arc-creator

ARC Creator 是一个专为科研领域设计的结构化数据管理工具，严格遵循德国国家研究数据基础设施植物科学联盟（nfdi4plants）制定的 ARC（Annotated Research Context）规范 v3.0.0。该 Skill 通过交互式对话流程，引导研究人员系统化地创建符合 FAIR 原则（可发现、可访问、可互操作、可重用）的数字研究对象。

核心用法涵盖七个递进阶段：首先设置 Investigation（研究项目）基础元数据，包括标识符、标题和描述；随后创建 Studies（研究）记录实验材料、生长条件和样本来源；接着定义 Assays（检测）记录蛋白质组学、转录组学等实验数据及其技术平台；可选的 Workflows（工作流）和 Runs（运行结果）阶段支持计算分析流程的文档化；最后完善联系人信息与文献引用，并通过 Git 进行版本控制，支持一键同步至 DataHUB 平台。

显著优点在于其标准化的数据组织架构，确保研究数据从产生到发布的全流程可追溯性；原生集成 Git 和 Git LFS，天然支持大文件版本控制；交互式引导降低了复杂元数据标准的学习门槛；生成的 ARC 结构可直接用于学术期刊的数据提交，满足越来越多的数据可用性要求。

潜在局限包括：严格依赖 ARC Commander CLI 工具，若未安装则功能受限；采用特定领域的 ISA（Investigation-Study-Assay）模型，对非生物/非植物科学领域的适应性有限；交互式流程虽然友好，但对于大规模批量创建可能效率较低；作为 T3 来源的个人项目，长期维护和支持存在不确定性。

适合群体主要包括：生命科学特别是植物科学领域的研究者，需要管理复杂多组学数据的生物信息学团队，追求 FAIR 数据合规性的学术机构，以及希望建立标准化数据管理流程的联合实验室。

使用风险方面，需注意 Git LFS 对大文件的追踪配置，避免误将大型原始数据文件直接提交至普通 Git 仓库导致性能问题；DataHUB 同步需要妥善保管 Personal Access Token，防止凭证泄露；在 Windows 环境下使用需注意路径空格处理；虽然 Skill 本身不执行危险操作，但生成的脚本涉及文件系统操作，建议在执行前确认路径参数的正确性。

核心用法

ARC Creator 是一款面向植物科学及生命科学领域的数据管理标准化工具，基于 nfdi4plants ARC（Annotated Research Context）v3.0.0 规范设计。其核心功能是将分散的研究数据（实验设计、原始数据、分析流程、结果输出）整合为可互操作的FAIR数字对象。

工具采用七阶段交互式工作流：
1. Investigation Setup — 建立研究项目根节点，配置全局元数据
2. Studies — 定义生物学材料来源、生长条件、实验因子
3. Assays — 关联测量技术（质谱、测序、酶标仪等）与原始数据
4. Workflows — 嵌入可复现的计算分析代码
5. Runs — 记录计算输出与衍生结果
6. Contacts & Publications — 完善研究责任人与成果关联
7. Git Commit & DataHUB Sync — 版本控制与云端归档

技术实现上，Skill 通过调用 arc CLI 命令（ARC Commander）生成标准化的 ISA-XLSX 元数据表，并自动化 Git/Git LFS 仓库管理。

显著优点

| 维度 | 优势 |

|------|------|

| **标准合规** | 严格遵循 MIAPPE/MIAME 等社区标准，确保数据可提交至 EBI/ENA 等公共库 |

| **交互引导** | 分阶段对话式提问，避免用户面对复杂元数据 schema 无所适从 |

| **版本可控** | 原生 Git 集成，完整记录数据谱系（data provenance） |

| **生态衔接** | 直接对接 DataPLANT DataHUB，支持联邦式数据共享 |

| **领域适配** | 内置植物科学常用本体（NCBITaxon、PECO、EFO），降低注释负担 |

潜在缺点与局限性

• 技术门槛：要求用户预装 Git、Git LFS 及 ARC Commander CLI，Windows 环境配置较复杂
• 路径风险：脚本对外部输入的路径参数验证不足，存在目录遍历隐患（见安全报告 RISK-001）
• 僵化约束： assay/dataset 目录数据被视为不可变（immutable），修改需重新创建 assay，不符合传统"迭代覆盖"工作习惯
• CWL 门槛：Workflow 阶段要求最终提供 workflow.cwl 文件，对非生物信息学用户构成额外学习成本
• 存储限制：明确禁止与 OneDrive/Dropbox 等云同步盘共用，对习惯云协作的用户造成不便

适合人群

• 植物表型组学/代谢组学研究团队：需要符合 MIAPPE 标准的数据管理
• 跨区域合作项目：依赖 DataHUB 进行分布式数据共享与权限管理
• 期刊数据提交准备：目标期刊要求 FAIR 合规的数据可用性声明
• 生物信息学流程开发者：需要将 Snakemake/Nextflow 流程嵌入可归档结构

常规风险

1. 元数据泄露：Git 提交历史永久记录 user.name/email，误用个人邮箱可能导致隐私暴露
2. 大文件误提交：未配置 Git LFS 时提交 >100MB 测序数据会导致仓库损坏
3. 同步冲突：违反"禁云盘"规则可能引发 .git 目录损坏与版本历史丢失
4. 命令注入：虽无直接 eval/exec，但路径参数注入风险需用户端输入审查

使用建议

• 优先在 Linux/WSL2 或 macOS 环境部署，避免 Windows 路径兼容问题
• 建立机构级 ARC 模板库，预填充常用 organism、protocol 注释
• 敏感项目启用 Git 钩子（pre-commit）自动扫描邮箱域名与文件大小