fungi-identification
About
This Claude skill identifies mushrooms in the field using morphological features, spore prints, and habitat analysis with a strict safety-first approach. It helps differentiate similar species and assess toxicity risk, emphasizing absolute certainty before any consumption. Developers can integrate it for applications involving unknown fungi, confirming edible species, or evaluating mushrooms in gardens.
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
Fungi Identification
Identificar hongos en campo usando características morfológicas, impresiones de esporas, hábitat y estación con un enfoque absoluto de seguridad primero.
Cuándo Usar
- Encuentras un hongo desconocido y necesitas identificarlo
- Estás recolectando setas comestibles y necesitas confirmar la especie antes del consumo
- Quieres evaluar si los hongos en tu jardín o propiedad son dañinos
- Estás desarrollando habilidades de identificación en campo mediante práctica de observación estructurada
- Necesitas diferenciar una especie comestible de un similar peligroso
Entradas
- Requerido: Un espécimen de hongo o una observación clara de uno in situ
- Requerido: Capacidad de observar detalles morfológicos finos (sombrero, láminas, pie, base)
- Opcional: Guía de campo o material de referencia para la región
- Opcional: Papel y vidrio para impresiones de esporas
- Opcional: Cuchillo para examen de sección transversal
- Opcional: Lupa de mano (10x) para detalles finos
Procedimiento
Paso 1: La Regla Cardinal
Antes de cualquier trabajo de identificación, internalizar la regla absoluta de la micología.
CARDINAL RULE:
If you are not 100% certain of the identification, DO NOT EAT IT.
There is no "universal edibility test" for mushrooms.
Some deadly species taste pleasant.
Some deadly species have delayed symptoms (24-72 hours).
Some deadly species have NO antidote.
The cost of a false positive (eating a misidentified mushroom) is
organ failure and death. The cost of a false negative (skipping an
edible mushroom) is a missed meal.
ALWAYS ERR TOWARD CAUTION.
Esperado: La regla cardinal está internalizada antes de proceder con la identificación.
En caso de fallo: No hay modo de fallo para este paso. Si la regla no está internalizada, no proceder a la identificación en campo con fines de consumo.
Paso 2: Documentar el Hábitat
El contexto reduce las posibilidades de identificación antes de tocar el espécimen.
Habitat Recording:
+--------------------+------------------------------------------+
| Factor | Record |
+--------------------+------------------------------------------+
| Substrate | Soil, wood (dead/living), dung, leaf |
| | litter, moss, other fungi |
+--------------------+------------------------------------------+
| Tree association | What trees are within 10m? (Many fungi |
| | are mycorrhizal with specific tree genera)|
+--------------------+------------------------------------------+
| Moisture | Dry, damp, wet, waterlogged |
+--------------------+------------------------------------------+
| Light | Full shade, dappled, open |
+--------------------+------------------------------------------+
| Season | Early spring, late spring, summer, early |
| | autumn, late autumn, winter |
+--------------------+------------------------------------------+
| Altitude | Lowland, mid-altitude, montane |
+--------------------+------------------------------------------+
| Growth pattern | Solitary, scattered, clustered, ring, |
| | shelf/bracket |
+--------------------+------------------------------------------+
Esperado: Un registro de hábitat completo que proporciona contexto para la identificación a nivel de especie.
En caso de fallo: Si el hábitat no está claro (ej., jardín urbano con plantaciones mixtas), registrar lo que sea visible. Los datos de hábitat incompletos reducen la confianza de identificación — tener esto en cuenta en la evaluación de seguridad.
Paso 3: Examinar las Características Morfológicas
Examen sistemático del espécimen mismo.
Morphological Checklist:
CAP (Pileus):
- Shape: convex, flat, concave, conical, umbonate, bell-shaped
- Diameter (measure or estimate)
- Surface: smooth, scaly, fibrous, slimy, dry, cracked
- Colour (note if colour changes with age or moisture)
- Margin: smooth, striate, inrolled, appendiculate (veil remnants)
GILLS / PORES / SPINES (Hymenium):
- Type: gills (lamellae), pores (tubes), spines (teeth), smooth
- Attachment: free, adnexed, adnate, decurrent
- Spacing: crowded, close, distant
- Colour (important — note changes with age)
- Bruising: do gills change colour when damaged?
