fungi-identification
정보
이 Claude Skill은 형태학적 분석, 포자 프린트, 서식지 평가를 통해 곰팡이를 식별하는 데 도움을 줍니다. 엄격한 안전 우선 접근법을 따르며, 개발자들이 종을 구분하고 독성 위험을 평가하는 기능을 구축할 수 있게 합니다. 이는 채집이나 안전 점검에 매우 중요합니다. 섭취 전 알려지지 않은 균류를 확인하거나, 식용 버섯과 유사한 위험한 종을 구별해야 할 때 사용하세요.
빠른 설치
Claude Code
추천npx 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-identificationClaude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요
문서
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 저장소
연관 스킬
llamaguard
기타LlamaGuard는 폭력 및 혐오 발언 등 6가지 안전 범주에서 LLM 입력과 출력을 조정하기 위한 Meta의 70-80억 파라미터 모델입니다. 94-95% 정확도를 제공하며 vLLM, Hugging Face 또는 Amazon SageMaker를 사용해 배포할 수 있습니다. 이 기술을 사용하여 AI 애플리케이션에 콘텐츠 필터링 및 안전 가드레일을 손쉽게 통합하세요.
cost-optimization
기타이 Claude Skill은 리소스 적정화, 태깅 전략, 지출 분석을 통해 개발자들이 클라우드 비용을 최적화할 수 있도록 지원합니다. AWS, Azure, GCP에서 클라우드 비용을 절감하고 비용 거버넌스를 구현하기 위한 프레임워크를 제공합니다. 인프라 비용을 분석하거나, 리소스를 적정화하거나, 예산 제약을 충족해야 할 때 사용하세요.
quantizing-models-bitsandbytes
기타이 스킬은 bitsandbytes를 사용하여 LLM을 8비트 또는 4비트 정밀도로 양자화하며, 최소한의 정확도 손실로 50-75%의 메모리 감소를 달성합니다. 제한된 GPU 메모리에서 더 큰 모델을 실행하거나 추론을 가속화하는 데 이상적이며, INT8, NF4, FP4와 같은 형식을 지원합니다. 이 스킬은 HuggingFace Transformers와 통합되어 QLoRA 학습 및 8비트 옵티마이저를 가능하게 합니다.
dispatching-parallel-agents
기타이 Claude Skill은 3개 이상의 독립적인 문제를 동시에 조사하고 해결하기 위해 다중 에이전트를 배치합니다. 공유 상태나 의존성 없이 해결 가능한 무관련 장애 시나리오에 맞게 설계되었습니다. 핵심 기능은 병렬 문제 해결로, 각 독립 문제 영역마다 하나의 에이전트를 할당하여 효율성을 극대화합니다.
