| K-Dense-AI/scientific-agent-skills |
|---|
| |
| |
| |
| |
原文链接：https://github.com/K-Dense-AI/scientific-agent-skills
scientific-agent-skills 是什么
scientific-agent-skills 是一套专门给AI Agent 用的科研skill包。这个科研skill包覆盖的领域很广，包含138个以上开箱即用的科学分析skill，其包括：
✅生物信息学 ✅ 癌症基因组学 ✅ 药物靶点结合 ✅ 分子动力学 ✅ RNA velocity ✅ 地理空间科学 ✅ 时间序列预测 ✅ 科学机器学习资源检索 ✅ 科研写作 ✅ 数据库查询与分析 等领域
该 Skill 兼容Cursor、Claude Code、Codex 等众多Agent平台。
scientific-agent-skills细分
为方便理解，作者贴心地将
138 项科学分析skill，分为以下几类：
- 通过技能可直接访问 78 个公共数据库，包括 PubChem、ChEMBL、UniProt、COSMIC、ClinicalTrials.gov、FRED、USPTO 等。
- 此外还提供 DepMap、Imaging Data Commons、PrimeKG、美国财政部财政数据和 Hugging Science 的专用skill。
- BioServices、BioPython和 gget等多数据库软件包。
- 明确定义了 RDKit、Scanpy、PyTorch Lightning、scikit-learn、 BioPython、pyzotero、BioServices、PennyLane、Qiskit、OpenMM、 MDAnalysis、scVelo、TimesFM 等python包的skill，并提供精选文档、示例和最佳实践。
- 明确定义的skill，适用于 Benchling、DNAnexus、LatchBio、OMERO、Protocols.io、Open Notebook 等平台。
- 文献综述、科学写作、同行评审、文档处理、海报、幻灯片、示意图、信息图等
- 假设生成、基金申请书撰写、临床决策支持、治疗方案制定、法规遵从、情景分析等
每项skill包括：
- ✅ 完整文档（
SKILL.md） - ✅ 实用代码示例
- ✅ 用例和最佳实践
- ✅ 集成指南
-
✅ 参考资料
⚡加快研究进度
不用查API文档，也不用做集成配置
代码经过测试和验证，遵循科学领域的最佳实践
输入简单的prompt，就能执行复杂的工作流
🎯全面覆盖
🔧轻松集成
你的智能体会自动找到并调用相关skill
每个skill都配有示例、使用场景和最佳实践
🌟维护与支持
前置条件
- Python：3.11+（建议使用3.12+以获得最佳兼容性）
- uv：Python 包管理器（安装技能依赖项所必需）
- 客户端：任何支持 Agent Skills标准的代理（Cursor、Claude Code、Gemini CLI、Codex 等）
- 系统：macOS、Linux 或安装了 WSL2 的 Windows
- 依赖关系：由各个skill自动处理（请查看
SKILL.md
文件了解具体要求）
该skill用作uv包管理器来安装 Python 依赖项。需要按照适合的操作系统说明来进行安装：
macOS 和 Linux：
curl -LsSf https://astral.sh/uv/install.sh | sh
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"
另一种方法（通过 pip）：
安装完成后，运行以下命令验证是否正常：
uv --version
安装教程
选项1：npx（适用所有平台）
npx skills add K-Dense-AI/scientific-agent-skills
选项2：GitHub CLI（gh skill）
如果使用的是GitHub CLI（v2.90.0+），则可以使用以下命令安装gh skill：
gh skill install K-Dense-AI/scientific-agent-skillsgh skill install K-Dense-AI/scientific-agent-skills scanpygh skill install K-Dense-AI/scientific-agent-skills --agent cursorgh skill install K-Dense-AI/scientific-agent-skills --agent claude-codegh skill install K-Dense-AI/scientific-agent-skills --agent codexgh skill install K-Dense-AI/scientific-agent-skills --agent gemini
gh skill自动安装到Agent主机的正确目录，并保证提供数据的完整性。
另外，为了保证 skill 的更新，可以使用以下命令：
gh skill install K-Dense-AI/scientific-agent-skills --pin v1.0.0gh skill install K-Dense-AI/scientific-agent-skills --pin abc123def
安装好之后，AI Agent会自动发现skill，并在需要时运行skill来完成科研任务。
操作实例
想要体验 scientific-agent-skills 的能力，最快捷的方式是将放到到 AI Agent中。以下是一个基于 Cursor 或 Claude Code 的极简上手示例，展示如何让AI调用skill库中的分子动力学分析能力。
首先，将skill库克隆到本地，并让AI智能体加载对应的skill目录：
git clone https://github.com/K-Dense-AI/scientific-agent-skills.gitcd scientific-agent-skills
在Cursor或Claude Code中，指示AI加载skill。
例如："请加载 skills/molecular-dynamics/ 目录下的所有技能"
接下来，我们可以直接用自然语言向AI下达科研任务。输入示例："请分析当前目录下的 md.xtc 轨迹文件，计算蛋白主链的RMSD随时间的变化，并绘制从0到100纳秒的曲线图。同时给出RMSF分析，找出柔性最大的五个残基。"
坦白说，在看到结果前，我认为分子动力学模拟的数据清洗与绘图一向琐碎，稍有不慎就会出现坐标轴错配或读取报错。
但当我看到结果时，无论是 RMSD 的收敛趋势，还是 RMSF 的局部波动峰值，数据没有出现逻辑断层，各指标都精确地契合了预期的演变规律。
一起来看看最终效果图。
客观评价
scientific-agent-skills展现了期待的潜力，但作为一项仍还在快速迭代的开源项目，它也存在一些局限性：
某一些小众领域或交叉学科遇到边缘案例时仍需调试和补充。
不能替代科研人员对生物学假设、实验设计和结果解读的专业判断。
某些工具的安装和版本兼容性，依然会阻碍用户安装和运行。
离线运行仍然是一个待解决的问题。
适合谁用
该 skills 的设计初衷是服务广泛的科研群体，从刚入学的研究生到资深研究员，从纯计算背景到实验出身，都可以找到适用的场景。以下这几类最能从这个项目中获益的用户。
生物信息学与计算生物学研究者： 需要频繁处理基因组、转录组、蛋白质组数据，希望将常规分析流程自动化的科研人员。
药物化学与计算药理学团队： 从事分子对接、虚拟筛选、ADMET预测等药物研发早期工作的研究员。
分子动力学模拟从业者： 使用GROMACS、NAMD、Amber等软件进行生物大分子模拟，需要批量分析轨迹数据的研究生和博士后。
单细胞与空间组学研究者： 对RNA速率、细胞分化轨迹推断、空间转录组分析有需求的前沿生物学实验室。
地理空间与遥感科学工作者： 处理卫星影像、时空数据集，希望借助AI加速数据预处理和分析流程的科研人员。
AI for Science爱好者与开发者： 对科学智能体感兴趣，希望基于开放标准构建自己专属科研助手的开发者。
跨学科研究团队： 项目涉及多个领域，适合需要整合基因组、化学、物理、地理等多维度数据的综合性研究课题。
