K-Dense-AI/scientific-agent-skills

Source: https://github.com/K-Dense-AI/scientific-agent-skills

Scientific Agent Skills

🔔 Claude Scientific Skills 现已更名为 Scientific Agent Skills。 技能相同，但兼容性更广——现在不仅限于 Claude，还支持任何兼容开放 Agent Skills (https://agentskills.io/) 标准的 AI Agent。

新品：K-Dense BYOK (https://github.com/K-Dense-AI/k-dense-byok) —— 一款免费的开源 AI 协科研员，运行在你的桌面上，由 Scientific Agent Skills 提供动力。自带 API Key，从 40+ 模型中任选，获得包含网络搜索、文件处理、100+ 科学数据库以及本仓库全部 135 项技能的全功能研究工作空间。你的数据保留在本地电脑上，对于重度工作负载，你还可以选择通过 Modal (https://modal.com/) 扩展到云端计算。从这里开始。(https://github.com/K-Dense-AI/k-dense-byok)

许可证：MIT 技能 数据库 Agent Skills (https://agentskills.io/) 兼容 X (https://x.com/k_dense_ai) LinkedIn (https://www.linkedin.com/company/k-dense-inc) YouTube (https://www.youtube.com/@K-Dense-Inc)

由 K-Dense (https://k-dense.ai) 创建，这是一套全面收集的 135 项即用型科学与研究技能（涵盖癌症基因组学、药物-靶点结合、分子动力学、RNA 速度、地理空间科学、时间序列预测、通过 Hugging Science 进行的科学 ML 资源发现、78+ 个科学数据库等），适用于任何支持开放 Agent Skills (https://agentskills.io/) 标准的 AI Agent。与 Cursor, Claude Code, Codex 及其他更多工具 兼容。将你的 AI Agent 转化为一个研究助手，能够在生物学、化学、医学及更广泛领域执行复杂的多步骤科学工作流。

这些技能使你的 AI Agent 能够无缝处理多个科学领域中的专用科学库、数据库和工具。虽然 Agent 本身可以使用任何 Python 包或 API，但这些明确定义的技能提供了精选的文档和示例，使其在以下工作流中显著更强、更可靠：

• 🧬 生物信息学与基因组学 - 序列分析、单细胞 RNA-seq、基因调控网络、变异注释、系统发育分析
• 🧪 化学信息学与药物发现 - 分子性质预测、虚拟筛选、ADMET 分析、分子对接、先导化合物优化
• 🔬 蛋白质组学与质谱 - LC-MS/MS 处理、肽段鉴定、光谱匹配、蛋白质定量
• 🏥 临床研究及精准医学 - 临床试验、药物基因组学、变异解读、药物安全性、临床决策支持、治疗方案规划
• 🧠 医疗 AI 与临床 ML - EHR 分析、生理信号处理、医学影像、临床预测模型
• 🖼️ 医学影像与数字病理学 - DICOM 处理、全切片图像分析、计算病理学、放射科工作流
• 🤖 机器学习与 AI - 深度学习、强化学习、时间序列分析、模型可解释性、贝叶斯方法
• 🔮 材料科学与化学 - 晶体结构分析、相图、代谢建模、计算化学
• 🌌 物理与天文学 - 天文数据分析、坐标变换、宇宙学计算、符号数学、物理计算
• ⚙️ 工程与仿真 - 离散事件仿真、多目标优化、代谢工程、系统建模、工艺优化
• 📊 数据分析与可视化 - 统计分析、网络分析、时间序列、出版级图表、大规模数据处理、探索性数据分析 (EDA)
• 🌍 地理空间科学与遥感 - 卫星影像处理、GIS 分析、空间统计、地形分析、地球观测机器学习
• 🧪 实验室自动化 - 液体处理协议、实验室设备控制、工作流自动化、LIMS 集成
• 📚 科学传播 - 文献综述、同行评审、科学写作、文档处理、海报、幻灯片、示意图、引用管理
• 🔬 多组学与系统生物学 - 多模态数据整合、通路分析、网络生物学、系统级见解
• 🧬 蛋白质工程与设计 - 蛋白质语言模型、结构预测、序列设计、功能注释
• 🎓 研究方法论 - 假设生成、科学头脑风暴、批判性思维、基金申请写作、学者评估

将你的 AI 编码代理转化为桌面上的“AI 科学家”！

⭐ 如果你觉得这个仓库有用，请考虑给它点个星星！这有助于其他人发现这些工具，并鼓励我们继续维护和扩展这个集合。

🎬 初次使用 Scientific Agent Skills？ 观看我们的 Scientific Agent Skills 入门指南 (https://youtu.be/ZxbnDaD_FVg) 视频，快速了解操作流程。

