MCP HubMCP Hub
SKILL·EC2F75

fungi-identification

pjt222
업데이트됨 1 month ago
9 조회
26
3
26
GitHub에서 보기
기타general

정보

이 Claude 스킬은 형태학적 특징, 포자 프린트, 서식지 분석을 통해 야외에서 버섯을 식별하며, 안전을 최우선으로 접근합니다. 유사 종을 구분하고 독성 위험을 평가하는 데 도움을 주며, 섭취 전 절대적인 확신을 강조합니다. 개발자는 이를 알려지지 않은 균류 관련 애플리케이션, 식용 종 확인, 또는 정원 내 버섯 평가에 통합할 수 있습니다.

빠른 설치

Claude Code

추천
기본
npx skills add pjt222/agent-almanac -a claude-code
플러그인 명령대체
/plugin add https://github.com/pjt222/agent-almanac
Git 클론대체
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/fungi-identification

Claude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요

문서

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 completo
  • forage-plants — habilidad complementaria de identificación en campo; comparte la metodología de confirmación por múltiples características

GitHub 저장소

pjt222/agent-almanac
경로: i18n/es/skills/fungi-identification
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams
FAQ

Frequently asked questions

What is the fungi-identification skill?

fungi-identification is a Claude Skill by pjt222. Skills package instructions and resources that Claude loads on demand, so Claude can perform fungi-identification-related tasks without extra prompting.

How do I install fungi-identification?

Use the install commands on this page: add fungi-identification to Claude Code as a plugin, or clone its repository into your skills directory, then restart Claude so it picks up the skill.

What category does fungi-identification belong to?

fungi-identification is in the Other category, tagged general.

Is fungi-identification free to use?

Yes. fungi-identification is listed on AIMCP and free to install. It runs inside Claude, so no separate service account is required to use the skill itself.

연관 스킬

llamaguard
기타

LlamaGuard는 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.

스킬 보기
cost-optimization
기타

이 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.

스킬 보기
sports-betting-analyzer
기타

이 Claude Skill은 스프레드, 오버/언더, 프로프 베트를 포함한 스포츠 베팅 시장을 분석합니다. 역사적 추이와 상황별 통계를 검토하여 가치 베트를 발견하고, 교육적 목적으로 실행 가능한 권장 사항이 담긴 구조화된 마크다운 결과를 제공합니다. 개발자는 이 기능을 스포츠 베팅 분석 도구에 활용할 수 있으며, 단순히 엔터테인먼트/교육 목적으로만 설계되었음을 유의해야 합니다.

스킬 보기
quantizing-models-bitsandbytes
기타

이 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.

스킬 보기