scientific-agent-skills 是什么?

Scientific Agent Skills 是 K-Dense-AI 维护的一套即用型 Agent Skills 集合:138 个面向科研、科学、工程、分析、金融与写作的技能,让 Claude 等 agent 直接上手做科学工作。它涵盖 100+ 科学/金融数据库访问(PubChem、ChEMBL、UniProt、COSMIC、ClinicalTrials.gov、FRED、USPTO 等)、70+ 个优化过的 Python 包技能(RDKit、Scanpy、PyTorch Lightning、scikit-learn、BioPython、Qiskit、OpenMM 等)、9 个科学平台集成(Benchling、DNAnexus、LatchBio、OMERO 等)、30+ 分析与表达工具(文献综述、科学写作、同行评审、海报/幻灯片/图表)和 10+ 研究/临床工具。每个技能都带 SKILL.md、代码示例与最佳实践。Python,MIT,可经 npx / gh skill 安装。

⭐ 26,168 Stars 🍴 2,719 Forks Python MIT 作者: K-Dense-AI
来源:README What's Included/Available Skills;GitHub desc,license MIT 查看 GitHub 仓库 →

为什么值得关注

约 2.52 万星,是 Agent Skills 类里星标极高的一个。热度来自它把『让 AI 做科研』从口号落到 138 个覆盖生信、药物发现、临床、影像、神经、ML、量子、金融的可用技能,并接好上百个权威数据库与几十个主流科学 Python 包——对在用 Claude 做研究的科学家/工程师是即拿即用的工具箱。强调技能只是『更可靠的优化路径』、agent 仍可用任意包/API,定位务实。

来源:GitHub 25,185 stars / 2,645 forks,created 2025-10-19;README Why Use This/Available Skills

核心功能

100+ 科学/金融数据库访问

统一的 database-lookup 技能直连 78 个公共数据库(PubChem/ChEMBL/UniProt/COSMIC/ClinicalTrials/FRED/USPTO 等),加 DepMap、Imaging Data Commons、PrimeKG、美国财政数据、Hugging Science 等专门技能;BioServices(~40 服务)、BioPython(38 个 NCBI 子库)、gget(20+ 基因组库) 进一步扩展。

来源:README What's Included(databases)
70+ 优化的 Python 包技能

为 RDKit、Scanpy、PyTorch Lightning、scikit-learn、BioPython、pyzotero、PennyLane、Qiskit、OpenMM、MDAnalysis、scVelo、TimesFM 等显式定义技能,带 curated 文档/示例/最佳实践;agent 仍可用任意包,这些只是更可靠的路径。

来源:README What's Included(Python packages)
科学平台集成 + 分析/表达工具

9 个集成技能(Benchling、DNAnexus、LatchBio、OMERO、Protocols.io、Open Notebook 等);30+ 分析与沟通工具(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、Mermaid 图)。

来源:README What's Included(Integration/Analysis & Communication)
覆盖多学科领域

生信与基因组学(21+)、化学信息学与药物发现(10+)、蛋白质组学/质谱、临床研究与精准医学(8+)、医学影像与数字病理、神经科学、机器学习与 AI(16+)、量子计算、金融等,对应真实科研工作流。

来源:README Available Skills(Skill Categories)/Use Cases
标准化技能 + 多种安装

每个技能含 SKILL.md、代码示例、用例与最佳实践、集成指南、参考资料;可经 npx(全平台)或 gh skill 浏览/装单个技能、指定 agent host、按 release tag/commit 固定版本、批量更新。

来源:README 各技能结构/Getting Started

技术架构

一个大型 Agent Skills 内容仓库(Python 为辅)。scientific-skills/ 下是 139 个技能目录(adaptyv、aeon、anndata、biopython、rdkit、scanpy、database-lookup、clinical-decision-support 等),每个是自包含的 SKILL.md + references + scripts/examples,工具无关、可被支持 Agent Skills 的 agent 加载。仓库根有 scan_skills.py / scan_pr_skills.py 做技能扫描/校验,docs/ 文档,pyproject + uv 管依赖(技能跑代码时用)。安装走 Skills CLI(npx / gh skill),可装单技能、指定 host、固定版本、批量更新。它本身不实现科学算法,而是把『怎么用某个数据库/包/平台做某类科研任务』的文档、示例与最佳实践编码成 agent 可遵循的技能;技能也明确不是上限——agent 可用任意 Python 包或 API,技能只是更可靠的优化路径。整体是『海量标准化 SKILL.md + 数据库/包/平台覆盖 + Skills CLI 分发』的科研技能库。

来源:README What's Included/Getting Started;tree(scientific-skills/* 139 目录、scan_skills.py、docs/)

