆盖 标注来源 ：回答中注明 （来源：DESeq2.md / 转录组学） 代码完整可运行 ，不要省略号或"..."，不要跳步 像教初学者一样解释原理 ，每个函数/参数都要说明用途 如果知识库没有相关信息，明确说"知识库中暂无相关内容"，然后用自身知识补充并标注 检索结果中有多个相关片段时， 整合 成连贯的回答，不要逐条罗列 知识库状态查询 用户说"知识库状态"或"检查知识库"时： python "{SKILL_DIR}/scripts/status.py" 知识库更新 用户说"更新知识库"时： python "{SKILL_DIR}/scripts/update.py" 重要提醒 每次只执行一次检索，不要连续多次 Level 1 如果查询返回 0 结果，尝试换一个关键词重试 检索结果中的 score 表示相似度，> 0.7 为高度相关，0.5-0.7 为中度相关，< 0.5 为弱相关