К основному содержанию
скилл CX Codex

stockbreeder-expert — скилл для Claude Code: обзор и установка

Скилл stockbreeder-expert для Claude Code добавляет Python-модели и инструкции для учёта скота, племенной работы, мониторинга здоровья животных и графиков вакцинации в агропроектах.

Apache-2.0 195 установок ★ 45 обновлён 2026-10-12

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add personamanagmentlayer/pcl --skill stockbreeder-expert -a claude-code
Открыть на GitHub

Что делает stockbreeder-expert

Скилл добавляет агенту предметные знания о животноводстве и готовые архитектурные шаблоны на Python. Внутри описаны модели данных для крупного рогатого скота, овец, коз, свиней и птицы, а также структура записей ветеринарного паспорта.

Логика построена вокруг сбора телеметрии и проверки пороговых значений. Для коров температура выше 39.5°C генерирует предупреждение о возможной лихорадке, а падение активности вдвое сигнализирует о травме. Модуль селекции отсекает скрещивание родственных особей ближе трёх поколений.

Для полноценного учёта понадобятся внешняя база данных и источник телеметрии с датчиков. Без подключения к ним логика мониторинга остаётся шаблоном без входящих сигналов.

Какие задачи решает

  • Спроектировать схему базы данных для учёта поголовья и электронных меток
  • Настроить обработку телеметрии с датчиков температуры и жвачки
  • Сформировать график обязательной вакцинации стада по типам животных
  • Рассчитать пары для скрещивания с контролем родства до трёх поколений

Примеры запросов агенту

  • Создай схему базы данных для учёта скота с полями бирок и ветеринарных записей
  • Напиши функцию проверки телеметрии датчиков и отправки тревоги при лихорадке
  • Сделай алгоритм отбора родительских пар с фильтрацией близкого родства

Как установить stockbreeder-expert

1Через Skills CLI (Vercel)

npx skills add personamanagmentlayer/pcl --skill stockbreeder-expert -a claude-code

2Вручную: положить файлы

~/.claude/skills/stockbreeder-expert/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/stockbreeder-expert/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Вопросы о stockbreeder-expert

Как установить stockbreeder-expert в Claude Code?

Выполните команду npx skills add personamanagmentlayer/pcl --skill stockbreeder-expert -a claude-code. Также файл скилла можно сохранить вручную по пути ~/.claude/skills/stockbreeder-expert/SKILL.md.

Что делает скилл stockbreeder-expert?

Он предоставляет агенту готовые структуры данных и алгоритмы для животноводства: учёт поголовья, графики вакцин, отбор пар для разведения и первичный анализ телеметрии.

Какие животные поддерживаются в коде скилла?

В перечислении AnimalType объявлены пять категорий: крупный рогатый скот, овцы, козы, свиньи и птица.

Исходный текст

SKILL.md · Apache-2.0
---
name: stockbreeder-expert
version: 2.0.0
description: >-
  Expert-level livestock management, animal health monitoring, breeding programs, and ranch
  management. Use when the user mentions livestock, animal husbandry, breeding, ranch
  management, or veterinary, or when the task involves Livestock Management, Animal Health,
  or Technologies.
category: domains
tags: [livestock, animal-husbandry, breeding, ranch-management, veterinary]
allowed-tools:
  - Read
  - Write
  - Edit
---

# Stockbreeder Expert

Expert guidance for livestock management, animal health monitoring, breeding programs, feed optimization, and ranch operations.

