onescience-infer

输入获取方式

本技能支持两种输入方式：

1. 上下文 handoff（默认）：从调用方传入的 step_handoff 获取任务信息。
2. 文件 handoff（autonomous_mode）：从 .onescience/handoff/step_{step_id}.yaml 读取任务信息。执行后，将结果写入 .onescience/handoff/step_{step_id}_result.yaml。

启动时优先检查 .onescience/handoff/ 目录是否存在对应的交接文件；若存在则使用文件模式，否则使用上下文模式。

文件交接格式参见 skills/onescience-orchestrator/references/file_handoff_contract.md。

OneScience Infer

职责

将本技能作为科学模型推理任务的执行工作流。把 orchestrator 交给本技能的当前步骤，例如“为 HuggingFace checkpoint 生成推理入口”“使用本地 checkpoint 跑一次材料性质预测”“准备生信模型输入并执行推理”“验证流体仿真 surrogate 输出”，转化为从模型知识获取到结果验证的可追踪闭环。

本技能只消费当前执行步骤，不重新规划完整用户目标。本技能负责推理工作流契约和阶段顺序；当代码实现、数据构建或运行提交由已有执行技能更适合负责时，应将当前步骤交接给对应技能。依赖包、硬件和运行环境需求不单独成阶段，而是在推理执行阶段交给 onescience-runtime。

工作流

创建或更新工作目录：

产物路径规则：

• repro_artifact_dir：所有可复现推理产物的根目录，默认 <work_dir>/repro_artifacts/<run_id>/。该目录与源码目录（如 paper_cases/）强制隔离，不得将推理脚本、输出结果散落在案例源码目录中。

  • repro_artifact_dir/code/：生成的推理启动器脚本、runner 等代码产物（默认 = code_save_dir）
  • repro_artifact_dir/outputs/：推理输出结果（mmCIF、confidence JSON、ranking CSV 等）
  • repro_artifact_dir/logs/：运行日志
  • repro_artifact_dir/.infer_work/：中间知识产物（= infer_workdir）

• code_save_dir 用于保存最终代码入口和 runner。若上游已显式提供 step_handoff.inputs.runtime.code_save_dir，优先使用；若未提供，默认 = <repro_artifact_dir>/code/。

• infer_workdir 用于保存模型知识、计划、manifest、runtime 请求/结果、验证报告等 infer 中间知识产物，默认 = <repro_artifact_dir>/.infer_work/。若上游已显式提供 step_handoff.inputs.runtime.infer_workdir，则直接使用该目录。

• 若上游未提供 code_save_dir，但 step_handoff.inputs.runtime.workdir、task_context.relevant_artifacts 或用户明确指定了工作目录，则 repro_artifact_dir 首选 <work_dir>/repro_artifacts/<run_id>/；否则兼容性回退到 .onescience/infer/<run_id>/。

• 进入具体代码生成或执行阶段时，必须从 infer_workdir 中已保存的知识文件读取并交接，不依赖未落盘的会话上下文。

GPU 分配规则：

• 禁止将论文协议参数（如 seed 数量）硬编码为 GPU 数量。seed_count（协议参数）、gpu_count（硬件资源）、worker_count（并发工作单元）必须分别建模为独立变量。
• 代码生成和执行阶段必须通过 nvidia-smi --query-gpu=index,name,memory.total,memory.free --format=csv,noheader 或 rocm-smi 检测实际可用 GPU 列表，不得硬编码 GPU 索引。
• worker_count = seed_count × samples_per_seed（或其他业务粒度），gpu_count = 实际可用 GPU 数。调度策略：worker_count > gpu_count 时分批轮转执行，worker_count <= gpu_count 时一卡一 worker。