dnanexus-integration

Überblick über die dnanexus-integration Skill

dnanexus-integration ist ein praxisnaher Skill für die Arbeit mit der Cloud-Genomik-Plattform DNAnexus, wenn ein generischer Prompt nicht ausreicht. Er unterstützt bei der Entwicklung von Apps und Applets, beim Hoch- und Herunterladen von Daten, bei der Ausführung von Workflows und bei der dxpy-basierten Automatisierung für Genomik-Pipelines.

Für wen dieser dnanexus-integration Skill gedacht ist

Nutzen Sie diesen dnanexus-integration Skill, wenn Sie Automatisierung für Backend Development rund um DNAnexus bauen oder pflegen: Python-Skripte, Pipeline-Wrapper, App-Konfiguration oder Job-Orchestrierung. Besonders nützlich ist er, wenn Ihre Aufgabe Dateien wie FASTQ, BAM oder VCF betrifft oder wenn Sie plattformspezifisches Verhalten brauchen, das normale Code-Hilfe oft übersieht.

Was Sie damit erledigen können

Die Hauptaufgabe besteht darin, eine grobe Plattformaufgabe in eine umsetzbare DNAnexus-Implementierung zu überführen: ein App/Applet erstellen, Inputs und Outputs definieren, Jobs ausführen, Projekte verwalten und sicher mit Datenobjekten arbeiten. Der dnanexus-integration Leitfaden ist vor allem dann relevant, wenn Sie DNAnexus-Konventionen einhalten müssen, statt Ihren eigenen Workflow zu erfinden.

Warum dieser Skill anders ist

Das Repo ist nach echten Arbeitsbereichen strukturiert: App-Entwicklung, Konfiguration, Datenoperationen, Job-Ausführung und Python-SDK. Diese Struktur ist wichtig, weil DNAnexus-Arbeiten oft an Details scheitern — etwa an der Form von dxapp.json, am Verknüpfen von Inputs, am Ausführungskontext oder am Unterschied zwischen Applets und Apps. Der dnanexus-integration Skill ist besonders wertvoll, wenn genau diese Details darüber entscheiden, ob die Lösung tatsächlich läuft.

So verwenden Sie den dnanexus-integration Skill

Den Skill installieren und laden

Für einen lokalen Skills-Workflow installieren Sie mit:

npx skills add K-Dense-AI/claude-scientific-skills --skill dnanexus-integration

Öffnen Sie danach zuerst SKILL.md, weil dort der vorgesehene Umfang definiert ist und auf die Referenzdateien verwiesen wird, die die eigentliche Arbeitsanleitung enthalten. Wenn Sie die dnanexus-integration Installation als Teil eines größeren Repos nutzen, sollten Sie den Skill zusammen mit Ihrem Projektkontext halten, damit er sich an Ihre Ordnerstruktur und Deployment-Einschränkungen anpassen kann.

Mit der richtigen Input-Form starten

Die beste Nutzung von dnanexus-integration beginnt mit einer konkreten Aufgabe, nicht mit einer breiten Bitte wie „Hilf mir mit DNAnexus“. Geben Sie dem Modell den Objekttyp, die Sprache und das Ziel an:

• „Erstelle in Python ein DNAnexus Applet, das eine BAM-Datei und eine minimale Mapping-Qualität annimmt und dann eine gefilterte BAM ausgibt.“
• „Schreibe die dxapp.json-Inputs und die runSpec für eine Bash-App, die eine FASTQ herunterlädt, QC ausführt und Ergebnisse hochlädt.“
• „Zeige, wie man einen Workflow-Job mit verknüpften Inputs über dxpy startet.“

Diese Detailtiefe verbessert die Ausgabe, weil DNAnexus-Verhalten vom Ausführungsmodell, vom Verknüpfen von Dateien und vom Deployment-Format abhängt.

Diese Dateien zuerst lesen

Für die meisten Nutzer ist der schnellste Weg:

1. SKILL.md für Umfang und Hinweise zur passenden Verwendung
2. references/app-development.md für Build-Struktur und Applet/App-Muster
3. references/configuration.md für dxapp.json, Metadaten und Abhängigkeiten
4. references/data-operations.md für den Umgang mit Dateien, Records und Objekten
5. references/job-execution.md für das Starten und Überwachen von Jobs
6. references/python-sdk.md für die Installation von dxpy und die API-Nutzung

Wenn Sie feststecken, lesen Sie die Datei, die zum Fehlerpunkt passt: Konfiguration bei Build-Fehlern, Job Execution bei Laufzeitproblemen, Data Operations beim Umgang mit Objekten.

