# lamindb

Ведёт реестр биологических датасетов и моделей в LaminDB: регистрация артефактов, схемы, аннотации Bionty, поиск по метаданным.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 1900 установок · ★ 54652
- Автор: K-Dense-AI
- Лицензия: LicenseRef-Apache-2.0-license · policy=link-only · показываем только описание, файл — у автора
- Исходник: https://github.com/K-Dense-AI/scientific-agent-skills/tree/HEAD/skills/lamindb/SKILL.md
- Обновлён: 2026-10-19
- HTML: https://affpapa.org/nevibecode/skills/lamindb

## Что делает

Скилл учит агента работать с LaminDB 2.10.0 и Bionty 2.5.0: заводить типизированные `Feature`, собирать из них `Schema`, проверять таблицу через `curator.validate()` и сохранять результат как артефакт. Отдельно разобраны коллекции, ветки, пространства и отслеживание происхождения — какие входы и выходы остались у запуска скрипта.

Внутри лежит пошаговый порядок работы и разбор частых ошибок. Агент знает, что `Artifact.backed()` и `delete_cache()` в этой версии нет, что результат `open()` для Parquet — это датасет PyArrow, а не поток байтов, и что `curator.cat.add_ontology()` не существует: нужен Bionty-тип у поля и `cat.standardize()`. Для AnnData обращаться надо к `curator.slots["obs"].cat`.

Нужен Python 3.10–3.14 и сам `lamindb`; примеры собраны на Python 3.12. Локальный SQLite работает без входа в аккаунт, а публичные онтологии и удалённое хранилище требуют сети, приватные инстансы — учётных данных. Регистрация в LaminDB не делает данные научно валидными: проверки под конкретный анализ придётся дописывать самому.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add K-Dense-AI/scientific-agent-skills --skill lamindb -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/lamindb/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/lamindb/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add K-Dense-AI/scientific-agent-skills --skill lamindb -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/lamindb/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add K-Dense-AI/scientific-agent-skills --skill lamindb -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/lamindb/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install K-Dense-AI/scientific-agent-skills lamindb
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/lamindb/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add K-Dense-AI/scientific-agent-skills --skill lamindb -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/K-Dense-AI/scientific-agent-skills --path skills/lamindb
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/lamindb/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add K-Dense-AI/scientific-agent-skills --skill lamindb -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/K-Dense-AI/scientific-agent-skills/tree/HEAD/skills/lamindb/SKILL.md

## Когда брать
- зарегистрировать датасет и не потерять его версию
- проверить таблицу метаданных по схеме до публикации
- связать колонки с онтологией через Bionty
- найти артефакт по метаданным, не загружая содержимое
- проследить, какие входы и выходы были у запуска

## Примеры запросов агенту
- Опиши схему для таблицы QC-метаданных и провалидируй её через `curator.validate()`
- Стандартизируй значения колонки `cell_type` по онтологии Bionty и сохрани нерешённые как есть
- Найди все артефакты с нужной схемой и покажи их UID

## Похожие
- [anysearch](https://affpapa.org/nevibecode/skills/anysearch.md) — скилл · 38500 установок
- [academic-paper](https://affpapa.org/nevibecode/skills/academic-paper.md) — скилл · 10800 установок
- [nature-figure](https://affpapa.org/nevibecode/skills/nature-figure.md) — скилл · 18800 установок
- [academic-paper-reviewer](https://affpapa.org/nevibecode/skills/academic-paper-reviewer.md) — скилл · 9800 установок
- [nature-polishing](https://affpapa.org/nevibecode/skills/nature-polishing.md) — скилл · 17500 установок
- [nature-citation](https://affpapa.org/nevibecode/skills/nature-citation.md) — скилл · 15600 установок

Из того же набора: [k-dense-ai/scientific-agent-skills](https://affpapa.org/nevibecode/by/k-dense-ai/scientific-agent-skills.md) — 159 карточек

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md