Scientific Agent Skills 简介

项目动机

Scientific Agent Skills 是由 K-Dense 维护的、面向 AI Agent 的科研技能集合。它遵循开放的 Agent Skills 标准，同时以 Agent Plugins 规范的 plugin.json + skills/ 目录结构发布，可在 Cursor、Claude Code、Codex、Google Antigravity 等宿主中即插即用。每个技能对应一个 SKILL.md 文档，描述其用途、版本基线、工作流、依赖与校验逻辑，并附带代码示例、参考脚本或模板。

虽然 Agent 本身可以调用任意 Python 包或 API，但预先编写并经过审校的技能能在科学数据检索、参数选择、结果校验与可复现性方面提供更稳定、更安全的执行路径。

核心特性

• 177 项技能，覆盖生物学、化学、医学、物理学、工程、地球科学、数据分析与科学传播等领域
• 100+ 数据库访问：Database Lookup 技能收录 80 个公共、注册或授权数据库（PubChem、ChEMBL、UniProt、COSMIC、FRED、USPTO 等），另有 DepMap、Imaging Data Commons、PrimeKG 等独立技能
• 70+ 优化 Python 包技能：为 RDKit、Scanpy、PyTorch Lightning、scikit-learn、PyDESeq2、pydicom、NeuroKit2、PufferLib、QuTiP、GeoPandas、pymatgen、Qiskit、OpenMM/MDAnalysis 等版本敏感包提供文档化基线
• 9 项科学平台集成：Benchling、DNAnexus、LatchBio、OMERO、Protocols.io、Open Notebook、Ginkgo Cloud Lab、LabArchives、Opentrons
• 30+ 分析与写作工具：文献综述、可追溯写作、PptxGenJS/python-pptx 驱动的科学幻灯片、Paperclip（全文论文与 FDA/PMDA/EMA 申报材料）、Mermaid 图等
• 10+ 临床与研究工具：PK/PD 建模与模拟、ICH Q2(R2)/Q14 / USP / CLSI 方法学验证、ISO 13485/14971/17025/15189 证据准备、Autoskill 工作流生成等

2.72.0 更新要点

不再捆绑源自 Anthropic 仓库的 docx、pdf、pptx、xlsx 四个文档技能；当前版本共 177 项技能。Scientific Slides 技能改用 PptxGenJS 或 python-pptx 构建幻灯片，并通过 LibreOffice 及自有渲染脚本进行校验。

2.71.0 更新要点

全量刷新 181 项技能。Database Lookup 现收录 80 个数据源；PathML 基线升至 3.0.8、GeoPandas 1.2.0、build123d 0.13.0；PufferLib 区分原生 5.0、PyPI 3.0.0 与历史 4.0 工作流；Bulk RNA-seq 将计数矩阵交接至 PyDESeq2，Pathway Enrichment 覆盖下游富集。

适用场景

• 生物信息与基因组学：序列分析、单细胞 RNA-seq、CRISPR 池筛、引物设计、扩增子微生物组、变异注释
• 化学信息与药物发现：分子性质预测、虚拟筛选、ADMET、分子对接、先导优化、定标一维 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：临床试验、药物基因组学、PK/PD 建模、决策支持评估
• 神经科学与电生理：BIDS 数据集、NWB 转换与时钟对齐、胞外记录
• 材料与化学：晶体结构分析、CALPHAD 相平衡、计算化学
• 地球与海洋科学：卫星影像处理、GIS、海水碳酸盐化学
• 科学传播：可追溯写作、文档处理、文献综述、引用管理

快速上手

# 方式一：通用安装（Claude Code、Cursor、Codex、Gemini CLI 等）
npx skills add K-Dense-AI/scientific-agent-skills

# 方式二：GitHub CLI（v2.90.0+）
gh skill install K-Dense-AI/scientific-agent-skills
gh skill install K-Dense-AI/scientific-agent-skills scanpy        # 安装单项
gh skill install K-Dense-AI/scientific-agent-skills --pin v2.71.0 # 版本锁定

# 方式三：手动克隆到宿主扫描目录
git clone https://github.com/K-Dense-AI/scientific-agent-skills.git \
  ~/.agents/skills/scientific-agent-skills

Cursor 插件模式

mkdir -p ~/.cursor/plugins/local
ln -s "$(pwd)" ~/.cursor/plugins/local/scientific-agent-skills

随后重启 Cursor 或执行 Developer: Reload Window，即可在 Customize 中看到插件及其技能。

前置条件

• Python 3.13+（仓库工具链）；各技能依赖可能支持更宽的版本范围
• 包管理器 uv
• 支持 Agent Skills 标准的客户端
• macOS / Linux / Windows（WSL2）
• 每个技能在其 SKILL.md 的 compatibility 字段中声明系统工具、凭据与网络访问要求，复制技能文件不会自动安装其依赖

使用示例

药物发现流程

请优先使用你已安装的可用技能：
在 ChEMBL 中查询 IC50 < 50nM 的 EGFR 抑制剂，
使用 RDKit 分析构效关系并用 datamol 生成改进的类似物，
针对 AlphaFold 预测的 EGFR 结构用 DiffDock 进行虚拟筛选，
通过 PubMed 检索耐药机制，从 COSMIC 查询突变位点，
最后生成可视化图表与综合报告。

涉及技能：database-lookup、rdkit、datamol、diffdock、paper-lookup、scientific-visualization。

单细胞 RNA-seq 分析

请优先使用你已安装的可用技能：
使用 Scanpy 加载 10X 数据集，执行质控与双细胞去除，
与 Cellxgene Census 数据整合，识别细胞类型……

涉及技能：scanpy、cellxgene-census、single-cell-rna-seq 等。

安全说明

技能可指导 AI Agent 执行任意代码、安装包、发起网络请求或修改文件。仓库通过 Cisco AI Defense Skill Scanner 进行周期性 LLM 扫描，扫描结果发布于 docs/security-report.md。建议：

• 仅安装实际需要的技能，避免一次性安装全集
• 安装前阅读 SKILL.md，了解其使用的外部依赖与网络端点
• 优先选用 K-Dense 官方作者提交的技能
• 本地复扫： bash uv pip install cisco-ai-skill-scanner skill-scanner scan /path/to/skill --use-behavioral
• 发现可疑行为时及时提交 Issue

引用与许可

论文：Scientific Agent Skills: A Library of Procedural Knowledge for Research Agents（arXiv:2609.00065）。仓库使用 MIT 协议授权。