K-Dense-AI/scientific-agent-skills · 上手攻略

仓库：K-Dense-AI/scientific-agent-skills
链接：https://github.com/K-Dense-AI/scientific-agent-skills
分类：skill
作者：Tom
更新：2026-07-07

这是什么

Scientific Agent Skills 是一个面向科研场景的 AI Agent Skills 集合，将任意支持 Agent Skills 标准的 AI 编程助手（如 Claude Code、Cursor、Codex、Google Antigravity 等）扩展为「AI Scientist」——可以执行癌症基因组分析、药物虚拟筛选、分子对接、RNA velocity、地理空间分析等复杂科研工作流。

目前收录 148 个技能，覆盖 100+ 科学数据库（PubChem、ChEMBL、UniProt、COSMIC、ClinicalTrials.gov 等），MIT 协议，GitHub Stars 3 万+，据称全球 16 万+ 科学家使用。

⚠️ 原名 Claude Scientific Skills，2025 年改名为 Scientific Agent Skills，兼容更广泛的 Agent 平台。

解决什么问题

AI 编程助手（如 Claude Code）本身会写 Python，但在专业科学领域缺乏可靠的工具链集成：

工具不知道：Agent 不知道 PubChem API 怎么调、RDKit 分子属性怎么算、Scanpy 单细胞 pipeline 怎么写最规范
数据库接入门槛高：78+ 科学数据库各有 API 规范，手动研究耗时数天
工作流不可靠：Agent 自己写的科学计算代码可能不规范（缺失异常处理、单位混乱、精度问题）
结果难以复现：没有标准化 skill 定义，同样任务每次输出不一致

Scientific Agent Skills 为 148 个常见科研任务提供经过安全扫描、文档完善、示例丰富的 skill 定义，让 Agent 稳定执行专业工作流。

快速安装

方式一：npx（推荐，跨平台）

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

这会将 skills 安装到 ~/.agents/skills/scientific-agent-skills/（跨 agent 共享目录）。

方式二：GitHub CLI（支持版本锁定）

# 安装全部 skills
gh skill install K-Dense-AI/scientific-agent-skills

# 安装到特定 agent
gh skill install K-Dense-AI/scientific-agent-skills --agent cursor
gh skill install K-Dense-AI/scientific-agent-skills --agent claude-code

# 指定版本锁定（可复现）
gh skill install K-Dense-AI/scientific-agent-skills --pin v1.0.0
gh skill install K-Dense-AI/scientific-agent-skills --pin abc123def

# 检查更新
gh skill update

方式三：手动 clone

# 用户级安装
git clone https://github.com/K-Dense-AI/scientific-agent-skills.git \
    ~/.agents/skills/scientific-agent-skills

# 项目级安装
git clone https://github.com/K-Dense-AI/scientific-agent-skills.git \
    .agents/skills/scientific-agent-skills

安装子集（推荐）

148 个 skills 全部安装会产生大量上下文，推荐只安装需要的：

# 通过 npx 安装特定类别的 skills 尚不支持直接过滤，
# 建议 clone 后仅保留所需目录，或通过 agent 的 skill 发现机制自动加载相关 skill

BYOK 桌面版（完全本地，数据不上云）

# K-Dense BYOK：带 UI 的本地 AI co-scientist
# 支持 40+ 模型、100+ 科学数据库、所有 148 skills
# 数据完全在本地，可选 Modal 扩容重计算
git clone https://github.com/K-Dense-AI/k-dense-byok.git
cd k-dense-byok
# 按 README 指引配置 API key 和模型

核心用法

1. 在 Claude Code / Cursor 中自动触发

安装后，直接用自然语言请求科研任务，Agent 会自动发现并使用相关 skill：

> 用 RDKit 计算这组分子的 LogP 和溶解度，然后给我一个 QSAR 分析报告
> 用 Scanpy 对这个 10X scRNA-seq 数据做降维和细胞类型注释
> 在 PubChem 上搜索 CDK4 抑制剂，给我 TOP 10 的 IC50 数据

2. 手动调用特定 skill

> 用 pubchem-lookup skill 查一下 Aspirin 的 SMILES 结构和分子量
> 用 molecular-docking skill 对这个蛋白和小分子做半柔性对接

3. 核心技能分类一览

🧬 生物信息 & 基因组 - scanpy：单细胞 RNA-seq 分析（降维、聚类、注释） - biopython-ncbi：NCBI 38 子数据库 Entrez 检索 - gget：20+ 基因组学数据库查询 - cellxgene：单细胞数据发布与可视化

