scientific-agent-skills

科学家的AI助手技能库：让编程工具秒变科研神器

想象一下这样的场景：深夜，你正在研究某个基因突变与癌症的关系，需要在 UniProt 查蛋白质结构、去 PubChem 搜化合物活性、再到 ClinicalTrials.gov 确认相关临床试验——每一步都要手动打开浏览器、输入查询、复制结果。一晚上过去了，真正花在分析上的时间可能不到半小时。

Scientific Agent Skills 解决的就是这个痛点。它是一个包含 138 个「科研技能」的开源技能库，专门为 AI Coding Agent（Claude Code、Cursor、Codex 等）设计。安装之后，你的 AI 编程工具就相当于拥有了一位读过几千篇论文、了解上百个科学数据库的科研助手。

图1：K-Dense 公司官方头像

---

🔬 项目背景：AI 科学家时代来了

这个项目由 K-Dense 公司创建维护，背后是 Agent Skills 标准生态（agentskills.io）。2025 年初刚发布时还叫「Claude Scientific Skills」，随着 Claude Code、Cursor、Codex 等主流 AI Coding 工具都支持同一套技能标准，项目正式更名为 Scientific Agent Skills，兼容性大幅扩展。

简单类比：如果把 AI Coding Agent 比作一台性能强大的「通用发动机」，Scientific Agent Skills 就像是给它配套的「专业工具箱」——发动机本身很强，但有了工具箱才能拧螺丝、接管道、测电压，真正发挥作用。

作者在 README 中还推荐了另一个配套项目 K-Dense BYOK——一个完全免费的本地 AI 科学家系统。使用你自己的 API Key，从 40+ 模型中任选，配合这个技能库，可以搭建完全私有的科研工作环境，数据不出本地。

---

🧬 功能全景：138 个技能覆盖哪些领域？

🧪 生物信息 & 基因组学

• 序列分析：FASTA 处理、BLAST 比对、基因注释
• 单细胞 RNA-seq：通过 Scanpy 技能进行降维、聚类、轨迹分析
• 基因调控网络：转录因子分析、miRNA 靶点预测
• 系统发育：进化树构建、祖先序列推断

🧪 药物发现 & 化学信息学

• 虚拟筛选：DiffDock 分子对接技能，快速预测配体-受体结合模式
• ADMET 分析：RDKit 技能计算溶解度、渗透性、毒性预测
• 分子性质预测：DeepChem 集成，量子化学描述符计算
• 数据库：ChEMBL、PubChem、ZINC、BindingDB、FDA 药物数据库直连

🏥 临床研究 & 精准医疗

• 临床试验查询：ClinicalTrials.gov 自动检索
• 变异解读：ClinVar、dbSNP、gnomAD 联合注释
• 肿瘤基因组：COSMIC、DepMap、TCGA/GDC 数据接口
• 治疗规划：临床决策支持技能，辅助制定个性化治疗方案

🔮 机器学习 & 深度学习

• 时间序列：TimesFM 预测模型、统计方法
• 可解释 AI：SHAP、特征重要性分析
• 贝叶斯方法：概率编程、变分推断
• 量子计算：Qiskit、Cirq 量子电路模拟

🌌 物理 & 天文 & 材料

• 天体物理：Astropy 坐标转换、光谱分析
• 晶体结构：Materials Project、COD 数据库检索
• 代谢建模：COBRApy 代谢通路仿真

🗺️ 其他特色技能

• 文献管理：Zotero 自动引用、PubMed 文献检索
• 地理空间：OSM 地图处理、卫星影像、QGIS 集成
• 实验室自动化：LIMS 系统对接、液体处理协议
• 科学写作：自动生成海报、幻灯片、Markdown 报告

---

⚙️ 技术架构：技能是怎么工作的？

每个技能本质上是一个 SKILL.md 文件包，放在 scientific-skills/ 目录下。每个技能包包含：

scientific-skills/<技能名>/
├── SKILL.md          # 核心文档：什么时候用、怎么用、示例代码
└── references/       # 补充资料：API 端点说明、参数参考

调用流程：

1. AI Agent 接收用户的科研请求
2. 自动识别需要哪些技能（如「查某蛋白质的结构」→ UniProt/AlphaFold 技能）
3. 读取对应技能的 SKILL.md 获取使用说明
4. 通过 Python 代码或 API 调用执行操作
5. 返回结构化结果给用户

技术栈：

• 核心语言：Python 3.13+
• 包管理：uv（现代化的 Python 包管理工具）
• 依赖：cisco-ai-skill-scanner（技能扫描）、firecrawl-py（网页抓取）、python-dotenv（环境变量）
• 代码质量：完整的 pyproject.toml 配置，支持 PEP 517/518 构建标准
• MIT 许可证，商业可用

与 AI Agent 的集成方式：项目不提供独立运行的 Web 服务，而是作为 Claude Code / Cursor / Codex 的插件使用。用户只需将仓库克隆到本地，按照 README 的指引将技能路径注册到 AI Agent 的配置中即可。

---

🚀 使用门槛：谁适合用？

维度	说明
技术要求	初中级 Python 能力即可，核心工作由 AI Agent 自动完成
工具要求	需要 Claude Code / Cursor / Codex 三者之一
硬件要求	几乎为零，纯计算资源调用，GPU 视具体任务而定
安装难度	极简：git clone + 配置文件指向技能目录，5 分钟搞定
适合人群	科研人员、数据科学家、药物研发工程师、生信分析师

⚠️ 局限：本项目不是独立的 Web 应用，没有 GUI 界面。本质上是「技能说明书合集」，需要配合 AI Coding Agent 才能使用。如果你不使用 Claude Code、Cursor 或 Codex，则无法直接使用这些技能。

---

⚖️ 争议与局限

1. 技能质量依赖维护者更新：138 个技能中部分依赖第三方 API（NCBI、PubChem 等），若上游 API 变更，可能导致技能失效，维护需要持续跟进。
2. 非独立运行：没有独立的 Web UI 或 API 服务，限制了其在无 AI Coding Agent 环境中的使用。
3. Python 3.13 门槛：要求 Python 3.13 及以上，部分科学计算环境（如 HPC 集群）仍停留在较低版本，兼容性受限。
4. 中文资料较少：目前文档以英文为主，对中文用户的上手指南有待完善。

---

📈 行业意义：为什么值得关注？

截至 2026 年 5 月，该项目在 GitHub 已获得 25,000+ Stars，被 star 的速度在同类 AI Agent 工具中名列前茅。它代表了 AI 编程工具从「泛化代码助手」向「领域专家」演进的一个重要方向。

传统 AI 助手面对「帮我查一下 BRCA1 基因在乳腺癌中的突变频率」这类请求，往往只能给出通用答案。而配备了 Scientific Agent Skills 的 AI Agent，可以：

• 实际调用意大利癌症基因组图谱（ICGC）数据库
• 自动拉取 UniProt 中 BRCA1 蛋白的氨基酸序列
• 查 ClinicalTrials.gov 中正在招募的相关临床试验
• 把所有结果整理成一份带参考文献的分析报告

这不是在测试 AI 有多聪明，而是让 AI 能够真正调用科研工具，融入真实的科学工作流。 这条路一旦走通，将深刻改变科研协作的方式。

---

一句话总结：Scientific Agent Skills 是 AI 科学家时代的「瑞士军刀」，为 AI Coding Agent 赋予了直接操作上百个科研数据库和工具的能力，让科研人员从繁琐的数据查询和工具学习中解放出来，专注于真正的科学问题。