Scientific Agent Skills：把 AI 编程助手变成 AI 科研助手

Skill超级捕获手 技术创作者 2026-09-24 2147 阅读

把 AI 编程助手变成 AI 科研助手——这就是 Scientific Agent Skills 正在做的事。这个开源 Skill 库收录了 165 个经过验证的科研工作流，覆盖癌症基因组学、药物发现、蛋白质组学、临床研究等方向，让 AI Agent 能直接调用专业科学数据库和工具，而不只是陪聊。GitHub 累计 3.2 万星，9 月初单日新增 +1980，正在快速扩散到全球实验室。

功能与原则

Scientific Agent Skills 本质上是一套结构化的科研程序知识库。每个 Skill 对应一个具体的多步骤科研流程——从查文献、跑分子对接、到做 PK/PD 建模，AI Agent 调用时会按预设步骤执行，而不是随机生成。

设计原则：
– 标准化：每个 Skill 遵循 open Agent Skills 规范，可移植、可复用
– 验证优先：所有 Skill 经过测试验证，非理论假设
– 工具链集成：直接对接 78+ 科学数据库（PubChem、ChEMBL、UniProt 等）
– 跨模型兼容：不绑定某一家模型，支持 Cursor、Claude Code、Codex、Antigravity 等主流 Agent

认可度

  • GitHub Star：截至 2026-09-24 约 3.2 万+，9 月初单日 +1980，Trending 持续在榜
  • 用户规模：全球 19 万+ 科学家使用
  • 学术背书：有正式 arXiv 论文（arXiv:2609.00065），可引用
  • 生态接入：已接入 open Agent Skills 标准、Agent Plugins 标准两大生态

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 的初创公司，同时维护同名开源项目和商业化产品 K-Dense BYOK（本地运行的 AI 科研助手）。

介绍

这个项目源于一个痛点：AI Agent 很聪明，但做科研时不知道该调用什么工具、怎么串联专业数据库。Scientific Agent Skills 把科研人员多年积累的标准操作流程写成 Skill，让 AI 能真正介入实验环节，而不只是写个摘要。

Skill 覆盖四大科研方向：

  • 生物信息学 & 基因组学：序列分析、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、先导化合物优化
  • 蛋白质组学 & 质谱：LC-MS/MS 处理、多肽鉴定、蛋白质定量
  • 临床研究与证据工作流：临床试验设计、药物基因组学、PK/PD 建模、剂量选择

此外还有微生物组、时间序列预测、科学 ML 资源发现等方向。总计 165 个 Skill + 78+ 科学数据库直连。

除了独立使用，项目方还提供 K-Dense BYOK——一个完全免费、开源、运行在本地桌面的 AI 科研助手，绑定你自己的 API Key，支持 40+ 模型，数据不离开你的电脑。

特点

  • 165 个经过验证的科研 Skill，覆盖药化、生化、临床、基因组等主流方向
  • 78+ 科学数据库直连：PubChem、ChEMBL、UniProt、AlphaGenome、1000 Genomes 等，无需手动抓取
  • 多 Agent 兼容：Cursor、Claude Code、Codex、Google Antigravity 均可使用，不被平台锁定
  • 有学术论文可引用，适合正式科研场景使用
  • 本地优先：K-Dense BYOK 版数据不上云，适合处理敏感医疗/专利数据

使用方法

基础安装（以 Claude Code 为例）：

# 方式一：Skills CLI 安装
npx skills add K-Dense-AI/scientific-agent-skills --global

# 方式二：手动复制 SKILL.md 到 Agent 技能目录
# 下载仓库，将 skills/ 目录下的内容复制到你的 Agent 技能目录

调用方式（以分子性质预测为例）：

# 描述需求，Agent 会调用对应的 Skill
预测化合物 CC(C)CC1=CC2=C(C=C1OC)C(C3=CC=CC=C3C(=O)O)=NC=N2 的溶解度和渗透性

使用 K-Dense BYOK（本地桌面版）：

# 克隆并安装
git clone https://github.com/K-Dense-AI/k-dense-byok.git
cd k-dense-byok
# 按 README 配置 API Key 和本地环境
# 启动后直接用自然语言做科研任务

使用场景与人群

适用场景：
– 药物发现项目中的虚拟筛选和 ADMET 预测
– 基因组数据分析（全基因组关联分析、单细胞测序）
– 临床试验数据审阅（PK/PD 建模、剂量优化）
– 学术论文写作（文献检索、实验方法描述）

目标用户：
– 生命科学、药学、化学领域的科研人员
– AI for Science 方向的工程师和数据科学家
– 需要 AI 辅助做实验设计的实验室团队
– 关注 AI + 科研交叉方向的投资者和观察者

输入与输出案例

案例一：分子性质预测

输入：

预测化合物 CC(C)CC1=CC2=C(C=C1OC)C(C3=CC=CC=C3C(=O)O)=NC=N2 的溶解度和渗透性

输出：
Agent 调用 molecular-properties-prediction Skill → 连接 PubChem/ChEMBL → 返回溶解度预测值（如 “LogD ~ 2.3，渗透性良好”）+ 数据来源和置信区间。

案例二：文献与实验证据检索

输入：

找出关于 KRAS G12C 抑制剂的最新临床试验数据，重点关注耐药机制

输出：
Agent 调用 biomedical-literature-retrieval + clinical-trial-evidence Skill → 检索 PubMed、ClinicalTrials.gov → 汇总当前 KRAS G12C 抑制剂的临床响应率和耐药相关突变类型，附上文献链接和证据等级。

GitHub：https://github.com/K-Dense-AI/scientific-agent-skills | Star 3.2 万+（截至 2026-09-24）| 兼容 Agent Skills 标准

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 2147 阅读