🧪 化学 & 药物发现 - rdkit：分子属性（LogP、溶解度、 TPSA）、SMILES/结构式互转、药效团 - pubchem-lookup：化合物信息查询 - chembl-query：药物靶点、生物活性数据 - molecular-docking：（AutoDock Vina 集成）分子对接 - admet-prediction：吸收、分布、代谢、毒性预测

🔬 蛋白 & 质谱 - alphafold-analysis：蛋白质结构分析 - openmm-mdanalysis：分子动力学模拟 - msprocessing：LC-MS/MS 蛋白质组学

📊 机器学习 & 统计 - pytorch-lightning：科学计算深度学习训练 - scikit-learn-pipelines：可复现 ML pipeline - timesfm：Google 时间序列预测模型

📚 科研交流 - literature-review：文献检索与综述生成（Exa Search、PubMed） - scientific-writing：论文写作辅助 - poster-slides：学术海报/幻灯片生成

🌍 其他 - geospatial-analysis：GIS、卫星影像处理 - bids-validator：神经影像 BIDS 格式验证 - hugging-science：Hugging Face 科学数据集/模型发现

4. 多数据库联合查询示例

# Agent 在 skill 驱动下可写出如下代码：
from puchem_lookup import get_compound_by_name
from rdkit import Chem
from rdkit.Chem import Descriptors

smiles = get_compound_by_name("Aspirin")
mol = Chem.MolFromSmiles(smiles)

print(f"LogP: {Descriptors.MolLogP(mol):.2f}")
print(f"MW: {Descriptors.MolWt(mol):.2f}")
print(f"TPSA: {Descriptors.TPSA(mol):.2f}")

典型适用场景

场景	推荐 Skills
新药发现pipeline	`pubchem-lookup` + `rdkit` + `admet-prediction` + `molecular-docking`
单细胞测序分析	`scanpy` + `cellxgene` + `biopython-ncbi`
基因调控网络研究	`biopython-ncbi` + `gget` + `network-analysis`
科学写作与文献综述	`literature-review` + `scientific-writing`
化学分子库虚拟筛选	`pubchem-lookup` + `rdkit` + `chembl-query`
时间序列预测（金融/气象）	`timesfm` + `scikit-learn-pipelines`
学术海报 & 幻灯片制作	`poster-slides` + `scientific-figures`

坑与注意

上下文爆炸：148 个 skills 全量安装会产生 ~30K+ token 上下文 overhead，建议按需选择性安装。
网络依赖：多数 skills 需要访问科学数据库（PubChem、UniProt 等），在网络受限环境需配置代理或 NemoClaw 类白名单。
安全边界：Skill 可执行任意 Python 代码，安装来源不明的 custom skills 有安全风险——该项目使用 Cisco AI Defense Skill Scanner 扫描所有内置 skills，但自定义添加的需自行审查。
API Key 管理：访问部分数据库（Exa Search、ClinicalTrials.gov 批量查询）需要各自 API key；环境变量 PUBCCHEM_KEY、NCBI_API_KEY 等。
模型兼容性：需要 Agent 本身支持 Agent Skills 标准（v2.53.0+），老版本 Claude Code 需升级。
精度风险：科学计算结果应由领域专家复核，不可直接用于临床决策或药物剂量建议。
版本更新频繁：Skills 本身更新快但 skill 格式相对稳定，--pin 特定版本可避免更新破坏工作流。

与同类对比

特性	Scientific Agent Skills	LangChain Agents	AutoGPT / BabyAGI	BiomedLM / BioBERT
领域覆盖	148 skills / 100+ DB	通用，需自行集成	通用，需自行集成	仅生物医学 NLP
开箱即用	✅	❌（需大量配置）	❌	❌
数据库深度	✅ 78+ 科学 DB	⚠️ 通用 DB	❌	❌
Agent 兼容性	开放标准，多 Agent	LangChain 生态	独立 Agent	微调模型
维护活跃度	⭐⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐	⭐⭐⭐

一句话：Scientific Agent Skills 是目前科学 AI Agent 领域最完整的工具链集成，不需要你研究每个数据库怎么用，Agent 拿来就能跑。

一句话结论

如果你用 Claude Code / Cursor 等 AI 编程助手做科研，Scientific Agent Skills 是目前最值得安装的工具链包——148 个经过验证的 skills 让 AI Agent 从「会写代码」进化到「会做科研」。