📦 包含内容

本仓库提供了 135 项科学与研究技能，组织如下类别：

• 100+ 科学与金融数据库 - 统一的数据库查询技能提供了对 78 个公共数据库（PubChem, ChEMBL, UniProt, COSMIC, ClinicalTrials.gov, FRED, USPTO 等）的直接访问，以及针对 DepMap, Imaging Data Commons, PrimeKG, 美国财政部财政数据 和 Hugging Science（涵盖 Hugging Face 上 17 个科学领域的科学数据集、模型和演示的精选目录）的专用技能。像 BioServices（约 40 个生物信息服务）、BioPython（通过 Entrez 访问 38 个 NCBI 子数据库）和 gget（20+ 基因组数据库）这样的多数据库包进一步扩展了覆盖范围
• 70+ 优化 Python 包技能 - 针对 RDKit, Scanpy, PyTorch Lightning, scikit-learn, BioPython, pyzotero, BioServices, PennyLane, Qiskit, OpenMM, MDAnalysis, scVelo, TimesFM 及其他包的明确定义的技能——附带精选文档、示例和最佳实践。注意：Agent 可以使用任何 Python 包进行编码，不仅仅局限于这些；这些技能只是为列出的包提供了更强、更可靠的性能
• 9 个科学集成技能 - 针对 Benchling, DNAnexus, LatchBio, OMERO, Protocols.io, Open Notebook 等明确定义的技能。同样，Agent 并不局限于这些——任何可以从 Python 访问的 API 或平台都是可用的；这些技能是经过优化的、预先文档化的路径
• 30+ 分析与沟通工具 - 文献综述、科学写作、同行评审、文档处理、海报、幻灯片、示意图、信息图、Mermaid 图表等
• 10+ 研究与临床工具 - 假设生成、基金申请写作、临床决策支持、治疗方案、法规合规、情景分析

每项技能包括：

• ✅ 全面文档 (SKILL.md)
• ✅ 实用代码示例
• ✅ 用例和最佳实践
• ✅ 集成指南
• ✅ 参考资料

📋 目录

• 包含内容
• 为什么使用它？
• 入门指南
• 安全免责声明
• 支持开源
• 前置要求
• 快速示例
• 用例
• 可用技能
• 贡献
• 故障排除
• 常见问题
• 支持
• 引用
• 许可证

🚀 为什么使用它？

⚡ 加速你的研究

• 节省数天的工作 - 跳过 API 文档研究和集成设置
• 生产就绪代码 - 遵循科学最佳实践的测试和验证示例
• 多步骤工作流 - 通过单个提示执行复杂流水线

🎯 全面覆盖

• 135 项技能 - 全面覆盖所有主要科学领域
• 100+ 数据库 - 通过 database-lookup 统一访问 78+ 个数据库，加上专用数据访问技能和像 BioServices, BioPython 和 gget 这样的多数据库包
• 70+ 优化 Python 包技能 - RDKit, Scanpy, PyTorch Lightning, scikit-learn, BioServices, PennyLane, Qiskit, OpenMM, scVelo, TimesFM 及其他（Agent 可以使用任何 Python 包；这些是预先文档化、性能更高的路径）

🔧 轻松集成

• 简单设置 - 将技能复制到你的技能目录并开始工作
• 自动发现 - 你的 Agent 会自动查找并使用相关技能
• 文档完善 - 每项技能包括示例、用例和最佳实践

🌟 维护与支持

• 定期更新 - 由 K-Dense 团队持续维护和扩展
• 社区驱动 - 开源，拥有活跃的社区贡献
• 企业就绪 - 为高级需求提供商业支持

🎯 入门指南

选项 1：npx（所有平台）

通过单条命令安装 Scientific Agent Skills：

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

这是在所有平台（包括 Claude Code, Claude Cowork, Codex, Gemini CLI, Cursor 以及任何其他支持开放 Agent Skills (https://agentskills.io/) 标准的 Agent）上安装 Agent Skills 的官方标准方法。

选项 2：GitHub CLI (gh skill)

如果你使用 GitHub CLI (https://cli.github.com/) (v2.90.0+)，你可以使用 gh skill (https://github.blog/changelog/2026-04-16-manage-agent-skills-with-github-cli/) 安装技能：

``bash

浏览并交互式安装

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

直接安装特定技能

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

针对特定 Agent 主机

gh skill install K-Dense-AI/scientific-agent-skills –agent cursor gh skill install K-Dense-AI/scientific-agent-skills –agent claude-code gh skill install K-Dense-AI/scientific-agent-skills –agent codex gh skill install K-Dense-AI/scientific-agent-skills –agent gemini ``

gh skill 会自动安装到你的 Agent 主机的正确目录，并记录供应链完整性的来源元数据。

版本锁定

锁定到特定的发布标签或提交 SHA 以实现可重复安装：

``bash

锁定到发布标签

gh skill install K-Dense-AI/scientific-agent-skills –pin v1.0.0

锁定到提交 SHA

gh skill install K-Dense-AI/scientific-agent-skills –pin abc123def ``

保持技能更新

``bash

交互式检查更新

gh skill update

更新所有已安装的技能

gh skill update –all ``

就是这样！ 你的 AI Agent 会自动发现这些技能，并在涉及你的科学任务时使用它们。你也可以通过在提示中提及技能名称来手动调用任何技能。

⚠️ 安全免责声明

技能可以执行代码并影响你的编码代理的行为。请审查你安装的内容。

Agent Skills 功能强大——它们可以指示你的 AI Agent 运行任意代码、安装包、发出网络请求并修改你系统上的文件。恶意或编写不佳的技能有可能引导你的编码代理进入有害行为。

