Scientific Agent Skills：把任意 AI Agent 变成 AI 科学家

项目地址：https://github.com/K-Dense-AI/scientific-agent-skills  协议：MIT  Stars：45,382  更新：2026-09-14

一、产品深度介绍

（一）它是什么

Scientific Agent Skills 是 K-Dense 出品的一套开源科学技能集合，最初名为 Claude Scientific Skills，现已升级为面向任意 AI Agent 的通用技能库。它的核心主张非常直接：把任何支持开放 Agent Skills 标准的 AI Agent 转变为「AI 科学家」。所谓 Agent Skills，是开放标准下一组可被 Agent 自动发现并调用的能力包，每个技能都包含说明文档、使用示例与可选的测试与脚本。

这套库目前提供 166 个即用型科学和研究技能，覆盖生物信息学、化学信息学、蛋白质组学、临床研究、医学影像、神经科学、机器学习与 AI、材料与物理、工程仿真、数据分析与可视化、实验室自动化、科学交流、科学数据库访问、研究方法与规划、监管与标准等近二十个领域。仓库本身同时也是一个可移植的 Agent Plugins 包（含 plugin.json 与 skills/ 目录），插件客户端可以整体加载，无需逐个挑选技能。

（二）规模与技术定位

• 使用规模：官方称已被全球 190,000+ 科学家使用，是科学领域排名第一的 Agent Skills 库。
• 跨平台兼容：兼容 Cursor、Claude Code、Codex、Pi、Antigravity 以及开放 Agent Skills 标准，不绑定单一厂商。
• 测试保障：每个带 scripts/ 的技能都配有测试套件，CI 会阻断缺少测试的新增工具 PR，仓库级还用 tests/_meta 维护结构契约。
• 安全机制：所有技能都经过 LLM 安全扫描（Cisco AI Defense Skill Scanner），每周增量扫描并公开报告。

二、功能与应用场景

这套库的能力可以归纳为「技能 + 数据库 + 优化包 + 平台集成 + 交流工具」五个层次。其中 166 个即用型科学技能按领域大致分布为：生物信息学与基因组学 28 个、数据分析与可视化 22 个、科学交流 27 个、机器学习与 AI 14 个、化学信息学与药物发现 10 个、研究方法与规划 13 个、科学数据库与访问 12 个、基础设施与平台 12 个、临床研究 8 个、工程与仿真 6 个、实验室自动化 6 个、医学影像 4 个、蛋白质工程 4 个、神经科学 3 个、多组学与系统生物学 3 个、材料/化学/物理 7 个，以及蛋白质组学、临床前动物福利、监管与标准若干。

• 100+ 科学数据库：统一的 database-lookup 技能接入 78 个公开库（PubChem、ChEMBL、UniProt 等），另有 DepMap、PrimeKG、AlphaGenome 等专用技能，BioServices、BioPython、gget 等多库包进一步扩展覆盖。
• 70+ 优化 Python 包技能：RDKit、Scanpy、PyTorch Lightning、scikit-learn 等，提供版本感知的工作流，减少环境踩坑。
• 9 个科学集成技能：Benchling、DNAnexus、LatchBio、OMERO 等实验与数据平台。
• 30+ 分析与交流工具：文献回顾、循证写作、PPT/海报生成、Mermaid 图等。

典型场景包括：药物发现管线（ChEMBL 检索 → RDKit 分子操作 → DiffDock 对接 → PubMed 证据回溯）、单细胞 RNA-seq（Scanpy + Cellxgene + PyDESeq2）、变异证据审查（pysam + VEP + ClinVar，且仅限授权合成或脱敏数据）。

三、如何安装与使用

方式一，使用 npx（支持 Claude Code、Codex、Gemini CLI、Antigravity、Cursor 等主机）：

npx skills add K-Dense-AI/scientific-agent-skills

方式二，使用 GitHub CLI 的 gh skill 子命令，可交互或指定技能、指定 Agent、固定版本：

gh skill install K-Dense-AI/scientific-agent-skills
gh skill install K-Dense-AI/scientific-agent-skills scanpy
gh skill install K-Dense-AI/scientific-agent-skills --agent cursor
gh skill install K-Dense-AI/scientific-agent-skills --pin v2.66.0
gh skill update --all

方式三，作为 Agent Plugins 整体加载（Cursor / Codex）：

mkdir -p ~/.cursor/plugins/local
ln -s "$(pwd)" ~/.cursor/plugins/local/scientific-agent-skills
# Codex: codex plugins install .

