fungi-identification
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
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
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 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.
