fungi-identification
About
This Claude Skill helps identify fungi through morphological analysis, spore prints, and habitat assessment with a strict safety-first approach. It enables developers to build features for differentiating species and assessing toxicity risks, crucial for foraging or safety checks. Use it when confirmation of an unknown fungus is needed before consumption or to distinguish edible mushrooms from dangerous look-alikes.
Quick Install
Claude Code
Recommendednpx skills add pjt222/agent-almanac -a claude-code/plugin add https://github.com/pjt222/agent-almanacgit clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/fungi-identificationCopy and paste this command in Claude Code to install this skill
Documentation
識菌
以形態特徵、孢印、棲地分析與時令情境於野識菌,絕以安全為先。
適用時機
- 遇未知之菌,需識之
- 採食用菌,食前須確認物種
- 欲評院中或地上之菌是否有害
- 以系統觀察練建立野識能力
- 欲區別食用種與危險仿物
輸入
- 必要:菌體或其原地之清晰觀察
- 必要:觀察細形態之能力(菌蓋、菌褶、菌柄、基部)
- 選擇性:該地區之野外圖鑑或參考資料
- 選擇性:紙與玻璃以作孢印
- 選擇性:刀以看切面
- 選擇性:放大鏡(十倍)以看細節
步驟
步驟一:首要法則
行任何識別前,內化菌學之絕對法則。
首要法則:
若不能百分之百確認,切勿食之。
無所謂「通用食用性測試」。
有致命種味甘。
有致命種症狀遲延(二十四至七十二時)。
有致命種無解毒劑。
偽陽性之代價(食誤識之菌)為器官衰竭與死。
偽陰性之代價(錯過食用菌)僅失一餐。
永向謹慎傾。
預期: 入識別前已內化首要法則。
失敗時: 此步無失敗模式。若法則未內化,勿為食用而行野識別。
步驟二:記棲地
觸樣本前,情境先縮識別範圍。
棲地記錄:
+--------------------+------------------------------------------+
| 因子 | 記錄 |
+--------------------+------------------------------------------+
| 基質 | 土、木(死/活)、糞、葉 |
| | 屑、苔、他菌 |
+--------------------+------------------------------------------+
| 樹木相關 | 十米內何樹?(許多菌 |
| | 與特定樹屬共生) |
+--------------------+------------------------------------------+
| 濕度 | 乾、潮、濕、積水 |
+--------------------+------------------------------------------+
| 光 | 全陰、斑駁、開曠 |
+--------------------+------------------------------------------+
| 時令 | 早春、晚春、夏、早 |
| | 秋、晚秋、冬 |
+--------------------+------------------------------------------+
| 海拔 | 低地、中海拔、山地 |
+--------------------+------------------------------------------+
| 生長模式 | 獨生、散生、叢生、環生、 |
| | 架/托 |
+--------------------+------------------------------------------+
預期: 完整棲地記錄,為物種級識別提供情境。
失敗時: 若棲地不明(如城市院落混植),記所見。棲地資料不全降低識別信心——當納入安全評估。
步驟三:察形態特徵
系統察看樣本本身。
形態清單:
菌蓋(Pileus):
- 形:凸、平、凹、錐、鐘狀、中凸
- 直徑(量或估)
- 表:滑、鱗、纖維、黏、乾、裂
- 色(記色是否隨齡或濕度變)
- 邊緣:滑、條紋、內捲、附屬(菌幕遺物)
菌褶/菌孔/菌齒(Hymenium):
- 類:菌褶、菌孔(管)、菌齒、滑
- 著生:離生、彎生、貼生、延生
- 疏密:擁擠、近、遠
- 色(要——記隨齡之變)
- 瘀傷:褶受損時色變否?
菌柄(Stipe):
- 高與直徑
- 形:等粗、漸細、塊莖狀、棒狀
- 表:滑、纖維、鱗、網紋
- 內部:實心、中空、有髓(心狀芯)
- 菌環:有/無、位置、持久/脆
- 菌托(基部之杯):有/無——永謹慎
掘基部以查(鵝膏屬種有菌托)
菌肉(Context):
- 切時之色
- 露氣之色變(記變色所需時間)
- 質:堅、脆、纖維、膠狀
- 味:菌香、茴香、蘿蔔、麵粉、氯、不悅
- 嘗:(僅於專家確認非致命後;
未知種勿嘗)
孢印:
- 去菌柄;菌蓋褶面朝下置紙上
(紙半白半黑以見任何色)
- 以玻璃杯或碗蓋以保濕
- 待四至十二時
- 記孢色:白、奶油、粉、棕、紫棕、
黑、鐵鏽橙
預期: 涵蓋所有主要特徵之完整形態描述。
失敗時: 若某特徵不可觀(如無菌環但或已脫落),記為「未觀察到」而非「缺」。此區別於識別為要。
步驟四:以多重確認識之
所有資料交叉參考於參考資料。
識別之法:
1. 以棲地 + 時令縮至可能之屬
2. 以菌蓋形 + 菌褶類 + 孢色縮至物種群
3. 核所有特徵於候選物種之描述
4. 特意核危險仿物:
- 此種有致命之雙生種否?
