把 AI 编程助手变成 AI 科学家：Scientific Agent Skills 全面解析

智源·AI 开源观察 技术创作者 2026-08-20 58 阅读

把你的 AI 编程助手变成 AI 科学家：Scientific Agent Skills 全面解析

一个真实的科研痛点

想象你是某制药公司计算化学团队的负责人。团队正在优化一款候选药物分子，需要在数百万化合物中快速筛选出 ADMET（吸收、分布、代谢、排泄、毒性）特性最优的化合物。传统做法是让化学信息学工程师查阅 PubChem、ChEMBL 文档，手写 Python 脚本对接 RDKit，再逐一调 API 查毒理数据——一个完整的虚拟筛选流程往往需要 3~5 人日 的前期工程准备。

而现在，你只需要在 Cursor 或 Claude Code 里说一句话：

“帮我从 ChEMBL 33 中筛选出对 CDK2 靶点 Ki < 10nM 且 clogP < 3 的化合物，然后用 RDKit 计算他们的类药五规则（Rule of 5），最后生成一张可视化对比图。”

AI 就会调用封装好的 skills，自动完成数据库查询、分子属性计算、规则过滤和可视化——整个流程缩短到分钟级别。

这就是 K-Dense-AI/scientific-agent-skills 正在解决的问题。

它是什么

Scientific Agent Skills 是一个开源的 Agent Skills 标准实现库，由 AI 公司 K-Dense 开发维护。它的核心定位是：

Turn any AI agent into an AI Scientist

具体来说，它为所有兼容 Agent Skills 标准（agentskills.io）的 AI 编程助手（Claude Code、Cursor、Codex、Gemini CLI、Google Antigravity 等）提供 163 个经过验证的科学技能。安装后，你的 AI 编程 Agent 就从”通用代码助手”升级为能够执行专业科研工作流的”AI 科学家”。

核心数字一览：

指标 数据
GitHub Stars 33,973
Forks 3,307
技能数量 163
覆盖科学数据库 100+（含 78 个公共数据库）
优化 Python 包技能 70+
MIT 许可 ✅ 完全开源

数据来源：GitHub API，查询时间 2026-08-20。项目创建于 2025 年 10 月，仅用约 10 个月便达到 3.4 万星，增长速度在科研类开源项目中极为罕见。

核心技术原理

1. Agent Skills 标准：让 AI 真正”懂得”科学工作流

传统的 AI 编程助手（如 GPT-4 代码解释器）虽然能写 Python，但面对专业的科学任务时往往有两个致命弱点：

  • 不知道该用什么工具：例如，想做分子对接，AI 可能不知道该用 RDKit 还是 AutoDock Vina，甚至不知道这些工具的名字。
  • 不知道该怎么用：即使知道工具名，API 参数、版本兼容、输出格式处理都是坑。

Agent Skills 标准的出现解决了这个问题。每个 skill 就是一个标准化封装包，包含：

# skills/rdkit/SKILL.md 示例结构
---
metadata:
  name: rdkit
  version: "1.2.3"
  description: RDKit molecular property calculation and visualization
  tags: [cheminformatics, molecular-properties, rdkit]
  databases: []
  packages: [rdkit]
---

## Overview
RDKit is the industry-standard open-source cheminformatics toolkit...

## Common Use Cases
- Molecular fingerprint generation
- SAR analysis (structure-activity relationship)
- Bioactivity prediction workflows

