Scientific Agent Skills：给科研智能体一套可核查的操作规程

科研 agent 能写出一段分析代码，不代表它理解了领域里的数据口径、质量控制和可接受的证据链。Scientific Agent Skills 是 K-Dense 维护的一套科研技能库：每项技能以 SKILL.md 描述特定软件包、数据库或工作流的步骤，并按任务需要加载。当前 README 列出 177 项技能，覆盖生物、化学、医学、地球科学、数据分析和科学写作；仓库主要使用 Python，采用 MIT 许可。截至 2026-10-17，GitHub 显示 51,831 颗星。配套的文献综述工作流图展示了从检索和筛选到核对引用、生成报告的一个具体流程。

核心功能

• 按工作步骤组织，而非只列工具名：每项技能可写入软件或数据库的版本要求、参考资料、代码样例和验证步骤。比如文献综述流程会先定义问题和筛选标准，再检索、去重、筛选全文、综合证据并核对引用；网页摘要不能替代全文评估，图中也把这些限制列了出来。
• 覆盖多个科研环节：仓库包括药物发现、生物信息、单细胞分析、显微图像、神经科学、数据可视化、实验室自动化和科学沟通等工作流。Database Lookup 文档整理了 80 个数据库；另有专项技能与多数据库 Python 包，因此 README 将整个集合概括为 100 多个科学数据库及数据源。
• 兼容多种 agent 环境：项目以 Agent Skills 标准打包，可用于 Claude Code、Cursor、Codex、Gemini CLI 等支持该标准的工具；部分客户端也可把它作为 Agent Plugin 安装。既可以通过 npx skills add 安装集合，也可以选定一个具体技能安装，减少一次载入无关依赖的机会。
• 技能文件不等于依赖环境：仓库明确说明，安装技能文本不会自动安装科研软件、Python 包或外部 API 凭证。每个工作流仍需按 compatibility、环境变量、系统工具和网络要求单独准备环境。
• 文档研究不等于任务能力证明：随仓库发布的 arXiv 论文介绍了早期 163 项技能、16 个实践领域，并测量技能说明的上下文占用；论文明确没有报告任务级评估或宿主选择率。因此，这些数字描述的是文档组织方式，不能直接当成模型科研准确率的证据。

典型使用场景

• 需要按领域规则处理分析数据的研究者：例如用 Scanpy 处理单细胞数据、用 RDKit 做化学信息学，或按文档化流程访问 PubMed、UniProt 和 ClinicalTrials.gov。技能提供的是操作框架，研究设计与结果解释仍需要领域人员审核。
• 要把 agent 输出变成可审阅材料的团队：技能可能要求保留数据来源、软件版本、校验结果和不确定性，适用于需要复现或同行复核的研究流程。
• 想按需扩展工具链的开发者：可从单个 SKILL.md 开始查看，再决定是否安装其脚本、包和数据库连接，而不是把整个仓库当作一个无边界的自动科研系统。

如果目标是把 agent 的工作步骤写成跨任务的工程规矩，可以对照 agent-skills；如果需要隔离并记录并行实验，可以看 OpenResearch。两者解决的层次不同，技能库提供领域操作指导，工程流程和实验运行仍由调用它们的工具负责。

快速上手

先浏览目录，再安装单项技能，或在兼容的 agent 环境中安装整套技能：

npx skills add K-Dense-AI/scientific-agent-skills --list
npx skills add K-Dense-AI/scientific-agent-skills --skill scanpy

也可用 GitHub CLI 将某个技能安装到指定宿主：

gh skill install K-Dense-AI/scientific-agent-skills scanpy --agent codex

命令来自仓库 README；安装命令和可选字段支持会随宿主版本变化，运行前应查看相应客户端文档。环境依赖要按目标技能的说明另行配置。

小结

Scientific Agent Skills 适合需要反复调用专业科研软件或数据库、并希望 agent 遵循一套可审阅操作说明的研究者与开发者。它提供知识与流程文档，不会取代统计审查、实验复核、医学判断或专业人员的责任。仓库 README 也明确指出，临床相关技能只支持研究或由合格人员审核的准备工作，不能用于个体诊断、治疗或临床决策。

安装前还应查看具体技能的代码、依赖和网络行为。项目的安全扫描报告标注生成时间为 2026-10-12：当时扫描 177 项技能，记录 469 条发现，其中 32 条 Critical、21 条 High，159 项被标为 Safe。自动扫描结果不等于逐项人工确认的漏洞清单，但这组报告数字足以说明应按需安装、先读 SKILL.md 和脚本，并核对调用的服务与数据范围。技能会在本地运行时执行命令或访问外部 API，选用的数据库和模型也可能收到查询内容；请按研究数据许可与机构要求设置边界。仓库使用 MIT 许可，主要语言是 Python。