STEM (Stipe):
- Height and diameter
- Shape: equal, tapered, bulbous, club-shaped
- Surface: smooth, fibrous, scaly, reticulate (netted)
- Interior: solid, hollow, stuffed (pithy center)
- Ring (annulus): present/absent, position, persistent/fragile
- Volva (cup at base): present/absent — ALWAYS check by
carefully excavating the base (Amanita species have a volva)
FLESH (Context):
- Colour when cut
- Colour change on exposure to air (note time to change)
- Texture: firm, brittle, fibrous, gelatinous
- Smell: mushroomy, anise, radish, flour, chlorine, unpleasant
- Taste: (ONLY if species is confirmed non-deadly by an expert;
for unknown species, DO NOT taste)
SPORE PRINT:
- Remove the stem; place the cap gill-side down on paper
(half white, half dark paper to see any colour)
- Cover with a glass or bowl to maintain humidity
- Wait 4-12 hours
- Record spore colour: white, cream, pink, brown, purple-brown,
black, rust-orange
Esperado: Una descripción morfológica completa cubriendo todas las características principales.
En caso de fallo: Si una característica no puede observarse (ej., no se ve anillo pero puede haberse perdido), registrarla como "no observado" en lugar de "ausente." La distinción importa para la identificación.
Paso 4: Identificar Usando Confirmaciones Múltiples
Verificar cruzadamente todos los datos contra material de referencia.
Identification Protocol:
1. Use habitat + season to narrow to likely genera
2. Use cap shape + gill type + spore colour to narrow to species group
3. Check ALL features against the candidate species description
4. Specifically check against dangerous look-alikes:
- Does this species have a deadly doppelganger?
- What feature distinguishes the edible from the deadly?
- Can I see that distinguishing feature clearly?
Confidence Levels:
+----------+---------------------------+---------------------------+
| Level | Criteria | Action |
+----------+---------------------------+---------------------------+
| Certain | All features match; no | Safe to collect (for |
| | look-alike confusion; | experienced identifiers) |
| | experienced with species | |
+----------+---------------------------+---------------------------+
| Probable | Most features match; | DO NOT eat. Collect for |
| | one or two uncertain; | further study (spore |
| | look-alike eliminated | print, expert review) |
+----------+---------------------------+---------------------------+
| Possible | Some features match; | DO NOT eat. Photograph |
| | look-alike not fully | and seek expert opinion |
| | eliminated | |
+----------+---------------------------+---------------------------+
| Unknown | Cannot narrow to species | DO NOT eat. DO NOT |
| | | handle extensively |
+----------+---------------------------+---------------------------+
Esperado: Una identificación a nivel de especie con nivel de confianza explícito y evaluación de similares.
En caso de fallo: Si la identificación se estanca a nivel de género, eso es aceptable para fines de aprendizaje. Para consumo, solo la identificación a nivel de especie con nivel "Certero" es aceptable.
Validación
- La regla cardinal fue reconocida antes de comenzar la identificación
- El hábitat fue documentado antes de examinar el espécimen
- Todas las características morfológicas fueron examinadas sistemáticamente
- La base fue excavada para verificar la presencia de volva
- Se tomó una impresión de esporas (si el tiempo lo permite)
- Los similares peligrosos fueron verificados y eliminados explícitamente
- El nivel de confianza fue evaluado honestamente
- Solo identificaciones "Certeras" fueron consideradas para consumo
Errores Comunes
- Confiar en una sola característica: "Se parece a un rebozuelo" basado solo en el color. Los rebozuelos verdaderos tienen láminas falsas (pliegues), crecen del suelo cerca de árboles, y tienen un olor específico a albaricoque. Los falsos rebozuelos y las setas de Jack-o'-lantern comparten el color pero difieren en todas las demás características
- Saltarse el examen de la base: No desenterrar la base omite la volva — la característica más importante para identificar las especies mortales de Amanita (oronja mortal, amanita verna)
- Confiar ciegamente en aplicaciones: Las aplicaciones de identificación de setas basadas en IA tienen tasas de error significativas para especies similares. Usarlas como punto de partida, nunca como confirmación
- Asumir que "común = seguro": La abundancia no indica comestibilidad. Las especies mortales pueden ser localmente abundantes
- Probar especies desconocidas: Algunos micólogos usan el sabor como herramienta diagnóstica, pero esto requiere conocimiento a nivel de experto de qué especies son seguras para probar. Para no expertos, no probar hongos desconocidos
- Ignorar toxinas temporales: Algunas especies (ej., Amanita phalloides) tienen sabor agradable y síntomas retrasados. Para cuando los síntomas aparecen (24-48 horas), el daño hepático es severo
Habilidades Relacionadas
mushroom-cultivation— cultivar especies conocidas elimina el riesgo de identificación por completoforage-plants— habilidad complementaria de identificación en campo; comparte la metodología de confirmación por múltiples características
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.