## Code Examples
```python
from rdkit import Chem
from rdkit.Chem import Descriptors, Lipinski

def calculate_ro5(mol):
    """Calculate Lipinski's Rule of Five metrics."""
    return {
        'MW': Descriptors.MolWt(mol),
        'LogP': Descriptors.MolLogP(mol),
        'HBA': Descriptors.NumHAcceptors(mol),
        'HBD': Descriptors.NumHDonors(mol),
    }

每个 skill 还配套 tests/ 目录下的测试套件，并在每次 PR 时运行结构化 CI 检查（frontmatter 验证、链接解析、脚本解析）。

2. 100+ 科学数据库：统一的数据库访问层

项目中有一个关键的 database-lookup 技能，它为 Agent 提供了一套确定性、带溯源的数据库访问接口，覆盖 78 个公共数据库：

化学与药物发现：

  • PubChem、ChEMBL、BindingDB、ZINC、DrugBank
  • FRED（OpenEye 分子对接）、ChEMBLdb

生物与基因组学：

  • UniProt、NCBI GenBank、COSMIC、1000 Genomes (OneKGPd)
  • DepMap（癌症依赖性图谱）、gget（20+ 基因组数据库）

临床与监管：

  • ClinicalTrials.gov、FDA/PMDA/EMA 申报文件
  • PubMed、Semantic Scholar、bioRxiv

材料科学与更多：

  • Materials Project、ICSD、Hugging Science
  • U.S. Treasury Fiscal Data

除了 database-lookup 这个统一入口，还有专门的独立技能（如 depMap、primeKG、hugging_science），提供更深度的数据访问封装。

3. 70+ 优化 Python 包技能

Agent 虽然理论上能用任何 Python 包，但以下专业包的调用路径都通过 skill 做了版本感知和最佳实践封装：

包 用途
RDKit 分子指纹、属性计算、药物相似性
Scanpy 单细胞 RNA-seq 分析
PyTDC 药物发现中的 ADMET 预测
pydicom / PathML 医学影像（DICOM 处理）
QuTiP 量子计算模拟
OpenMM / MDAnalysis 分子动力学
BioPython 生物序列分析（39 个 NCBI 子库）
Qiskit 量子电路与算法

4. 科研专用工具链

除了数据库和 Python 包，项目还内置了专门的科研工具类技能：

  • Paperclip：支持全文论文、FDA/PMDA/EMA 申报文件、临床试验注册信息的检索，带行级引用定位。
  • PK/PD 建模：NCA（非房室分析）、群体药代动力学、首次人体剂量估算。
  • ISO 标准合规辅助：ISO 13485、ISO 14971、ISO/IEC 17025 等管理体系的证据准备文档。
  • 分析化学方法验证：ICH Q2(R2)、ICH M10、USP、CLSI EP 框架下的方法验证与转移。

与普通 Code Agent 的本质差异

维度 普通 Code Agent Scientific Agent Skills
分子计算 可能写出语法错误或不兼容版本的 RDKit 代码 内置 RDKit skill，带版本约束和最佳实践
数据库查询 需要手动翻文档、找 API 端点 database-lookup 统一入口，Agent 自动选择正确数据库
科学术语 可能混淆”IC50″和”Ki”、”Ki”和”Kd” 每个 skill 内置领域术语对齐
输出可信度 AI 自由发挥，无法溯源 技能内嵌 provenance（溯源元数据）
多步工作流 长程任务中工具选择不稳定 Agent 参照 SKILL.md 规划完整pipeline
合规边界 可能生成不符合 GxP 规范的代码 ISO/ICH 合规辅助文档生成

本质上，普通 Code Agent 是一个”通才”，而 Scientific Agent Skills 给 Agent 叠加了 163 个经过验证的专业知识卡片，让 AI 在科研场景下真正可信赖。

真实适用场景

场景 1：药物发现中的虚拟筛选

某 CRO 公司需要对 50 万化合物库做初步活性筛选。传统流程需要化学信息学工程师编写脚本 → 对接 ChEMBL API → 批量处理 → 过滤 → 输出 CSV。用 Scientific Agent Skills，Claude Code 可以在一次对话中：

  1. 调用 database-lookup 查 ChEMBL 中 CDK2 相关活性数据
  2. 调用 rdkit skill 计算类药性指标
  3. 调用 pubchem skill 补全专利信息
  4. 生成 pandas DataFrame 汇总报告

场景 2：基因研究中的罕见变异注释

临床基因组学团队发现某罕见变异位点，需要快速查询 gnomAD、ClinVar、COSMIC 等多个数据库的注释信息，并生成符合 ACMG 指南的变异分类报告。Agent 可以通过 onekgp（1000 Genomes）和 cosmic 技能完成跨库查询，然后调用 acmg-classification 技能生成结构化报告。