## Core Concepts

### Livestock Management

- Herd/flock management
- Animal identification and tracking
- Health monitoring
- Nutrition and feed management
- Breeding and genetics
- Facility management

### Animal Health

- Disease prevention and control
- Vaccination schedules
- Biosecurity protocols
- Health records
- Veterinary care coordination
- Early warning systems

### Technologies

- RFID ear tags
- Automated feeding systems
- Wearable sensors
- Milking automation
- Genetic analysis
- Precision livestock farming

## Livestock Management System

```python
from dataclasses import dataclass
from typing import List, Optional
from datetime import datetime, timedelta
from enum import Enum

class AnimalType(Enum):
    CATTLE = "cattle"
    SHEEP = "sheep"
    GOAT = "goat"
    PIG = "pig"
    POULTRY = "poultry"

class HealthStatus(Enum):
    HEALTHY = "healthy"
    OBSERVATION = "observation"
    SICK = "sick"
    QUARANTINE = "quarantine"
    DECEASED = "deceased"

@dataclass
class Animal:
    animal_id: str
    tag_number: str
    type: AnimalType
    breed: str
    sex: str
    birth_date: datetime
    weight_kg: float
    sire_id: Optional[str]
    dam_id: Optional[str]
    health_status: HealthStatus
    location: str
    vaccinations: List[dict]
    treatments: List[dict]

@dataclass
class HealthRecord:
    record_id: str
    animal_id: str
    date: datetime
    type: str  # 'vaccination', 'treatment', 'check-up'
    diagnosis: Optional[str]
    treatment: Optional[str]
    veterinarian_id: Optional[str]
    notes: str
    follow_up_date: Optional[datetime]

class LivestockManagement:
    """Livestock management system"""

    def __init__(self, db):
        self.db = db

    def register_animal(self, animal_data):
        """Register new animal in system"""
        animal = Animal(**animal_data)

        # Generate unique tag if not provided
        if not animal.tag_number:
            animal.tag_number = self.generate_tag_number(animal.type)

        # Create initial health record
        health_record = HealthRecord(
            record_id=generate_id(),
            animal_id=animal.animal_id,
            date=datetime.now(),
            type='registration',
            diagnosis=None,
            treatment=None,
            veterinarian_id=None,
            notes='Initial registration',
            follow_up_date=None
        )

        self.db.save_animal(animal)
        self.db.save_health_record(health_record)

        return animal

    def monitor_animal_health(self, animal_id):
        """Monitor individual animal health"""
        animal = self.db.get_animal(animal_id)
        sensor_data = self.get_sensor_data(animal_id)

        health_indicators = {
            'temperature': sensor_data.get('temperature'),
            'activity_level': sensor_data.get('activity_score'),
            'rumination_time': sensor_data.get('rumination_minutes'),  # For ruminants
            'feeding_behavior': self.analyze_feeding_pattern(animal_id),
            'weight_change': self.calculate_weight_trend(animal_id)
        }

        # Detect health issues
        alerts = []
        if health_indicators['temperature'] > 39.5:  # Cattle normal: 38.5-39.5°C
            alerts.append({
                'severity': 'high',
                'issue': 'Elevated temperature - possible fever',
                'recommendation': 'Veterinary examination recommended'
            })

        if health_indicators['activity_level'] < 0.5:  # Below 50% of normal
            alerts.append({
                'severity': 'medium',
                'issue': 'Reduced activity',
                'recommendation': 'Monitor closely, check for injury or illness'
            })

        return {
            'animal_id': animal_id,
            'tag_number': animal.tag_number,
            'health_indicators': health_indicators,
            'alerts': alerts,
            'health_score': self.calculate_health_score(health_indicators)
        }

    def schedule_vaccinations(self, herd_id):
        """Generate vaccination schedule for herd"""
        animals = self.db.get_herd_animals(herd_id)
        vaccination_schedule = []

        for animal in animals:
            # Check vaccination history
            last_vaccinations = self.db.get_vaccinations(animal.animal_id)

            # Required vaccinations based on animal type and age
            required_vaccines = self.get_required_vaccines(animal)

            for vaccine in required_vaccines:
                last_admin = next(
                    (v for v in last_vaccinations if v['vaccine'] == vaccine['name']),
                    None
                )

                # Check if due
                if not last_admin or self.is_vaccine_due(last_admin, vaccine):
                    vaccination_schedule.append({
                        'animal_id': animal.animal_id,
                        'tag_number': animal.tag_number,
                        'vaccine': vaccine['name'],
                        'due_date': self.calculate_vaccine_due_date(last_admin, vaccine),
                        'priority': vaccine['priority']
                    })

        # Sort by priority and due date
        vaccination_schedule.sort(key=lambda x: (x['priority'], x['due_date']))

        return vaccination_schedule
```