我们非常重视安全性。所有贡献都经过审查流程，并且我们对本仓库中的每一项技能运行基于 LLM 的安全扫描（通过 Cisco AI Defense Skill Scanner (https://github.com/cisco-ai-defense/skill-scanner)）。然而，作为一个小团队，随着越来越多的社区贡献，我们无法保证每项技能都对所有可能的风险进行了详尽审查。

最终由你负责审查你安装的技能，并决定信任哪些。

我们建议如下：

• 不要一次性安装所有内容。 只安装你工作中实际需要的技能。虽然当 K-Dense 创建并维护每项技能时安装完整集合是合理的，但该仓库现在包含许多我们可能没有同样彻底审查的社区贡献。
• 安装前阅读 SKILL.md。 每项技能的文档描述了它做什么、使用什么包以及连接什么外部服务。如果看起来可疑，不要安装。
• 检查贡献历史。 由 K-Dense (K-Dense-AI) 编写的技能已经过我们的内部审查流程。社区贡献的技能已在我们能力范围内进行了审查，但资源有限。
• 自行运行安全扫描器。 在安装第三方技能之前，在本地扫描它们： bash uv pip install cisco-ai-skill-scanner skill-scanner scan /path/to/skill --use-behavioral
• 报告任何可疑内容。 如果发现看起来恶意或行为异常的技能，请立即打开一个问题 (https://github.com/K-Dense-AI/scientific-agent-skills/issues) 以便我们调查。

所有技能大约每周扫描一次，SECURITY.md 会更新最新结果。我们努力解决出现的安全漏洞。

❤️ 支持开源社区

Scientific Agent Skills 由全球敬业的开发人员和研究社区维护的 50+ 个 incredible 开源项目 提供支持。像 Biopython, Scanpy, RDKit, scikit-learn, PyTorch Lightning 和许多其他项目构成了这些技能的基础。

如果你觉得这个仓库有价值，请考虑支持使其成为可能的项目：

• ⭐ 在 GitHub 上给他们的仓库加星
• 💰 通过 GitHub Sponsors 或 NumFOCUS 赞助维护者
• 📝 在你的出版物中引用项目
• 💻 贡献 代码、文档或错误报告

👉 查看需要支持的项目完整列表

⚙️ 前置要求

• Python: 3.11+（为了更好的兼容性，推荐 3.12+）
• uv: Python 包管理器（用于安装技能依赖项所必需）
• 客户端: 任何支持 Agent Skills (https://agentskills.io/) 标准的 Agent (Cursor, Claude Code, Gemini CLI, Codex 等)
• 系统: 带有 WSL2 的 macOS, Linux 或 Windows
• 依赖项: 由各技能自动处理（查看 SKILL.md 文件了解具体要求）

安装 uv

这些技能使用 uv 作为包管理器来安装 Python 依赖项。使用操作系统的说明进行安装：

macOS 和 Linux: bash curl -LsSf https://astral.sh/uv/install.sh | sh

Windows: powershell powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

替代方法（通过 pip）: bash pip install uv

安装后，运行以下命令验证其是否正常工作： bash uv --version

有关更多安装选项和详细信息，请访问官方 uv 文档 (https://docs.astral.sh/uv/)。

💡 快速示例

安装技能后，你可以要求你的 AI Agent 执行复杂的多步骤科学工作流。以下是一些示例提示：

🧪 药物发现流水线

目标：寻找用于治疗肺癌的新型 EGFR 抑制剂

提示: 尽可能使用你可以访问的可用技能。查询 ChEMBL 以寻找 EGFR 抑制剂 (IC50 < 50nM)，使用 RDKit 分析构效关系，使用 datamol 生成改进的类似物，针对 AlphaFold EGFR 结构使用 DiffDock 进行虚拟筛选，在 PubMed 上搜索耐药机制，在 COSMIC 中检查突变，并创建可视化和综合报告。

使用的技能: ChEMBL, RDKit, datamol, DiffDock, AlphaFold DB, PubMed, COSMIC, 科学可视化

需要云端 GPU 和最终出版级报告？在 K-Dense Web 上免费运行。(https://k-dense.ai)

🔬 单细胞 RNA-seq 分析

目标：集成公共数据的 10X Genomics 数据综合分析

提示: `` 尽可能使用你可以访问的可用技能。使用 Sca