Scientific Agent Skills：把任意AI Agent变成科学家的164项技能库

Skill超级捕获手 技术创作者 2026-09-11 10 阅读

把任意 AI Agent 变成科学家的技能库，GitHub 累计 4.4 万星、被全球 19 万科研人员使用，覆盖癌症基因组学、药物发现、医学影像等 13 大科研领域 164 项已验证技能，兼容 Claude Code / Cursor / Codex 等主流编程 Agent。这是当前科学 AI 领域最完整的 Skill 生态包。

功能与原则

Scientific Agent Skills（2026 年 9 月正式由 “Claude Scientific Skills” 更名而来）将科研工作流封装为可被 AI Agent 调用的标准化技能（Skill）。核心理念：让通用 AI Agent 具备执行多步骤科研任务的能力，而不是仅回答概念问题。

设计原则：
– 技能即文档：每个 Skill 本身即是该工具链的 SKILL.md，含正确用法、示例和注意事项，Agent 无需从零猜测
– 开放标准：基于开放 Agent Skills 标准开发，跨平台兼容，不绑定特定模型
– 零门槛科研助手：覆盖从文献检索到数据分析、到报告生成的全流程

认可度

  • GitHub Star：截至 2026-09-11，约 44,370 ★（ forks 4,026）
  • 用户规模：全球 190,000+ 科研人员使用
  • Trending 经历：2026 年 8 月多次登顶 GitHub Trending，单日最高 +3,642 星
  • 学术背书：已发表学术论文（arXiv:2609.00065），可作为正式引用
  • 生态覆盖：164 项技能 + 100+ 科学数据库 + 70+ 优化 Python 包

链接

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

原作者

K-Dense（K-Dense Inc）— 专注 AI for Science 的研究型公司，同时维护配套桌面端产品 K-Dense BYOK（免费开源的本地 AI 共科学家，支持 40+ 模型，数据留在本地）。

介绍

Scientific Agent Skills 最初名为 Claude Scientific Skills，专为 Claude 系列工具设计。随着 Agent Skills 开放标准的成熟，项目于 2026 年 9 月完成品牌升级，扩展为通用科学技能库，任何支持开放标准的 AI Agent 均可加载使用。

项目以 Python 构建，目录结构遵循开放 Agent Skills 标准（SKILL.md + metadata），同时以 Agent Plugins 格式打包，插件化客户端可将整个集合作为单个插件一键加载。

技能内容涵盖 13 个核心科学领域：
– 🧬 生物信息学与基因组学（癌症基因组、单细胞 RNA-seq、基因调控网络）
– 🧪 化学信息学与药物发现（分子性质预测、虚拟筛选、ADMET 分析）
– 🔬 蛋白质组与质谱（LC-MS/MS 处理、肽鉴定、蛋白质定量）
– 🏥 临床研究和证据工作流（临床试验、PK/PD 建模、剂量选择）
– 🤖 机器学习与 AI（深度学习、时间序列、贝叶斯方法）
– 🌍 地理空间科学与遥感（卫星影像处理、GIS 分析）
– 📚 科研写作与学术交流（证据溯源写作、文献综合、PPT 海报生成）

特点

  • 164 项已验证技能：每项技能经过测试验证，包含 SKILL.md 文档和使用示例，非通用提示词
  • 100+ 科学数据库直连：包括 PubChem、UniProt、KEGG、ChEMBL、ClinVar、dbSNP、NCBI 等，开箱即用
  • 多工具兼容：Cursor、Claude Code、Codex、Google Antigravity，以及任何支持 Agent Skills 标准的客户端
  • 插件化一键加载：通过 plugin.json + skills/ 结构，整个库可作为单一插件批量安装
  • 本地优先配套工具：K-Dense BYOK 支持本地运行，API Key 自带，数据不外传，可选扩展至 Modal 云端算力

使用方法

安装（以支持 Agent Skills 标准的客户端为例）：

克隆仓库：

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

按需将 scientific-skills/ 目录下的单个技能文件夹复制到目标工具的 skills 目录，或使用支持插件模式的客户端一键加载全部技能。

基础调用示例（以基因组学技能为例）：

当 Agent 加载了 blast-sequence-alignment 技能后，可直接执行：

对这条 DNA 序列进行 BLAST 比对，找出最高相似性匹配
序列: ATGCGATCGATCG...

Agent 会自动调用 NCBI BLAST API、解析结果、返回比对报告——无需人工查文档或写脚本。

配套工具 K-Dense BYOK：

# 本地运行桌面版 AI 共科学家
git clone https://github.com/K-Dense-AI/k-dense-byok.git
cd k-dense-byok && pip install -e .
python -m kDenseBYOK
# 填入自己的 API Key，选择模型，即可使用全部 164 项技能

使用场景与人群

适用场景：
– 科研人员需要快速调研文献、查询数据库、执行生物信息学分析
– 实验室需要将 AI 引入数据分析流水线（单细胞测序、分子动力学、临床数据分析）
– 药物研发团队进行虚拟筛选、ADMET 预测、先导化合物优化
– 学术写作者需要批量处理文献、生成图表、整理实验报告
– AI 开发者构建科学领域的 Agent 应用

目标用户：
– 生物信息学家、计算生物学家、药物化学家
– 临床研究员、流行病学家
– 数据科学家（科研方向）
– AI/ML 研究者（Science ML 方向）
– 研究生和博士后（需要高效工具辅助日常科研）

输入与输出案例

案例 1：药物-靶点binding分析

输入：

查询 drugbank 中 DrugBank ID DB00102 的化合物信息，并预测其与 ACE2 蛋白的结合亲和力

输出：

✅ DrugBank DB00102 化合物详情（分子式 C14H14N6O……）
✅ 结合亲和力预测结果（Kd ≈ 12.3 nM，HIGH confidence）
✅ 相关文献 3 篇（PubMed ID: xxx, xxx, xxx）
✅ 可视化 2D 结构图与对接姿态图

案例 2：单细胞 RNA-seq 全流程

输入：

对 ./data/scrnaseq.h5ad 文件进行质量控制、标准化、批次校正和 UMAP 可视化

输出：

✅ 原始细胞数：12,847；QC 后：11,203（过滤低质量细胞）
✅ 标准化方法：SCTransform
✅ 批次校正：Harmony（batch: donor_id）
✅ 细胞类型注释：12 clusters，标注主要细胞类型
✅ UMAP 图保存至 ./figures/umap_annotated.png
✅ differential_expression.csv（含每群 marker 基因）

文章由 Skill超级捕获手 整理发布，追踪 Skills 市场 + GitHub + 社媒热门 Skill 动态。

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