Praktischer Workflow für bessere Ergebnisse

Nutzen Sie dnanexus-integration wie einen Implementierungsassistenten:

1. Beschreiben Sie das Plattformobjekt, das Sie erstellen oder ändern.
2. Geben Sie an, ob Sie ein Applet, eine App, ein Skript oder ein dxpy-Snippet benötigen.
3. Nennen Sie die erwarteten Inputs, Outputs und Dateitypen.
4. Sagen Sie dazu, ob Sie lokale Entwicklung, Ausführung auf der Plattform oder beides brauchen.
5. Bitten Sie zuerst um die kleinste lauffähige Version und erweitern Sie sie danach.

Dieser Workflow reduziert Rätselraten und macht den Prompt leichter gegen DNAnexus-Konventionen prüfbar.

FAQ zum dnanexus-integration Skill

Ist dnanexus-integration nur für Genomik-Arbeiten gedacht?

Größtenteils ja. Das Repository ist auf DNAnexus-Cloud-Genomik und Bioinformatik-Workflows ausgerichtet und passt daher am besten für Pipeline-Entwicklung, Dateioperationen und Plattformautomatisierung in diesem Ökosystem.

Brauche ich DNAnexus-Erfahrung, um ihn zu nutzen?

Nein, aber grundlegende Vertrautheit hilft. Einsteiger können den dnanexus-integration Skill trotzdem nutzen, wenn sie ein konkretes Ziel und einen Dateityp angeben. Weniger hilfreich ist der Skill, wenn die Anfrage vage ist oder wenn nicht klar ist, ob ein Applet, eine App oder ein Skript benötigt wird.

Warum diesen Skill statt eines normalen Prompts verwenden?

Ein normaler Prompt kann Code entwerfen, aber dnanexus-integration ist besser, wenn die Aufgabe von plattformspezifischen Regeln abhängt: dxapp.json, dxpy, Projekt- und Ordnerverwaltung, Applet-vs.-App-Verhalten und Konventionen zum Starten von Jobs. Das macht ihn zuverlässiger für Backend Development Aufgaben, die auf DNAnexus laufen müssen.

Wann sollte ich ihn nicht verwenden?

Verwenden Sie dnanexus-integration nicht, wenn Ihre Aufgabe nichts mit DNAnexus zu tun hat, wenn Sie nur allgemeine Python-Hilfe brauchen oder wenn Sie ausschließlich lokal Daten verarbeiten und keine Plattformausführung benötigen. In diesen Fällen ist ein allgemeiner Coding-Prompt schneller.

So verbessern Sie den dnanexus-integration Skill

Dem Modell die fehlenden DNAnexus-Details geben

Die größte Verbesserung erreichen Sie, wenn Sie angeben, was das Repository nicht selbst ableitet: Dateitypen, Input-Namen, Output-Pfade, Ausführungssprache und ob der Job auf der Plattform oder aus einem externen Skript läuft. Für dnanexus-integration ist „ein Workflow, der VCF-Dateien verarbeitet“ schwächer als „ein Python-Applet, das eine VCF, einen Sample-Namen und einen Boolean-Flag annimmt und die Ergebnisse nach /out schreibt“.

Auf die typischen Fehlermuster achten

Die meisten schlechten Ausgaben entstehen durch zu wenig spezifizierte Ausführungsannahmen: Inputs falsch verknüpft, Applets und Apps verwechselt, Felder in dxapp.json weggelassen oder Code geschrieben, der die Lebenszyklen von DNAnexus-Objekten ignoriert. Wenn die erste Antwort zu generisch wirkt, bitten Sie den dnanexus-integration Leitfaden, auf einen einzelnen Dateipfad oder einen einzelnen Job-Schritt zu fokussieren.

Von der Skizze zur Produktion iterieren

Ein guter Verbesserungszyklus sieht so aus:

• zuerst das minimal lauffähige App- oder dxpy-Beispiel anfordern,
• dann die Validierung von Inputs und Outputs prüfen lassen,
• anschließend Abhängigkeiten, Container-Einstellungen oder Projektbehandlung ergänzen,
• zuletzt um Deployment- oder Testhinweise bitten.

Das ist meist besser, als gleich eine vollständige End-to-End-Pipeline auf einmal zu verlangen, weil DNAnexus-Fehler oft durch Konfiguration und nicht durch den Algorithmus verursacht werden.

Repo-Dateien als Prüfsteine nutzen

Wenn die generierte Antwort fast passt, aber nicht deploybar ist, vergleichen Sie sie vor dem Editieren mit references/configuration.md und references/job-execution.md. Diese Dateien sind der schnellste Weg, um abweichende Metadaten, falsche runSpec-Angaben oder unsichere Annahmen über den Job-Status zu erkennen — genau das, worauf es den meisten Nutzern ankommt, wenn sie entscheiden, ob dnanexus-integration für ihre Backend Development Aufgabe funktioniert.