技能介绍

科学智能体技能库（Scientific Agent Skills）是 K-Dense 打造的开源科研技能合集，收录 177 个科研与研究技能，覆盖生物、化学、医学、物理、工程、地球科学、数据分析与科研传播。每个技能针对一个具体软件包、数据源或工作流，给出使用它所需的科研惯例与验证检查。

合集遵循开放的 Agent Skills 标准，兼容 Cursor、Claude Code、Codex、Google Antigravity 等宿主；同时是一个可移植的 Agent Plugins 包（plugin.json + skills/），支持该标准的客户端可把整个合集当作一个插件加载。相关论文：*Scientific Agent Skills: A Library of Procedural Knowledge for Research Agents*（arXiv:2609.00065）。

说明：仓库原名 Claude Scientific Skills，现更名为 Scientific Agent Skills——技能不变，但不再局限于 Claude，任何支持 Agent Skills 标准的 AI 智能体都能用。

适用场景

  • 🧬 生物信息与基因组学：序列分析、单细胞 RNA-seq、混合 CRISPR 筛选、引物设计、扩增子微生物组、变异注释、系统发育
  • 🧪 化学信息学与药物发现：分子性质预测、虚拟筛选、ADMET 分析、分子对接、先导化合物优化、校准 1D NMR 处理
  • 🔬 蛋白质组学与质谱：LC-MS/MS 处理、肽段鉴定、谱图匹配、蛋白定量
  • 🏥 临床研究与证据工作流：临床试验、药物基因组学、变异证据审查、PK/PD 建模与给药方案评估
  • 🖼️ 显微成像、医学影像与数字病理：定量荧光显微、隐私优先的 DICOM 处理、全切片图像研究分析、计算病理
  • 🧠 神经科学与电生理：BIDS 数据集、NWB 转换与时钟对齐、胞外记录、生理信号
  • 🤖 机器学习与 AI：深度学习、强化学习、时间序列、模型可解释性、贝叶斯方法
  • 🔮 材料科学与化学：晶体结构分析、CALPHAD 相平衡、代谢建模、计算化学
  • 🌌 物理与天文：天文数据分析、坐标变换、宇宙学计算、符号数学
  • ⚙️ 工程与仿真：电池循环模型、化学动力学与点火延迟、流体力学、实验室硬件 CAD 与定制零件制造、离散事件仿真
  • 📊 数据分析与可视化：统计分析、网络分析、时间序列、出版级图表、大规模数据处理、探索性数据分析
  • 🌊 化学海洋学 · 🌍 地理空间与遥感 · 🧪 实验室自动化 · 📚 科学传播 · 🔬 多组学与系统生物学 · 🧬 蛋白质工程与设计 · 🧰 智能体平台与基础设施 · 🎓 研究方法论 · ⚖️ 监管与标准

核心能力

包含哪些子技能（177 个技能按领域组织，一个技能可归属多个领域，因此各领域计数之和大于 177）：

  • 100+ 科学数据库：Database Lookup 记录 80 个公开/注册/授权数据库（PubChem、ChEMBL、UniProt、COSMIC、ClinicalTrials.gov、FRED、USPTO 等），含端点选择、分页与来源追溯；另有 DepMap、Imaging Data Commons、PrimeKG、NCATS ARAX、U.S. Treasury Fiscal Data、Hugging Science、OneKGPd、Genomic Intelligence、AlphaGenome 等专项技能，BioServices、Biopython、gget 等多数据库包补充覆盖
  • 70+ Python 包技能：RDKit、Scanpy、PyTorch Lightning、scikit-learn、PyTDC、PathML、pydicom、NeuroKit2、PufferLib、QuTiP、GeoPandas、pymatgen、BioPython、Qiskit、OpenMM/MDAnalysis 等——显式定义、版本感知的工作流（智能体仍可使用任何 Python 包，这些是预先写好文档的更稳路径）
  • 9 个科研平台集成：Benchling、DNAnexus、LatchBio、OMERO、Protocols.io、Open Notebook、Ginkgo Cloud Lab、LabArchives、Opentrons
  • 30+ 分析与传播工具：文献综述、证据可溯科学写作、保密同行评审、文档处理、Paperclip（约 1100 万篇全文论文、21.7 万+ 监管文件与试验注册，行级固定引用）、无宏 PPTX 海报、幻灯片、示意图、信息图、Mermaid 图
  • 10+ 研究与临床工具：有界假设生成、基金申请、聚合临床决策支持研究、PK/PD 建模与仿真（NCA、群体 PK、暴露-反应、生物等效性、首次人体剂量）、BIDS、ISO 标准就绪证据准备（ISO 13485/14971/IEC 17025/15189）、分析方法验证与转移（ICH Q2(R2)/Q14、ICH M10、USP、CLSI EP）

