Scientific Agent Skills：让 AI 变成真正的科研搭档，19万科学家在用

Skill超级捕获手 技术创作者 2026-09-01 174 阅读

想把 AI 变成真正的科研搭档？Scientific Agent Skills 告诉你答案——这不是一个普通的提示词集合，而是一套覆盖 163 个经验证科学技能的完整工具链，打通 78+ 公共数据库，让 AI Agent 能够自主完成从文献调研、假设生成、实验方案撰写，到药物靶点分析、基因组数据处理的完整科研流程。目前已有全球 19 万+ 科学家在使用，GitHub 累计约 39K 星，近期每日新增稳定在 1000 星以上，是目前科学类 AI Agent 工具中star 增速最快的开源项目。

功能与原则

Scientific Agent Skills 的核心设计原则是「让 AI Agent 真正能做事，而不只是给答案」。它不是简单的 prompt 模板，而是每个 skill 都附带经过验证的文档、示例和最佳实践，使 AI 在调用 PyTorch、RDKit、Scanpy、PubChem、ChEMBL 等专业工具时能保持稳定可靠的输出。项目遵循开放标准——兼容 open Agent Skills 协议（agentskills.io），支持插件式加载，任何实现该标准的 Agent 都能直接使用。

认可度

  • GitHub Star：约 39K+（截至 2026-09-01，每日增长 1000+ 星）
  • 用户规模：全球 19 万+ 科学家使用
  • 技能数量：163 个经过验证的科学技能 + 100+ 数据库覆盖
  • Trending 经历：多次登上 GitHub Trending，2026-08-31 期间 Python 类目排名第一
  • 社区活跃度：持续有新的 skill 发布，配套 YouTube 教程和 K-Dense BYOK 桌面端工具

链接

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

原作者

项目由 K-Dense（k-dense.ai）团队开发和维护，核心维护者活跃于 X（@k_dense_ai）、LinkedIn、YouTube 和 Reddit，拥有完整的产品生态（配套 K-Dense BYOK 桌面端工具），是目前 AI + Science 领域最活跃的开源组织之一。

介绍

Scientific Agent Skills 最初名为「Claude Scientific Skills」，专注于为 Claude Code 用户提供科研场景的工具链。随着 Agent Skills 开放标准（agentskills.io）的推广，项目于近期更名为 Scientific Agent Skills，全面兼容 Cursor、Claude Code、Codex、Google Antigravity 等主流 AI Agent 平台，实现一次编写、各端通用。

项目提供的 163 个技能覆盖 17 个科学领域：生物信息学 & 基因组学（单细胞 RNA-seq、基因调控网络、变异注释）、化学信息学 & 药物发现（分子属性预测、虚拟筛选、ADMET 分析、分子对接）、蛋白质组学 & 质谱（LC-MS/MS 处理、肽段鉴定）、临床研究与循证医学（临床试验查询、药物动力学/药效学建模）、医学影像 & 数字病理（DICOM 处理、全切片分析）、材料科学 & 物理（晶体结构分析、宇宙学计算）、以及科研写作与学术传播等。

项目同时提供 K-Dense BYOK（Bring Your Own Keys）桌面工具——一个完全本地运行的免费 AI 协作者，支持 40+ 模型、本地文件管理、网页搜索和全部 163 个科学技能，数据留在本地，可选扩展至 Modal 云端算力。

特点

  • 165+ 验证技能，覆盖 17 个科学领域：从癌症基因组学到药物发现，从医学影像到科研写作，几乎涵盖主要科研场景
  • 78+ 公共数据库直连：PubChem、ChEMBL、UniProt、COSMIC、ClinicalTrials.gov、FRED、USPTO 等，一套 skill 统一接口，无需分别写爬虫
  • 开放标准，跨平台兼容：支持 open Agent Skills 标准，Cursor、Claude Code、Codex、Pi、Google Antigravity 均可直接使用
  • 插件式加载，一键装入：提供 plugin.json，可作为 Agent Plugin 整体导入，5 分钟内完成配置
  • 配套本地桌面工具：K-Dense BYOK 让零技术背景的科研人员也能本地运行完整 AI 科研工作流

使用方法

安装方式（以 Claude Code 为例）：

# 方式一：通过 Agent Skills 标准安装
# 在 Claude Code 中安装 scientific-agent-skills 插件

# 方式二：通过 Agent Plugins 加载
# 导入 plugin.json 文件到支持 agent-plugins.org 标准的客户端

安装后，AI Agent 自动获得 163 个技能的文档和工具说明，可通过自然语言直接调用，例如：

"帮我查询 PubChem 上阿司匹林的相关数据，并总结其分子属性"
"用 RDKit 对这组化合物进行相似性搜索，找出最相似的 5 个分子"
"检索 ClinicalTrials.gov 上近两年关于 PD-1 抑制剂的临床试验"

使用场景与人群

适用场景：学术科研（生物信息分析、药物发现）、临床研究（循证医学、临床试验数据挖掘）、工业研发（分子模拟、ADMET 预测）、科研写作（文献综述、实验方案、审稿意见回复）。

目标用户：科研人员、博士研究生、药企研发工程师、数据科学家、AI for Science 开发者。

输入与输出案例

案例 1：药物靶点分析
– 输入（给 AI Agent）：”我有一个潜在药物靶点基因 BRCA1，请帮我查询 UniProt 获取其蛋白质序列和功能注释，同时检索 ChEMBL 是否有已报道的抑制剂”
– 输出：AI 自动调用对应 skill，依次返回 BRCA1 的 UniProt 注释摘要 + ChEMBL 已披露抑制剂列表（含活性数据），并整理成结构化报告

案例 2：科研文献综述
– 输入：”帮我系统综述近三年关于深度学习在单细胞 RNA-seq 分析中的应用，检索 PubMed 关键文献，生成带有证据溯源的假设清单”
– 输出：AI 调取 PubMed skill 进行文献检索，过滤高质量文章，生成按技术方法分类的文献表格，并列出 5 条有文献依据的科研假设

GitHub：https://github.com/K-Dense-AI/scientific-agent-skills

GitHub: https://github.com/K-Dense-AI/scientific-agent-skills

评论区

0 条评论

登录后可评论。

Skill超级捕获手 174 阅读