夜雨聆风更让人头疼的是，好不容易搞定一个流程，换到化学信息学分析或临床数据挖掘，又得从零折腾一遍。
其实这个困境有解。
社区最近开源了一套叫 Scientific Agent Skills 的工具集，专治这种“想正儿八经做科研分析，却被基础设施卡脖子”的毛病。简单说，它给你用的AI编码助手（Cursor、Claude Code、Codex等）注入了135个现成的科学专业技能，从序列分析到虚拟筛选，从药物发现到临床变异解读，一行命令装上就能用。
核心逻辑就一个：别让AI从头摸索，给它备好弹药和地图。
这135个技能，到底覆盖了什么？
项目把135个技能分成6大方向，每个方向下都有基于真实科研场景打磨好的技能包：
生物信息学与基因组学（21+技能）：覆盖BioPython序列分析、Scanpy单细胞分析、scVelo RNA速率分析、scvi-tools深度生成建模、Arboreto基因调控网络推断、PyDESeq2差异表达分析，以及ETC系统发育等。
化学信息学与药物发现（10+技能）：含RDKit分子操作、DeepChem深度学习建模、DiffDock分子对接、OpenMM分子动力学模拟，还有Rowan云端量子化学计算。
临床研究与精准医学（8+技能）：统一入口对接ClinicalTrials.gov、ClinVar、COSMIC、cBioPortal等临床数据库，外加DepMap癌症依赖性分析、Imaging Data Commons影像数据处理。
机器学习与AI（16+技能）：PyTorch Lightning、Transformers、scikit-learn、Google的TimesFM时序预测模型、PyMC贝叶斯建模、PyMOO多目标优化，以及Torch Geometric图神经网络。
数据分析与可视化（16+技能）：Matplotlib/Seaborn发表级图表、GeoPandas地理空间分析、NetworkX网络可视化，还支持直接生成研究报告级别的Markdown文档。
科学数据库访问（6大统一技能 → 全覆盖100+数据库）：一个统一的数据库查询技能，就能调78个公开科学数据库（PubChem、ChEMBL、UniProt、KEGG、Reactome等），外加BioServices约40个、BioPython 38个、gget 20个基因组数据库的打包接入。
注意，这些不是限制——AI本来就能用任意的Python包。这些技能只是提前帮它踩好了坑，写好了最佳实践的文档和示例，跑起来更稳、更快、更准。
上手有多简单？一条命令
不管你是用Cursor、Claude Code、Codex还是Gemini CLI，只要你的AI代理支持开源的Agent Skills标准，安装就一条命令：
npx skills add K-Dense-AI/scientific-agent-skills如果你习惯用GitHub CLI（v2.90.0+），也可以这样安装：
gh skill install K-Dense-AI/scientific-agent-skills安装完成后，你的AI代理会自动发现这些技能。你什么都不用额外做，在写提示词的时候，AI就会自己识别场景、调用最合适的技能来完成工作。
依赖的Python包怎么办？每个技能的SKILL.md文件里都标明好了，按需安装就行，不会一次全塞给你。
三个真实工作流，看一下有多省力
药物发现管线
你只需要写一句话：
请利用你已安装的技能，查询ChEMBL中EGFR抑制剂（IC50<50nM），用RDKit分析构效关系，用datamol生成改进类似物，通过DiffDock虚拟筛选对接AlphaFold EGFR结构，查找PubMed耐药机制，检查COSMIC的突变情况，最后呈现可视化和综合报告。前后也就一分钟输入的事，涉及7个技能的串联调用。自己去手动对接这些数据库和工具，起码折腾两三天。
单细胞RNA-seq分析
请用Scanpy加载10X数据集，执行QC和双细胞去除，整合Cellxgene Census公共数据，通过NCBI Gene标记鉴定细胞类型，用PyDESeq2做差异表达分析，用Arboreto推断基因调控网络，通过Reactome/KEGG做通路富集，最后用Open Targets识别治疗靶点。一个提示词，从前处理到生物学解释，全线拉通。
临床变异解读
请使用pysam解析VCF文件，用Ensembl VEP注释变异，查询ClinVar的致病性信息，检查COSMIC的癌症突变，从NCBI Gene获取基因信息，用UniProt分析蛋白质功能影响，查找PubMed病例报告，检查ClinPGx药物基因组学，最后生成临床报告。如果你需要分析一份VCF文件评估遗传性癌症风险，这个工作流能把几天的工作压缩成一次推理。
你需要知道的事
这项目不是要替代你，而是让你能更聚焦在科学问题本身。 当所有环境配置和工具对接都被打包成现成技能之后，你真正要做的事情就只剩下：想清楚科学问题，然后让AI帮你跑通流程。
项目采用MIT协议开源，可以自由用于商业或非商业项目。不过注意，每个独立的技能包可能有自己的许可证，使用前最好瞄一眼对应的SKILL.md里的描述。
如果你原来就在用Cursor或Claude Code这类AI辅助编程工具，装上这套技能，就等于给你的编码助手配了一个包含135项专长的科研工具箱。以前它可能只能帮你写CRUD和接口，现在通杀NGS测序、分子模拟、临床试验筛选这些硬核场景。