方式四，手动克隆（用户级或项目级）：

git clone https://github.com/K-Dense-AI/scientific-agent-skills.git ~/.agents/skills/scientific-agent-skills
git clone https://github.com/K-Dense-AI/scientific-agent-skills.git .agents/skills/scientific-agent-skills

由于 166 个技能整体上下文量较大，官方建议按主题子集安装，只加载当前研究最相关的技能集合。使用时无需记忆命令，直接用自然语言提示词驱动即可，例如要求 Agent 跑通一条药物发现或单细胞分析管线。

四、官方地址与获取方式

• GitHub 仓库：https://github.com/K-Dense-AI/scientific-agent-skills
• 开放标准：Agent Skills 标准（agentskills.io）与 Agent Plugins 1.0.0 包规范（agent-plugins.org）
• 文档与安全报告：仓库 docs/ 目录内含安全扫描报告、示例与技能清单
• 自托管衍生：K-Dense BYOK 桌面端开源 AI 共科学家，可选 Modal 云算力

五、与同类方案对比

六、核心机制深度解析

Scientific Agent Skills 建立在开放 Agent Skills 标准之上：每个技能是 skills/ 下的一个目录，必须包含 SKILL.md（YAML 前置元数据 + 文档 + 示例 + 测试指引），可选携带 references/ 与 scripts/。兼容客户端会扫描 skills/ 下含 SKILL.md 的直接子目录来发现技能。仓库布局还包括 .github/（CI 与模板）、docs/（安全报告与示例）、tests/（每技能测试套件与 tests/_meta 结构契约），以及根级的 plugin.json、pyproject.toml、AGENTS.md、README.md、SECURITY.md、LICENSE.md、CITATION.cff 等。

安全扫描架构由两部分组成：PR 级扫描（scan_pr_skills.py）在每次提交时检查新增技能，全量定时扫描（scan_skills.py）周期性复核整个仓库，结果统一写入 docs/security-report.md 向公众公示。这让「谁在调用哪个数据库、运行哪段脚本」始终保持可追溯。

七、实用技巧

• 按主题子集安装：166 个技能上下文量大，建议只装与研究相关的子集，例如只装 scanpy 或某个数据库技能，避免拖慢 Agent 上下文。
• 用 uv 管理依赖：技能工具链以 Python 3.13+ 与 uv 为基础，优先用 uv 安装技能依赖，保证版本感知工作流稳定。
• 统一数据库入口：优先使用 database-lookup 这一统一技能接入 78 个公开库，避免为每个库单独写接口与鉴权。
• 固定版本：用 gh skill install –pin v2.66.0 锁定版本，在可复现研究中尤为重要。
• 关注安全报告：定期查看 docs/security-report.md 与每周增量扫描结论，只调用已通过扫描的技能。
• 复用优化包技能：70+ 优化 Python 包技能已处理常见版本陷阱，优先选用而非自己从头配置 RDKit、Scanpy 等。

八、最新更新动态

• 品牌升级：由 Claude Scientific Skills 更名为 Scientific Agent Skills，从只服务 Claude 扩展到任意支持开放 Agent Skills 标准的 AI Agent。
• 规模扩张：技能数达到 166 个，数据库接入超过 100 个，自称服务 190,000+ 科学家。
• 安全机制落地：引入 Cisco AI Defense Skill Scanner，建立 PR 级与全量定时双轨扫描并公开报告。
• 测试契约化：CI 阻断缺少测试的新增工具 PR，并用 tests/_meta 维护仓库级结构契约。
• 持续活跃：仓库最近一次推送为 2026-09-14，保持高频迭代。

九、常见问题 FAQ

十、总结

Scientific Agent Skills 把「科研工作流」从零散的脚本与手工查库，收敛成一套可被任意 AI Agent 自动发现与调用的标准化技能库。它的价值不只在数量——166 个技能、100+ 数据库、70+ 优化包、9 个平台集成——更在于用开放标准、CI 测试契约与每周安全扫描，把科学 Agent 的可靠性与可追溯性真正落了地。对于希望在桌面端把 AI 编码 Agent 升级为「AI 科学家」的研究者，这是一套值得按主题子集逐步接入的开放工具库。

在撰写本文的过程中，我主要参考了 K-Dense-AI/scientific-agent-skills 的 GitHub 仓库 README.md、docs/ 目录（含安全报告与技能清单）以及开放 Agent Skills / Agent Plugins 标准文档。文中数据以官方公开信息为准，可能随版本更新而变化。