cmm-ai-automation
利用AI与知识图谱技术，自动化处理关键矿物代谢研究数据。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：cmm-ai-automation。 它的用途是：利用AI与知识图谱技术，自动化处理关键矿物代谢研究数据。 完整的 Skill 内容见：https://321skill.com/skills/cmm-ai-automation/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“帮我把Google Sheets里这份新的CMM菌株列表，按照我们定义好的LinkML模式进行验证，并尝试用OLS嵌入搜索为其中‘耐高锰’这个描述性表型匹配最接近的微生物表型本体（MetPO）术语。”，它会调用相关脚本，读取你的表格数据，利用本地预存的本体嵌入进行语义相似度计算，输出候选的标准化本体术语ID和建议的映射关系，辅助你完成数据的语义标注。
介绍
cmm-ai-automation 旨在解决生物信息学，特别是关键矿物代谢（CMM）研究领域，数据整理、整合与语义标注的自动化难题。它通过LinkML进行模式驱动的数据建模，无缝集成私有Google Sheets数据源，并利用OBO Foundry本体工具对数据进行语义标注，将分散的表格数据转化为结构化的、富含语义的知识。
用户可以通过配置LinkML模式来定义数据模型，然后利用项目提供的工具将Google Sheets中的数据映射到该模型，并自动关联到kg-microbe等知识图谱中的节点，或使用预计算的OLS本体嵌入进行语义搜索和术语映射，从而高效地构建和丰富CMM领域的知识库。
该Skill非常适合从事生物信息学、微生物组学、代谢工程等领域的研究人员、数据分析师以及需要处理复杂生物数据的知识图谱工程师。它特别适合那些希望将实验记录、菌株信息等非结构化或半结构化数据系统化，并与现有生物知识网络（如Biolink Model生态系统）集成的团队。
使用前建议用户具备基本的生物信息学知识，并熟悉Google Sheets API的配置。由于深度集成了OBO Foundry和Biolink生态，建议先了解相关本体（如微生物表型本体MetPO）以充分利用其语义标注能力。数据处理规模较大时，可考虑利用其本地OLS嵌入数据库来加速语义搜索。
核心特点
核心区别在于其深度聚焦于关键矿物代谢（CMM）这一垂直领域，并提供了从Google Sheets私有数据源到标准知识图谱（如kg-microbe）的端到端自动化管道。它并非通用数据工具，而是集成了领域特定的本体（如MetPO）和预训练的OLS本体嵌入，专门用于解决生物数据，尤其是微生物表型与代谢数据的语义化与链接问题。
注意事项
不适合非生物信息学领域或无需与生物知识图谱、本体进行集成的通用数据整理任务。
常见问题
这个工具能处理哪些类型的数据？
主要用于处理与关键矿物代谢相关的微生物菌株、表型、培养基成分等数据，支持从Google Sheets导入并链接到知识图谱。
需要编程基础才能使用吗？
需要一定的Python和YAML/JSON配置能力，用于定义LinkML数据模型和运行自动化脚本。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/cmm-ai-automation/raw/index.md 读取 cmm-ai-automation 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/cmm-ai-automation/raw/index.md（查看排版版本）