Scientific Agent Skills：给任何 AI 智能体装上 163 个科研技能的开源库

科研领域的 AI 智能体一直有个瓶颈：模型会对话，但不会用科研工具。K-Dense 开源的 Scientific Agent Skills 正在解决这个问题——这是一个包含 163 个开箱即用科研技能的 Agent 技能库，GitHub 上已有 34.4k stars，最新版本 v2.64.0（2026 年 8 月 17 日发布），MIT 许可，官方称全球有 17.5 万+ 科学家在使用。它通过 SKILL.md 这一开放标准，把数据库查询、代码分析、科研写作等能力封装成智能体可以直接调用的技能包，兼容主流编码智能体。

它解决的问题：模型会思考，但不会用工具

K-Dense 内部评测给出过一个判断：前沿模型在科研软件的原生能力上已经不输专门工具，差距转移到了模型周围的「工作流层」——数据接入、代码执行、结果验证和可审计的输出。一个只会聊天的智能体，做不了真实科研；而一个挂了技能库的智能体，能直接查数据库、跑分析、写报告。

这正是技能库存在的理由：与其让模型在每步都「自由发挥」然后出错，不如给每一步一个显式的技能定义，把可靠性和可复现性写进去。

库里有什么：163 个技能，17+ 领域的覆盖面

这 163 个技能覆盖基因组学、化学信息学与药物发现、蛋白质组学、临床研究、医学影像、机器学习、材料科学、物理天文、地理空间、实验室自动化、多组学、蛋白工程等 17+ 个科研领域。官方口径是「随时可用的验证技能」，每个技能都带测试套件、示例和版本号。

几个有实测数据的代表性技能：

  • database-lookup：一个技能统一访问 78+ 个科研数据库（癌症基因组、1000 Genomes、病原变异监测等；全库技能合计覆盖 100+ 个数据库）。K-Dense 做了 250 次运行的对照实验：用该技能的任务成功率 100%，不用则是 96%，且 pyOpenMS API 错误减少 92%、成本降低 10%。
  • pyopenms：质谱数据分析专用技能，把仪器数据的加载、处理与分析流程封装成一步一用的标准操作。
  • rowan：化学属性计算，对比实测数据，pKa 平均绝对误差 0.23（R² 0.986），logD（pH 7.4）MAE 1.15，对接姿态恢复 RMSD 0.19 Å，单次计算成本约 0.52 美元。
  • optimize-for-gpu：把 CPU 绑定的 Python 代码迁移到 GPU，12 个库实测加速 1.7x 到 492x，平均约 58 倍。
  • generate-image：科学图表生成，官方对比 240 张图的评测中，Nano Banana 2 Lite 中位延迟 3.8 秒，对比 GPT Image 2 的 49 秒。
  • exa-search：面向学术检索的神经语义搜索，替换关键词匹配，用于文献发现。

这些数字来自 K-Dense 官方博客的基准测试，具体到单个技能的效果，建议以你自己的任务实测为准。

怎么接入：一个 SKILL.md 就是一套技能

整个库遵循开放 Agent Skills 标准：每个技能是一个目录，核心是带元数据（名称、版本、许可证、依赖）的 SKILL.md 文件，必要时附 scripts/ 脚本和 references/ 参考材料。智能体读这个文件就知道技能能做什么、怎么调用。

安装路径很直接，克隆仓库后把技能目录复制到你的智能体配置目录，或直接用 GitHub CLI 安装：

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

兼容 Cursor、Claude Code、Codex、Pi、Antigravity，以及任何支持 Agent Skills 标准的宿主。仓库本体是一个便携插件包（plugin.json + skills/），也可以当插件加载。注意：v2.43.0 之后技能目录从 scientific-skills/ 挪到了 skills/，旧的手动复制路径和书签需要更新。

许可与安全：仓库 MIT，但每个技能独立授权

仓库本身是 MIT 许可，允许商用。但每个技能在 SKILL.md 的 metadata 里有自己的 license 字段，可能不同于仓库的 MIT——商用前按单个技能的许可核对。

安全方面，官方建议的安装流程是：读完整 SKILL.md 和脚本、用扫描工具检查、钉住版本而不是跟分支。仓库所有技能用 Cisco AI Defense Skill Scanner 做注入与恶意代码扫描，贡献代码也要求先本地扫描；同时这些技能默认不在沙箱内运行，生产环境应放在策略管控的沙箱里跑。

适合谁用

  • 科研人员：把重复的数据库查询、格式转换、报告初稿交给智能体，自己盯验证环节。
  • 计算生物/化学等领域的开发者：省去为每个库手写调用封装，技能已把 API 坑位填好。
  • 做科研智能体的团队：这是一个可以直接落地的技能底座，也可以作为参照设计自己的技能库。

一句话结论：Scientific Agent Skills 是目前规模较大、维护活跃的科研 Agent 技能库之一——163 个技能、全库覆盖 100+ 个科研数据库、MIT 许可，把「让智能体做科研」从演示变成可上手的操作。 值不值得用，取决于你的任务是否落在它覆盖的 17+ 领域内；落在范围内，安装半小时就能跑起来对比效果。