Scientific Agent Skills：42K星科研技能库让AI通晓17个科学领域

Skill超级捕获手 技术创作者 2026-09-03 10 阅读

是什么：把任意 AI 编程助手变成”AI 科学家”

Scientific Agent Skills（前身 Claude Scientific Skills）是一个开源科研技能库，通过 165 个预验证的 Skill 赋予 AI Agent 完成复杂科研工作流的能力——从癌细胞基因组分析、药物靶点预测、到文献检索和 PK/PD 建模，覆盖 17 个科学领域、接入 100+ 公共数据库。据项目披露，全球已有 190,000+ 科研工作者使用它。目前 GitHub Star 42,133，是当前最火的科研类 Skill，没有之一。

核心能力与设计原则

技能库遵循“工具即工作流”而非”工具即答案”的理念——每个 Skill 封装的不只是单次调用，而是完整的多步骤科研流程（数据获取 → 处理 → 分析 → 可视化 → 报告），确保 AI Agent 输出的每一步都有科学依据支撑。设计上遵循 Agent Skills 开放标准（agentskills.io），兼容任何遵循该标准的 Agent，而非限定某一家。

认可度

指标 数据
GitHub Stars 42,133（截至 2026-09-03）
Forks 3,872
技能数量 165 个预验证 Skill
覆盖领域 17+（生物信息、化学信息、蛋白组、临床医学、医学影像等）
数据库接入 100+（PubChem、ChEMBL、UniProt、COSMIC、ClinicalTrials.gov 等）
安装量 190,000+ 科研用户
Trending 多次登顶 GitHub Trending（2026-09-01 当日 +914 stars）
论文 已发 arXiv（arXiv:2609.00065）

链接

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

原作者

K-Dense（K-Dense Inc）——专注 AI + 科学研究的创业团队，同时提供商业支持。核心维护者在 GitHub（@K-Dense-AI）和 Twitter（@k_dense_ai）保持活跃更新。

详细介绍

这个 Skill 解决什么问题

传统 AI 编程助手能帮你写代码，但科研场景的”代码”背后是一整条证据链：查询什么数据库、用什么过滤参数、如何解读结果、怎样与已有知识对照——这些领域知识 AI 并不知道。Scientific Agent Skills 把这套知识封装进 Skill，让 AI Agent 在执行科研任务时”懂得为什么这样做”，而不只是生成代码。

能做什么

生物信息方向： 癌细胞基因组分析（cancer genomics）、个体级 1000 Genomes 查询、病原体变异实时监控、RNA _velocity 分析、基因调控网络推断。

药物研发方向： 药物-靶点结合预测、ADMET 分析（吸收/分布/代谢/排泄/毒性）、虚拟筛选、PK/PD 建模与剂量选择、分子动力学（OpenMM/MDAnalysis）。

文献与数据方向： PubChem/ChEMBL/UniProt 文献检索、ClinicalTrials.gov 临床试验数据拉取、78+ 公共数据库统一查询、科学文献综述自动生成。

化学与材料： 分子对接、小分子性质预测、RDkit 操作、 cheminformatics 全流程。

数据库接入能力： database-lookup 技能提供统一的 78+ 数据库查询接口；另有 70+ 专用 Python 包优化技能（RDKit、Scanpy、PyTorch Lightning、scikit-learn、BioServices、Qiskit 等）。

生态位置

该项目同时以 Agent Plugins 格式发布（plugin.json + skills/ 目录），支持插件型 Agent 一键加载全部技能；也是 Hugging Science 合作伙伴，可在 Hugging Face 上发现模型与数据集。

特点

  • 165 个预验证 Skill，覆盖全科研流程：不是玩具示例，是经过测试、可直接在生产级科研任务中使用的技能
  • 100+ 公共数据库无缝接入：PubChem、ChEMBL、UniProt、COSMIC、ClinicalTrials.gov 等一键查询，不用写爬虫
  • 多 Agent 兼容：Cursor、Claude Code、Codex、Google Antigravity、Pi 及任何支持 Agent Skills 标准的平台均可使用
  • 配套免费桌面应用 K-Dense BYOK：带 Web 搜索、文件管理、40+ 模型切换，本地运行，数据不离开你的电脑
  • 科研方法论驱动：每个 Skill 遵循方法论设计，包含版本固定（pin to release）、多步骤可复现的工作流，而非单次 API 调用

使用方法

安装（最简方式）

# 方式1：npx（支持所有 Agent）
npx skills add K-Dense-AI/scientific-agent-skills

# 方式2：GitHub CLI
gh skill install K-Dense-AI/scientific-agent-skills

# 指定具体技能
gh skill install K-Dense-AI/scientific-agent-skills scanpy

# 指定目标 Agent（cursor / claude-code / codex / gemini）
gh skill install K-Dense-AI/scientific-agent-skills --agent claude-code

基本调用示例（以单细胞 RNA-seq 为例）

假设任务是分析 10X Genomics 单细胞数据，AI Agent 会自动组合以下 Skill：

scanpy          → 数据加载与预处理
cellxgene-census → 公共单细胞数据查询
database-lookup → 公共基因数据库交叉验证
pydeseq2        → 差异表达分析
arboreto        → 基因调控网络推断

安装后，Agent 可在对话中直接说”用 Scanpy 分析这批单细胞数据”，Skill 自动激活，Agent 按预定义的流程执行全链路。

在代码中直接使用

# 克隆安装
git clone https://github.com/K-Dense-AI/scientific-agent-skills
cd scientific-agent-skills
pip install -e .

# 在 Cursor Agent 面板搜索 "PubChem" 或 "molecular docking" 即可使用对应 Skill

使用场景与目标人群

适用场景：
– 药物发现与虚拟筛选（靶点验证、ADMET 预测）
– 癌症基因组数据分析（体细胞突变、拷贝数变异）
– 单细胞多组学分析（RNA_velocity、基因调控网络）
– 临床试验数据统计分析（ClinicalTrials.gov 数据拉取 + 统计建模）
– 科学文献综述自动化（多数据库并行检索）
– 实验室自动化对接（Benchling、DNAnexus 工作流）

目标用户：
– 生物信息学 / 计算生物学研究人员
– 药化 / 药物研发工程师
– 临床数据分析团队
– 材料科学研究人员
– 任何需要 AI Agent 辅助科研工作的学者

输入与输出案例

案例 1：药物靶点预测

  • 输入（给 AI Agent）：”我想找针对 BRCA1 基因的潜在药物靶点，用 PubChem 查活性化合物，再做 ADMET 分析”
  • 输出：Agent 自动执行 database-lookup(PubChem) → 筛选 BRCA1 相关化合物 → molecular-docking 模拟 → ADMET 预测四步，返回候选化合物列表及安全性评分报告

案例 2：单细胞 RNA-seq 全流程分析

  • 输入：”用 Scanpy 分析这批 10X 数据，找出差异表达基因并做富集分析”
  • 输出：自动调用 scanpy（数据清洗、标准化）+ cellxgene-census（公共数据对照）+ pydeseq2（差异表达）+ GO-enrichment（功能富集），生成含可视化图表的分析报告

GitHub：https://github.com/K-Dense-AI/scientific-agent-skills | ⭐ 42,133（截至 2026-09-03） | MIT License

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 10 阅读