项目知识图谱

知识图谱:项目核心节点(中心)+ 核心功能(内环六边形)+ 关键技术依赖(外环 chip) Skills CLI(npx / gh skill)Skills CLI(np… 78+ 科学/金融数据库 API78+ 科学/金融数… 主流科学 Python 包(RDKit/Scanpy/BioPython/Qiskit 等)主流科学 Python… 科学平台集成(Benchling/DNAnexus 等)科学平台集成(Be… uv(依赖) 100+ 科学/金融数据库访问100+ 科学/金融数据库… 70+ 优化的 Python 包技能70+ 优化的 Python 包… 科学平台集成 + 分析/表达工具科学平台集成 + 分析/… 覆盖多学科领域 标准化技能 + 多种安装 scientific-agent-ski… 项目本体 核心功能 关键依赖

中心为项目本体,内环 = 核心功能模块,外环 = 关键技术依赖;按 deep.json 中的 core_features 与 tech_stack.key_deps 自动生成

技术栈

语言Markdown(技能)+ Python(示例/扫描)框架Agent Skills(开放标准)
Skills CLI(npx / gh skill)78+ 科学/金融数据库 API主流科学 Python 包(RDKit/Scanpy/BioPython…科学平台集成(Benchling/DNAnexus 等)uv(依赖)
本地加载进支持 Agent Skills 的 agent(Claude 等);技能跑代码需 Python 环境与相应数据库/平台凭证
来源:README Getting Started/Prerequisites;tree

快速上手

用 Skills CLI 安装:`npx`(全平台)或 `gh skill`——可交互浏览并装、`gh skill install ` 直接装某个技能、指定 agent host、按 release tag 或 commit SHA 固定版本,并能交互检查/批量更新已装技能。前置需 uv(README 给了安装方式)与运行技能所需的 Python 环境、相应数据库/平台凭证。装好后在 agent 里直接做科研任务(如药物发现流水线、单细胞 RNA-seq、虚拟筛选、临床变异解读)。注意 README 的安全声明:技能会跑代码,需在可控环境使用。
来源:README Getting Started/Prerequisites/Security Disclaimer

使用场景

适合:①用 Claude 等 agent 做科研的科学家/工程师,想要即用、可靠的数据库/包/平台技能(生信、药物发现、临床、影像、神经、ML、量子、金融);②要把文献综述、科学写作、同行评审、海报/幻灯片等表达工作交给 agent 的人;③想接 Benchling/DNAnexus 等科学平台做实验/数据工作流的人。不适合:不使用支持 Agent Skills 的 agent 的人;以及把 agent 产出当可直接发表/临床决策依据的人——科研严谨性、数据合规与结果正确性仍需专业复核,技能只是加速。

来源:README Use Cases/Quick Examples,结合科研严谨性推断

优势与局限

优势

  • 规模与覆盖罕见:138 个技能横跨多学科 + 100+ 数据库 + 70+ 优化包 + 9 平台集成,即拿即用
  • 标准化程度高:每个技能 SKILL.md + 示例 + 最佳实践,质量与可用性较一致
  • 定位务实:明确技能不是上限、agent 可用任意包/API,技能只是更可靠的优化路径
  • 分发友好:npx / gh skill 安装、可固定版本、批量更新,工程化好
  • 覆盖到表达与研究全链:从数据库/分析到文献综述/写作/海报/临床工具,MIT、社区大

局限

  • 技能会执行代码,存在安全风险(README 有安全声明),需在可控环境用
  • 跑很多技能需相应数据库/平台凭证与 Python 环境,配置与依赖管理有门槛
  • 科研结果的正确性与合规仍取决于数据、模型与人工复核,agent 产出不能直接当结论/临床依据
  • 技能质量与新鲜度不一,底层数据库/包 API 变化时需维护,覆盖虽广但深度逐项有别
  • 依赖支持 Agent Skills 的 agent 生态,非该生态用户用不了
来源:README Security Disclaimer/Prerequisites/Available Skills;科研严谨性推断

最新版本

仓库以 Agent Skills 集合形式维护,无传统 GitHub Release 但支持按 release tag/commit 固定版本;自 2025-10 持续高频更新(最近 push 2026-05-21),技能数已达 138/139 个并持续新增,处于成熟且活跃迭代期。

来源:GitHub pushed_at 2026-05-21;README Getting Started(pin to release/commit)/What's Included

总结评价

Scientific Agent Skills 把『让 AI 做科研』从口号落成了一个真正能用的大工具箱:138 个标准化技能覆盖生信、药物发现、临床、影像、神经、ML、量子、金融,接好上百个权威数据库与几十个主流科学 Python 包,还涵盖文献综述、科学写作、海报等表达环节,并诚实说明技能只是更可靠的路径、agent 仍可用任意包/API。对在用 Claude 做研究的科学家,这基本是即拿即用的加速器,2.52 万星实至名归。要清醒它的边界:技能会跑代码有安全风险、需各种凭证与环境、结果正确性与合规仍要专业复核、不能当发表或临床依据。在合规与复核前提下,它是目前最完整的科研 Agent Skills 集合之一。

来源:综合 README 定位/覆盖、tree(139 技能)、安全与严谨性的事实判断
透明度声明
本页内容由 AI(大语言模型)基于以下公开材料自动生成:GitHub README、代码目录结构、依赖文件、Release 信息。 分析时间: 2026-05-23 01:02. 质量评分: 100/100.

数据来源:README、GitHub API、依赖文件