Scientific Agent Skills：把通用 AI 智能体变成科研助手的开源技能库

过去两年，大语言模型写代码、查资料的能力进步很快，但让它真正做科研，仍然有一道明显的门槛。科研工作依赖大量专业软件包、领域数据库和不成文的学科惯例：用哪个库处理单细胞数据，怎样查询化合物数据库，统计结果该做哪些检查，这些知识通用模型只知道一个大概，细节常常出错。Scientific Agent Skills 就是为填这个缺口而生的。它由 K-Dense 创建，是一个面向 AI 智能体的科研技能集合，目前收录 177 个科学与研究技能。项目原名 Claude Scientific Skills，后来改名，原因是它不再只服务 Claude，而是面向所有支持开放 Agent Skills 标准的智能体。在整个生态里，它不是又一个智能体框架，而是挂在各种智能体宿主之上的一层"程序性知识"，让现成的智能体获得领域能力。项目还配有一篇 arXiv 论文，题为《Scientific Agent Skills: A Library of Procedural Knowledge for Research Agents》，并要求在研究中使用时引用。

从能力上看，这个库的核心特点是覆盖面广，同时每个技能都落到具体对象上。按照项目介绍，技能覆盖生物学、化学、医学、物理、工程、地球科学、数据分析和科学传播，描述中还提到药物发现、生物信息学、化学信息学和临床研究等方向。每个技能针对一个具体的软件包、数据源或工作流，给出使用指引，并且写明该领域需要遵守的科学约定和验证检查。这一点和单纯的 API 说明书不同：它教智能体的不只是"怎么调用"，还有"怎样做才算对"。此外，项目声明配合 100 多个科学数据库使用，让智能体能直接面对真实的数据来源。在格式上，它遵循开放的 Agent Skills 标准，同时也是一个符合 Agent Plugins 标准的可移植包，结构是 plugin.json 加 skills 目录，支持该标准的客户端可以把整个集合当作一个插件加载。仓库里还有安全扫描和技能测试两条持续集成流水线，说明维护者在意技能内容的质量与安全，这对要执行代码、访问外部数据的技能库尤其重要。

在使用层面，它的路径比较直接。因为遵循开放标准，Cursor、Claude Code、Codex、Google Antigravity 等兼容宿主都可以加载这些技能，研究者不必绑定某一家模型。文档方面，项目提供带插图的技能指南、按领域划分的技能分类，以及完整的技能目录，读者可以先按自己的研究方向挑选相关技能，而不是一次性全部装上。对于不想自己搭环境的人，K-Dense 还推出了 K-Dense BYOK：一个免费开源、运行在桌面的 AI 共同科学家，由这些技能驱动。用户自带 API key，可以在 40 多个模型中选择，工作区带有网页搜索、文件处理、100 多个科学数据库，并能使用库里全部 177 个技能。数据留在本地，重负载时可以选择通过 Modal 扩展到云端计算。官方还提供了入门网络研讨会的录像，并在 X、LinkedIn、YouTube、Reddit 上同步更新，社区入口比较完整。

仓库星标接近五万，说明关注度很高。从行业角度看，这个项目体现了一种正在成形的分工：模型和智能体框架负责通用推理与工具调用，领域知识则以可复用、可审查的技能包形式分发。对实验室和工程团队来说，这意味着可以把团队积累的方法、检查清单和惯例写成技能，而不是每次靠提示词重新交代。开放标准也降低了迁移成本，换一个智能体宿主，技能仍然可用。当然，风险同样存在。技能只能约束智能体的做法，不能保证结论正确，科研结果仍然需要人来复核。技能库规模大，版本更新快，软件包和数据库接口一旦变化，技能就可能过时。自动执行的代码和外部数据访问也带来安全问题，项目已有安全扫描，但使用者仍应在受控环境中运行。另外，"被全球 25 万以上科学家使用"这类说法来自项目自述，读者应结合自己的场景去验证。接下来值得观察的，是技能数量增长后的质量把控、不同宿主之间的兼容表现，以及 K-Dense BYOK 这类本地优先的科研工作区能否把技能库推向更多非技术背景的研究者。