用 Scientific Agent Skills 把任意 AI Agent 变成科学家

大多数编码 agent 到写代码、重构代码就停下了。Scientific Agent Skills 给它们装上 161 个现成 skill,延伸到生物、化学、医学和材料科学——查询 PubChem、运行 RDKit、把分子对接到 AlphaFold 结构上——让一条科研流水线变成一次对话。

为什么这个 Skill 重要

科研计算是分散的。一个典型项目要从几十个公共数据库(ChEMBL、UniProt、ClinicalTrials.gov、PubChem)取数据,每个都有自己的 API 和分页怪癖;还要用到专门的 Python 包(RDKit、Scanpy、PyTorch Lightning、scikit-learn),每个都有对版本敏感的 API。你通常把时间花在把文档贴给 agent、再纠正它编造的函数调用上。

这套合集消除了这种摩擦。每个 skill 为一个数据库或包封装了精确的、版本感知的工作流:该请求哪个端点、哪些参数必填、如何解析结果、如何与下一步衔接。agent 在工作流上推理,而不是瞎猜。这些 skill 可在 Cursor、Claude Code、Codex 和 Gemini CLI 上运行,一次安装就能跨主机跟随你。

安装

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

这会把整个合集拉取到你的 agent skills 目录。如果你更喜欢用 GitHub CLI:

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

完整合集很大。只安装你需要的主题子集(见技巧),让你的 agent 上下文窗口保持精简。

实战:药物发现流水线

一个真实场景,不是"hello world":找到候选激酶抑制剂、分析它们,并查阅文献中的耐药性。

流水线:

1. 在 ChEMBL 查询某个靶点蛋白的抑制剂。
2. 用 RDKit 分析构效关系和类药性。
3. 用 DiffDock 把最佳候选对接到 AlphaFold 结构上。
4. 在 PubMed 检索已报道的耐药突变。
5. 汇总成一份可视化报告。

给 agent 的提示:

Find ChEMBL inhibitors of EGFR, compute drug-likeness with RDKit,
dock the top three against AlphaFold's EGFR structure using DiffDock,
and summarize PubMed-reported resistance mutations. Output a markdown report.

因为每个 skill 都封装了正确的调用和参数形态,agent 能一步步走完,无需你盯着 API 细节。数据库 skill 需要联网;Python 包 skill 安装后可离线运行。

agent 会返回一份结构化的 markdown 报告,可以直接交给同事——例如:

## EGFR 抑制剂筛选 — 草稿报告

| 化合物 | ChEMBL ID | 类药性 | 对接分数 |
|---|---|---|---|
| <抑制剂> | CHEMBL... | <Lipinski 违规数> | <kcal/mol> |

PubMed 耐药性:<突变及其影响的抑制剂>

具体的化合物和分数取决于你的查询与已安装的库版本;把这份报告当作需要人工审核的草稿。

实战:一次快速的 PubChem 查询

对更小的任务,单个 skill 就够了。查询一个化合物并获取其属性:

Look up caffeine in PubChem and return its molecular weight, formula,
and a canonical SMILES string.

PubChem skill 知道正确的 REST 端点以及如何解析 JSON,所以你拿到的是结构化字段,而不是一整张粘贴的网页。

以 caffeine 为例,skill 直接返回来自 REST API 的结构化字段:

name:    caffeine
formula: C8H10N4O2
weight:  194.19 g/mol
SMILES:  CN1C=NC2=C1C(=O)N(C(=O)N2C)C

技巧

• 先装子集。 一次装齐 161 个 skill 会挤占你的上下文。先加一个领域(化学信息学、生物信息学、临床研究),按需再扩。
• 把 skill 当依赖对待。 skill 可以执行代码并影响 agent 行为,所以安装前先读一遍——就像你对 npm 包那样的谨慎。
• 注意版本。 科学 Python 库变化很快;这些 skill 是版本感知的,请在你的环境中固定并记录版本,避免漂移。
• 跑自带的测试。 每个 skill 都附带文档、示例和测试套件。安装后跑一遍,确认 skill 在你的环境里行为正常。

何时不用这个 Skill

• 临床诊断或治疗决策。 临床 skill 仅用于回顾性验证——不用于针对特定患者的诊断、报警或部署。把每个临床输出都当作需要合格人工审核的草稿。
• 完全离线的数据库工作。 数据库 skill 通过互联网调用实时 API。在隔离环境中,只有 Python 包 skill 可用。
• 这些领域之外的任务。 如果你的任务从不触及科学数据库或包,这套合集只会增加上下文负担而没有收益。

查看 排行榜 了解更多 skill。