## Breeding Management

```python
class BreedingManagement:
    """Breeding program management"""

    def select_breeding_pairs(self, herd_id, breeding_goals):
        """Select optimal breeding pairs"""
        eligible_males = self.db.get_breeding_males(herd_id)
        eligible_females = self.db.get_breeding_females(herd_id)

        # Score each potential pairing
        breeding_recommendations = []

        for female in eligible_females:
            scores = []

            for male in eligible_males:
                # Check genetic compatibility
                if self.are_related(male, female, max_generations=3):
                    continue  # Skip closely related animals

                # Calculate breeding value
                score = self.calculate_breeding_value(
                    male,
                    female,
                    breeding_goals
                )

                scores.append({
                    'male_id': male.animal_id,
                    'male_tag': male.tag_number,
                    'score': score,
                    'expected_traits': self.predict_offspring_traits(male, female)
                })

            # Get best male for this female
            if scores:
                best_match = max(scores, key=lambda x: x['score'])
                breeding_recommendations.append({
                    'female_id': female.animal_id,
                    'female_tag': female.tag_number,
                    'recommended_male': best_match,
                    'optimal_breeding_date': self.calculate_optimal_breeding_date(female)
                })

        return breeding_recommendations

    def calculate_breeding_value(self, male, female, goals):
        """Calculate breeding value for pair"""
        score = 0

        # Evaluate based on breeding goals
        if 'milk_production' in goals:
            score += (male.genetics['milk_yield'] + female.genetics['milk_yield']) * 0.3

        if 'growth_rate' in goals:
            score += (male.genetics['growth_rate'] + female.genetics['growth_rate']) * 0.3

        if 'disease_resistance' in goals:
            score += (male.genetics['disease_resistance'] + female.genetics['disease_resistance']) * 0.2

        if 'fertility' in goals:
            score += (male.fertility_score + female.fertility_score) * 0.2

        return score

    def track_pregnancy(self, animal_id):
        """Track pregnancy and predict due date"""
        animal = self.db.get_animal(animal_id)
        breeding_record = self.db.get_last_breeding(animal_id)

        if not breeding_record:
            return {'status': 'not_pregnant'}

        # Check pregnancy status
        pregnancy_check = self.db.get_latest_pregnancy_check(animal_id)

        if pregnancy_check and pregnancy_check['confirmed']:
            gestation_period = self.get_gestation_period(animal.type)
            due_date = breeding_record['date'] + timedelta(days=gestation_period)
            days_pregnant = (datetime.now() - breeding_record['date']).days

            # Schedule checkups
            checkup_schedule = self.generate_pregnancy_checkups(
                breeding_record['date'],
                due_date
            )

            return {
                'status': 'pregnant',
                'breeding_date': breeding_record['date'],
                'due_date': due_date,
                'days_pregnant': days_pregnant,
                'days_remaining': (due_date - datetime.now()).days,
                'checkup_schedule': checkup_schedule
            }

        return {'status': 'unknown', 'needs_pregnancy_check': True}
```