场景 3：临床 PK/PD 建模

在首次人体剂量（FIH）估算中，需要根据临床前数据（动物 PK、毒理学）建立 PK/PD 模型。用 pkpd-simulation 技能，Agent 可以协助完成 NCA 分析、异构缩放（allometric scaling），并给出初步人体剂量估算——整个过程有完整的参数溯源文档。

场景 4：医学影像研究

研究团队需要从 DICOM 格式的 CT 影像中提取肺结节特征做回顾性分析。pydicom skill 指导 Agent 完成 DICOM 解析，pathml skill 协助影像预处理和特征提取，所有处理均限定在研究用途范围内（技能内置合规声明）。

如何快速上手

安装（一行命令）

方式 A：npx（推荐，支持 Claude Code、Cursor、Codex 等）

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

方式 B：GitHub CLI（v2.90.0+，支持版本锁定）

# 交互式安装
gh skill install K-Dense-AI/scientific-agent-skills

# 指定 Agent 类型
gh skill install K-Dense-AI/scientific-agent-skills --agent cursor
gh skill install K-Dense-AI/scientific-agent-skills --agent claude-code

# 锁定版本（推荐生产环境使用）
gh skill install K-Dense-AI/scientific-agent-skills --pin v2.64.0

方式 C：Cursor 插件模式

mkdir -p ~/.cursor/plugins/local
ln -s "$(pwd)" ~/.cursor/plugins/local/scientific-agent-skills
# 重启 Cursor，在 Customize 中确认插件加载成功

验证安装

安装完成后，让 Agent 描述一下可用的 skills：

> What scientific skills are available?

Agent 应能列出 database-lookup、rdkit、scanpy 等技能，并说明各自用途。

安装特定技能（减少上下文开销）

163 个全量安装会产生大量 standing context，只装需要的子集：

# 通过 gh skill 安装单个技能
gh skill install K-Dense-AI/scientific-agent-skills scanpy

# 或者手动克隆后选择性链接
git clone https://github.com/K-Dense-AI/scientific-agent-skills.git 
  ~/.agents/skills/scientific-agent-skills

安全说明

Scientific Agent Skills 在 README 中明确标注了安全边界：

⚠️ Skills can execute code and influence your coding agent’s behavior. 安装技能后，Agent 能够运行任意代码、安装包、发起网络请求。每个 SKILL.md 都描述了技能会连接哪些外部服务。

项目自身的安全措施：

  • 所有技能通过 Cisco AI Defense Skill Scanner 安全扫描
  • 每个含 scripts/ 的技能都配有 tests/ 测试套件
  • PR 必须通过 frontmatter、链接解析、脚本解析等结构化 CI 检查

建议：不要一次性安装全量 163 个技能，只安装当前研究任务所需的子集。

社区与生态

  • 用户规模：项目自称被全球 175,000+ 科学家使用
  • Agent 生态：Agent Skills 标准已被 28+ 主流 Agent 平台支持，包括 Claude Code、Cursor、Codex、Gemini CLI、GitHub Copilot、VS Code、OpenHands、Spring AI 等
  • 插件标准：同时兼容 Agent Plugins 标准（agent-plugins.org），Cursor、Codex 等插件客户端可直接加载整个技能包
  • K-Dense BYOK：配套推出的免费开源 AI co-scientist，支持本地运行、自带 API key、40+ 模型选择，数据留在本地

结语

Scientific Agent Skills 的核心价值不在于”让 AI 写代码”，而在于为 AI 提供了一套可验证、可溯源、经过测试的专业科学工作流。163 个技能就像 163 张经过领域专家审核的标准操作卡（SOP），AI 在执行科研任务时可以参照这些卡片做出专业决策——而不是在通用语料中随机采样碰运气。

对于 AI + Science 赛道来说，这可能是目前最接近”开箱即用的 AI 科学家”的开源解决方案。

仓库地址：https://github.com/K-Dense-AI/scientific-agent-skills

评论区

0 条评论

登录后可评论。

智源·AI 开源观察 58 阅读