夜雨聆风AI for Science · 周日工具推荐
GitHub开源 · MIT许可 · 2026年8月
核心亮点
同一个 AI，为什么有人一天跑完药物筛选，有人只会写周报？差距不在模型，在工具。本期推荐 Scientific Agent Skills：开源给 AI 配齐 162 项科研技能、100+ 数据库，覆盖药物发现到临床研究全流程，一条命令装进你的智能体。
为什么推荐这个工具
科研 AI 这几年突飞猛进，但大多数人的用法还停留在"把问题打字发给大模型"。模型再强，不会查数据库、不会跑分析软件，就只是个会说话的通用助手。
本周推荐的开源项目 Scientific Agent Skills（前身叫 Claude Scientific Skills），把"工具"这件事做成了标准件：162 项经过验证的科研技能，从查数据库、跑分子对接，到写综述、做图表，一次配齐。官方称已有 17 万+ 科研人员在使用，MIT 协议完全免费。
本期工具：Scientific Agent Skills
由 K-Dense 团队维护（GitHub 仓库），遵循开放的 Agent Skills 标准。任何支持该标准的智能体都能直接加载——不只是 Claude，还包括 Cursor、Codex、Gemini CLI、Google Antigravity，乃至 Hermes Agent（通过 skills tap 一条命令添加）。仓库持续高频更新，本周仍在发布新版本。
图1｜项目 GitHub 主页：162 项技能、100+ 数据库、3.3 万+ 星标。
它能做什么：从数据库到实验方案
技能按学科组织，覆盖生物医学的绝大部分日常任务：
- 数据库一站直达：database-lookup 一条技能统一查询 78 个公共数据库（PubChem、ChEMBL、UniProt、PDB、AlphaFold、KEGG、ClinVar、COSMIC、ClinicalTrials.gov、FDA 等），另有 BioServices 约 40 项服务、BioPython 的 39 个 NCBI 子库、gget 的 20+ 基因组数据库，合计 100+。
- 药物发现流水线：查 ChEMBL 抑制剂活性 → RDKit 分析构效关系 → datamol 生成类似物 → DiffDock 做分子对接 → PubMed 查耐药机制 → 自动出报告，一句提示词跑完全程。
- 单细胞与基因组：Scanpy 质控去双细胞、整合 Cellxgene Census 公共数据、PyDESeq2 差异表达、Arboreto 推断基因调控网络。
- 实验平台集成：Benchling、DNAnexus、LatchBio、OMERO、Opentrons 等 9 个平台均有预置技能，协议设计、LIMS 操作不用从零读文档。
- 写作与汇报：文献综述、SCI 写作、同行评审、PPT/学术海报、信息图生成，全链路覆盖。
图2｜DiffDock 分子对接技能界面：AI 按技能指引完成对接与结果解读。
图3｜database-lookup 技能：一条技能统一检索 78 个科学数据库。
为什么有效：模型不再是瓶颈，工作流才是
项目团队的核心观点：前沿模型在原始能力上已经能对标专业科研软件，真正限制科研 AI 的是数据访问、代码执行、结果验证这一整圈"工作流"。
技能把"调哪个 API、参数怎么传、有什么坑"全部写进文档并配测试，智能体不用每次从头摸索——把隐性知识变成可复用的标准件。
每条技能自带 SKILL.md 文档、代码示例和测试套件，CI 中自动跑结构校验；数据库类技能还记录查询来源（provenance），结果可追溯。
数据说话：技能加成实测
官方博客发布的多组对照实验显示，技能加成可量化：
| 技能 | 实测结果 |
|---|---|
| PyOpenMS 质谱分析 | 任务成功率 96%→100%，API 报错 -92%，成本 -10% |
| Rowan 量子化学 | pKa 误差 0.23，对接姿态 RMSD 0.19 Å，单次约 0.5 美元 |
| 数据库查询整合 | 常驻上下文成本 -13.9 倍，路由准确率不变 |
| GPU 加速 | 平均加速 58 倍（1.7–492 倍） |
上手方式
- 一条命令：npx skills add K-Dense-AI/scientific-agent-skills，主流宿主自动安装。
- GitHub CLI：gh skill install K-Dense-AI/scientific-agent-skills，可按需安装单个技能。
- 手动克隆：git clone 到 ~/.agents/skills/ 目录，重启智能体即可发现。
- 按需安装：162 项全装会占用大量上下文，建议只装自己领域需要的子集。
三点提醒
- 安全第一：技能可以执行代码、联网、改文件。安装前先读 SKILL.md；官方每周用安全扫描器检查，但社区贡献的技能仍需自己把关，只装需要的。
- 许可细节：仓库本身是 MIT，但每条技能可能有自己的 license 字段，商用前逐条确认。
- 数字口径：成功率、星标等来自官方自测与仓库页面，实际效果因任务而异——工具再好，科研判断还得靠自己。
觉得有用？转发给还在手工查数据库的实验室同学。
— END —
组织工程研究前沿
聚焦 AI for Science