各领域代表子技能：

  • 🧬 生物信息与基因组学（32）：Bulk RNA-seq、Primer Design、BioPython、pysam、Scanpy、scvi-tools、scVelo、Arboreto、Cellxgene Census、gget、deepTools、Polars-Bio、TileDB-VCF、FlowIO、FlowKit、Genomic Coordinates、OneKGPd、Genomic Intelligence、AlphaGenome、PyDESeq2、MAGeCK、QIIME 2 Amplicon、Pathway Enrichment、ETE Toolkit、Waypoint
  • 🧪 化学信息学与药物发现（11）：RDKit、Datamol、Molfeat、nmrglue、DeepChem、TorchDrug、DiffDock、OpenMM + MDAnalysis、Rowan、MedChem、PyTDC
  • 🔬 蛋白质组学与质谱（2）：matchms、pyOpenMS
  • 🏥 临床研究与证据（8）：Database Lookup（临床库）、PK/PD Modeling、DepMap、Imaging Data Commons、PyHealth、Clinical Decision Support、Clinical Reports、Treatment Plans
  • 🐭 临床前研究与动物福利（1）：RELSA Severity Assessment（多变量严重度评分与人道终点预测，仅作评估辅助）
  • 🖼️ 显微、医学影像与数字病理（5）：pydicom、histolab、PathML、CellProfiler、DeepSpot-M
  • 🧠 神经科学与电生理（4）：BIDS、Neuropixels-Analysis、NWB Conversion、NeuroKit2
  • 🤖 机器学习与 AI（14）：PyTorch Lightning、Transformers、Stable Baselines3、PufferLib、scikit-learn、scikit-survival、SHAP、aeon、TimesFM、PyMC、PyMOO、Torch Geometric、UMAP-learn、statsmodels
  • 🔮 材料、化学与物理（8）：pymatgen、pycalphad、COBRApy、Astropy、Cirq、PennyLane、Qiskit、QuTiP
  • ⚙️ 工程与仿真（9）：lab-hardware-cad（build123d）、Fictiv、MATLAB/GNU Octave、FluidSim、OpenPIV、SimPy、Cantera、PyBaMM、SymPy
  • 🌊 化学海洋学（1）：Marine Carbonate Chemistry（PyCO2SYS 碳酸盐体系与不确定度传播）
  • 📊 数据分析与可视化（18）：Matplotlib、Seaborn、Scientific Visualization、GeoPandas、GeoMaster、Dask、Polars、Vaex、NetworkX、LiteParse、MarkItDown、Infographics、Markdown & Mermaid Writing、EDA、Statistical Analysis、Uncertainty & Units、Experimental Design、Statistical Power
  • 🧪 实验室自动化（6）：PyLabRobot、Opentrons、Ginkgo Cloud Lab、protocols.io、Benchling、LabArchives
  • 🔬 多组学与系统生物学（5）：PrimeKG、LaminDB、Tellurium、13C Metabolic Flux、Pathway Analysis
  • 🧬 蛋白质工程与设计（5）：ESM、RELION、Glycoengineering、Adaptyv、Tamarind
  • 📚 科学传播（23）：Paper Lookup、Literature Review、Paperzilla、Paperclip、BGPT Paper Search、Parallel Web、Exa Search、Research Lookup、Open Notebook、Scientific Writing、Peer Review、LiteParse、MarkItDown、Venue Templates、Scientific Slides、LaTeX Posters、PPTX Posters、Scientific Schematics、Markdown & Mermaid Writing、Infographics、Citation Management、pyzotero、Generate Image
  • 🧰 基础设施与平台（12）：Modal、DataLad、Optimize for GPU、DNAnexus、LatchBio、Nextflow、pacsomatic、OMERO、Opentrons、Get Available Resources、Autoskill、Pi Agent
  • 🎓 研究方法与规划（13）：Scientific Brainstorming、Hypothesis Generation、HypoGeniC/HypoRefine、Arbor、Scientific Critical Thinking、Scholar Evaluation、What-If Oracle、Consciousness Council、DHDNA Profiler、Research Grants、Research Lookup、Paper Lookup、Market Research Reports
  • ⚖️ 监管与标准（2）：ISO 标准就绪证据准备、分析方法验证（明确不做合规、审计、认证或方法放行决策）