## Feed Management

```python
class FeedManagement:
    """Feed optimization and management"""

    def calculate_feed_requirements(self, animal_id):
        """Calculate nutritional requirements"""
        animal = self.db.get_animal(animal_id)

        # Base requirements on:
        # - Weight
        # - Age
        # - Production status (lactating, pregnant, growing)
        # - Activity level

        requirements = {
            'dry_matter_kg': self.calculate_dm_requirement(animal),
            'crude_protein_kg': self.calculate_protein_requirement(animal),
            'energy_mcal': self.calculate_energy_requirement(animal),
            'minerals': self.calculate_mineral_requirements(animal)
        }

        return requirements

    def optimize_feed_ration(self, herd_id):
        """Optimize feed ration for herd"""
        animals = self.db.get_herd_animals(herd_id)
        available_feeds = self.db.get_available_feeds()

        # Group animals by similar requirements
        groups = self.group_animals_by_requirements(animals)

        ration_plans = []

        for group in groups:
            # Linear programming for least-cost ration
            avg_requirements = self.calculate_group_requirements(group['animals'])

            optimal_ration = self.solve_ration_optimization(
                avg_requirements,
                available_feeds
            )

            ration_plans.append({
                'group_id': group['id'],
                'animal_count': len(group['animals']),
                'ration': optimal_ration,
                'daily_cost_per_animal': sum(
                    ingredient['amount'] * ingredient['cost_per_kg']
                    for ingredient in optimal_ration
                ),
                'meets_requirements': True
            })

        return ration_plans

    def monitor_feeding_behavior(self, animal_id):
        """Monitor feeding patterns"""
        feeding_data = self.db.get_feeding_data(animal_id, days=7)

        analysis = {
            'avg_daily_intake_kg': np.mean([d['intake'] for d in feeding_data]),
            'feeding_frequency': len(feeding_data) / 7,
            'intake_variation': np.std([d['intake'] for d in feeding_data]),
            'eating_time_minutes': np.mean([d['duration'] for d in feeding_data])
        }

        # Detect issues
        if analysis['avg_daily_intake_kg'] < expected_intake * 0.8:
            analysis['alert'] = 'Low feed intake - possible health issue'

        return analysis
```

## Herd Analytics

```python
class HerdAnalytics:
    """Herd performance analytics"""

    def analyze_herd_performance(self, herd_id):
        """Comprehensive herd performance analysis"""
        animals = self.db.get_herd_animals(herd_id)

        metrics = {
            'total_animals': len(animals),
            'avg_weight': np.mean([a.weight_kg for a in animals]),
            'avg_age_months': np.mean([
                (datetime.now() - a.birth_date).days / 30
                for a in animals
            ]),
            'health_status_distribution': self.get_health_distribution(animals),
            'mortality_rate': self.calculate_mortality_rate(herd_id),
            'reproduction_rate': self.calculate_reproduction_rate(herd_id),
            'avg_daily_gain': self.calculate_avg_daily_gain(herd_id),
            'feed_conversion_ratio': self.calculate_fcr(herd_id)
        }

        # Financial metrics
        metrics['production_value'] = self.calculate_production_value(herd_id)
        metrics['feed_cost'] = self.calculate_total_feed_cost(herd_id)
        metrics['veterinary_cost'] = self.calculate_vet_costs(herd_id)
        metrics['profit_per_animal'] = (
            metrics['production_value'] -
            metrics['feed_cost'] -
            metrics['veterinary_cost']
        ) / metrics['total_animals']

        return metrics

    def predict_production(self, animal_id, days_ahead=30):
        """Predict animal production (milk, eggs, etc.)"""
        animal = self.db.get_animal(animal_id)
        historical_production = self.db.get_production_history(animal_id, days=90)

        # Use time series model
        forecast = self.production_model.forecast(
            historical_production,
            periods=days_ahead
        )

        return {
            'animal_id': animal_id,
            'forecast_period_days': days_ahead,
            'predicted_production': forecast.tolist(),
            'total_predicted': sum(forecast),
            'confidence_interval': self.calculate_confidence_interval(forecast)
        }
```

## Best Practices

- Use individual animal identification
- Maintain detailed health records
- Implement biosecurity protocols
- Monitor animal welfare continuously
- Practice selective breeding
- Optimize feed efficiency
- Schedule regular veterinary checkups
- Use data for decision-making
- Maintain proper facilities
- Follow animal welfare standards
- Track financial performance
- Implement early disease detection