- 何特徵區別食用與致命?
- 可清楚見該區別特徵否?
信心層級:
+----------+---------------------------+---------------------------+
| 級 | 標準 | 行動 |
+----------+---------------------------+---------------------------+
| 確定 | 所有特徵相配;無 | 可採集(於 |
| | 仿物混淆; | 經驗識別者) |
| | 熟悉該種 | |
+----------+---------------------------+---------------------------+
| 或然 | 多數特徵配; | 勿食。為進一步研究 |
| | 一二不確; | 採集(孢印、 |
| | 仿物已排除 | 專家審) |
+----------+---------------------------+---------------------------+
| 可能 | 部分特徵配; | 勿食。拍照 |
| | 仿物未全然 | 求專家意見 |
| | 排除 | |
+----------+---------------------------+---------------------------+
| 未知 | 不能縮至物種 | 勿食。勿 |
| | | 多處理 |
+----------+---------------------------+---------------------------+
預期: 物種級識別附明確信心層級與仿物評估。
失敗時: 若識別止於屬級,於學習目的可。為食用,僅「確定」之物種級識別可接受。
驗證
- 識別前已承認首要法則
- 察樣本前已記棲地
- 所有形態特徵系統察看
- 基部已掘以查菌托
- 已作孢印(時間許可)
- 危險仿物已明核並排除
- 信心層級誠實評估
- 僅「確定」識別方考慮食用
常見陷阱
- 依單一特徵:「此似雞油菌」僅憑色。真雞油菌有假褶(脊)、自樹旁土生、有杏香。假雞油菌與南瓜燈菌同色但其他特徵皆異
- 略基部察:不掘基部則漏菌托——致命鵝膏種(死帽、毀滅天使)識別之最要特徵
- 盲信手機應用:AI 識菌應用對仿物種之錯誤率顯著。為起點用,勿為確認之據
- 以為「常見 = 安全」:多產不示食用性。致命種可於地方多產
- 嘗未知種:有些菌學家以嘗為診斷工具,然此需專家級知識分辨何種可嘗。非專家勿嘗未知菌
- 忽視遲延毒:有種(如死帽菌)味甘而症狀遲延。症狀現時(二十四至四十八時),肝損已重
相關技能
mushroom-cultivation— 種已知種盡除識別風險forage-plants— 互補之野識技能;共享多特徵確認之法
GitHub Repository
Related Skills
llamaguard
OtherLlamaGuard is Meta's 7-8B parameter model for moderating LLM inputs and outputs across six safety categories like violence and hate speech. It offers 94-95% accuracy and can be deployed using vLLM, Hugging Face, or Amazon SageMaker. Use this skill to easily integrate content filtering and safety guardrails into your AI applications.
cost-optimization
OtherThis Claude Skill helps developers optimize cloud costs through resource rightsizing, tagging strategies, and spending analysis. It provides a framework for reducing cloud expenses and implementing cost governance across AWS, Azure, and GCP. Use it when you need to analyze infrastructure costs, right-size resources, or meet budget constraints.
quantizing-models-bitsandbytes
OtherThis skill quantizes LLMs to 8-bit or 4-bit precision using bitsandbytes, achieving 50-75% memory reduction with minimal accuracy loss. It's ideal for running larger models on limited GPU memory or accelerating inference, supporting formats like INT8, NF4, and FP4. The skill integrates with HuggingFace Transformers and enables QLoRA training and 8-bit optimizers.
dispatching-parallel-agents
OtherThis Claude Skill dispatches multiple agents to investigate and fix 3+ independent problems concurrently. It is designed for scenarios involving unrelated failures that can be resolved without shared state or dependencies. The core capability is parallel problem-solving, assigning one agent per independent problem domain to maximize efficiency.