工作方式

  • 每个技能都有 SKILL.md：写明目的、工作流与版本元数据（YAML frontmatter，metadata.version 需加引号）；视工作流还附代码示例、参考文档、可执行辅助脚本或模板
  • 带 scripts/ 的技能在 tests// 有对应测试套件，依赖记录在 tests/skill-requirements.toml
  • CI 对相关 PR 跑仓库级结构检查与纯标准库技能测试；科学依赖在独立环境中测试；兼容宿主可从配置的技能路径自动发现并调用相关技能
  • 安全：全部技能经 Cisco AI Defense Skill Scanner 做 LLM 安全扫描（每周增量、至少每 30 天全量），结果公布于 docs/security-report.md
  • ⚠️ 技能能指示智能体执行代码、装包、发网络请求、改文件——只装需要的、装前读完 SKILL.md、核对贡献来源，可疑行为立即开 issue

你需要提供

  • Python：仓库工具链需 3.13+（个别技能依赖支持更宽的版本范围）
  • uv：安装技能 Python 依赖的包管理器

macOS 和 Linux：

curl -LsSf https://astral.sh/uv/install.sh | sh

Windows：

powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

或经 pip 安装：

pip install uv
  • 客户端：任何支持 Agent Skills 标准的智能体（Cursor、Claude Code、Gemini CLI、Codex、Google Antigravity 等）
  • 系统：macOS、Linux 或 Windows WSL2
  • 按各技能的 compatibility 字段与安装说明准备包、系统工具、凭证与网络访问；安装技能文件不会自动安装依赖；不同科学工作流请用独立环境（部分技能的 Python 版本或包锁定互不兼容）

你会获得

  • 省下查 API 文档与搭集成的时间：示例经过测试，带显式验证、来源追溯与安全边界（仍需在目标环境中核验）
  • 用一条提示词执行复杂多步科研管线，跨领域组合无障碍（基因组 + 化学信息 + 临床 + 机器学习可在同一工作流里打通）
  • 177 个技能的分类目录、图示技能指南 与完整技能目录
  • 持续维护与更新：K-Dense 团队随包与 API 变化刷新技能，大版本在发布说明中公告

使用示例

安装（npx，适用于支持的宿主）：

npx skills add K-Dense-AI/scientific-agent-skills

GitHub CLI（v2.90.0+）：

# Browse and install interactively
gh skill install K-Dense-AI/scientific-agent-skills

# Install a specific skill directly
gh skill install K-Dense-AI/scientific-agent-skills scanpy

# Target a specific agent host
gh skill install K-Dense-AI/scientific-agent-skills --agent cursor
gh skill install K-Dense-AI/scientific-agent-skills --agent claude-code
gh skill install K-Dense-AI/scientific-agent-skills --agent codex
gh skill install K-Dense-AI/scientific-agent-skills --agent gemini

固定版本（可复现安装）：

# Pin to a release tag
gh skill install K-Dense-AI/scientific-agent-skills --pin v2.71.0

# Pin to a commit SHA
gh skill install K-Dense-AI/scientific-agent-skills --pin abc123def

手动安装到通用技能目录：

git clone https://github.com/K-Dense-AI/scientific-agent-skills.git ~/.agents/skills/scientific-agent-skills   # user-level
git clone https://github.com/K-Dense-AI/scientific-agent-skills.git .agents/skills/scientific-agent-skills      # project-level

示例提示词一：药物发现管线（目标：为肺癌临床前研究优选 EGFR 抑制剂候选）

Use available skills you have access to whenever possible. Query ChEMBL for EGFR inhibitors (IC50 < 50nM), analyze structure-activity relationships 
with RDKit, generate improved analogs with datamol, perform virtual screening with DiffDock 
against AlphaFold EGFR structure, search PubMed for resistance mechanisms, check COSMIC for 
mutations, and create visualizations and a comprehensive report.

用到的技能：database-lookup、rdkit、datamol、diffdock、paper-lookup、scientific-visualization

示例提示词二：单细胞 RNA-seq 分析

Use available skills you have access to whenever possible. Load 10X dataset with Scanpy, perform QC and doublet removal, integrate with Cellxgene 
Census data, identify cell types using NCBI Gene markers, run differential expression with 
PyDESeq2, infer gene regulatory networks with Arboreto, enrich pathways via Reactome/KEGG, 
and identify therapeutic targets with Open Targets.

用到的技能：scanpy、cellxgene-census、database-lookup、pydeseq2、arboreto

更多工作流示例见 docs/examples.md。