## Anti-Patterns

❌ Poor record keeping
❌ No biosecurity measures
❌ Reactive health management
❌ Inbreeding
❌ Over or underfeeding
❌ Ignoring animal behavior
❌ Manual data collection only

## Resources

- World Organisation for Animal Health: https://www.oie.int/
- Animal Genetics: https://www.animalgenetics.us/
- Livestock Management Systems: https://www.fao.org/livestock-systems/
- Precision Livestock Farming: https://www.plf.eu/

© personamanagmentlayer · Apache-2.0 · personamanagmentlayer/pcl

Похожие скиллы

Все скиллы по теме «Наука и исследования» →
mcp-server RanchBot MCP-сервер mcp-server подключает Claude Code к данным фермы Ranch.Bot: агент может читать записи о животных и выполнять разрешённые изменения. Для работы нужны аккаунт Ranch.Bot и Node.js версии 22 или новее. CX Codex +1 ★ 1звёзд репо DataNexus MCP dev-7bd0 MCP-сервер DataNexus MCP даёт агенту доступ к проверенным публичным данным о CVE, SBOM, лицензиях, доменах, патентах и организациях. CX Codex +1 7 877установок convex-domains convex Скилл convex-domains ведёт агента по шагам: DNS-записи у вашего регистратора, привязка домена к приложению Convex и перепривязка auth-origin. CX Codex +1 43 800установок domain-name-brainstormer nexu-io Скилл domain-name-brainstormer придумывает варианты названий доменов и проверяет их доступность в зонах .com, .io, .dev и .ai. CX Codex +1 2 900установок domain-hunter ReScienceLab Скилл domain-hunter для Claude Code ищет свободные домены, сравнивает цены регистраторов и промокоды. Включается при выборе домена для покупки. CX Codex +1 2 000установок domain-research OpenClaudia Скилл domain-research для Claude Code исследует домены: собирает WHOIS/RDAP, ищет объявления на маркетплейсах и помогает оценить покупку. CX Codex +1 470установок

Из того же набора104

Весь набор →
kotlin-expert Скилл kotlin-expert помогает писать и разбирать Kotlin-код для Android, корутин, JVM и Kotlin Multiplatform. Подключайте его к задачам, где важны идиоматичный синтаксис и архитектура. CX Codex +1 203установок react-expert Скилл react-expert настраивает ИИ-агента на разработку на React 18+ и Next.js: правила типизации в TypeScript, хуки, мемоизацию и тесты на React Testing Library. CX Codex +1 200установок performance-expert Скилл performance-expert помогает профилировать код, искать узкие места в базах данных и настраивать кэширование под высокие нагрузки. CX Codex +1 198установок javascript-expert Скилл javascript-expert для Claude Code задаёт агенту роль опытного JavaScript-разработчика и правила стиля для проектов на ES2024+, Node.js и npm. CX Codex +1 197установок mongodb-expert Скилл mongodb-expert помогает проектировать MongoDB, писать aggregation pipelines, подбирать индексы и разбирать вопросы репликации и production-операций. CX Codex +1 195установок elixir-expert Скилл elixir-expert для Claude Code по Elixir, OTP и Phoenix с примерами кода и разбором конкурентных систем. Помогает править GenServer и LiveView. CX Codex +1 194установок looker-expert Скилл looker-expert по Looker для ассистента: разбирает LookML, explores, меры и PDT, подсказывает структуру модели и ловит двойной счёт строк на join. CX Codex +1 194установок ruby-expert Скилл ruby-expert для Claude Code помогает писать и разбирать код на Ruby, включая Rails и тесты RSpec. Подключается к задачам про Sinatra, гемы и метапрограммирование. CX Codex +1 193установок

Спонсоры проекта

Компании, которые помогают держать аналитику открытой