摘要：
... 科研工作者最痛苦的事情之一，莫过于有了一个绝妙的研究想法，却要把大量时间花在“让AI工具理解科研语境”上——你要告诉它什么是ChEMBL、怎么用Scanpy处理单细胞数据、去哪里查临床试验信息……光是“对齐认知”就要浪费掉大把时间。
K-Dense 的 Scientific Agent Skills 正在彻底改变这件事。
这是什么？
简单来说，这是一个专为科学研究打造的 AI 代理技能库，包含 163 个开箱即用的验证技能和 100 多个科学数据库的访问能力。它的目标非常直接：把你的 AI 编程助手变成一位真正懂科研的“AI 科学家”。
目前已经有 超过 19 万名科学家 在使用这个技能库。兼容 Cursor、Claude Code、Codex、Google Antigravity、Gemini CLI 等几乎所有主流 AI 编程工具。
为什么它和普通 AI 编程助手不一样？
普通的 AI 编程助手虽然能写 Python 代码，但它不知道 RDKit 的分子指纹怎么算才最可靠，不知道 Scanpy 的单细胞质量控制有哪些坑，也不知道去哪里查某个基因的变异信息最权威。
而 Scientific Agent Skills 的 163 个技能，覆盖了 生物信息学、化学信息学、药物发现、蛋白质组学、临床研究、医学影像、材料科学、物理学、天文、地理空间科学、多组学整合 等十几个科研领域。每个技能都包含：完整文档（SKILL.md）、实用代码示例、最佳实践、集成指南和测试套件。
更重要的是，它提供了100 多个科学数据库的统一访问能力——PubChem、ChEMBL、UniProt、COSMIC、ClinicalTrials.gov、FDA 数据库等等。你的 AI 代理不再需要你手把手教它怎么调用这些 API，直接说需求就行。
真实场景有多强？
来看几个例子：
药物发现管线——你只需要一句话：“查询 ChEMBL 中 EGFR 抑制剂（IC50 < 50nM），用 RDKit 分析构效关系，用 DiffDock 做虚拟筛选，查 PubMed 找耐药机制，再生成一份综合报告。”AI 会自动调用 database-lookup、rdkit、datamol、diffdock、paper-lookup、scientific-visualization 等技能完成全流程。
单细胞 RNA-seq 分析——加载 10X 数据，用 Scanpy 做质控和双细胞去除，整合 Cellxgene Census 公共数据，用 NCBI Gene 标记鉴定细胞类型，用 PyDESeq2 做差异表达，用 Arboreto 推断基因调控网络。
多组学生物标志物发现——整合 RNA-seq、蛋白质组学和代谢组学数据，预测患者预后。
这些原本需要数天甚至数周才能完成的多步骤科研流程，现在可以用一句话让 AI 代理自动执行。
上手有多简单？
安装只需要一行命令：
npx skills add K-Dense-AI/scientific-agent-skills
或者用 GitHub CLI（v2.90.0+）：
gh skill install K-Dense-AI/scientific-agent-skills
还可以指定只安装某个特定技能，比如只装 Scanpy 相关技能。因为 163 个技能全部加载会占用大量上下文，官方也建议按需安装部分技能。
值得一提的是，K-Dense 还提供了一个叫 BYOK 的免费开源 AI 协同科学家桌面应用，自带 40 多种模型可选、网页搜索、文件处理、100+ 科学数据库，以及这个仓库的全部 163 个技能——你的数据完全留在本地电脑上。
安全吗？
技能可以执行代码、安装包、发起网络请求、修改文件。K-Dense 团队对所有技能做了 LLM 安全扫描（通过 Cisco AI Defense Skill Scanner），每周增量扫描、每 30 天全量重扫，结果公开发布在安全报告中。当然，官方也建议用户只安装自己需要的技能，安装前先读一读 SKILL.md。
总结
如果说 Cursor、Claude Code 这些工具解决了“AI 帮你写代码”的问题，那么 Scientific Agent Skills 解决的是 “AI 帮你做科研” 的问题。在 AI 工具导航 中，科研类技能库并不少见，但像这样覆盖 163 个技能、100+ 数据库、190000+ 用户的规模，确实独树一帜——它相当于一张精准的 AI 科研导航 地图，告诉你的 AI 代理：科研数据在哪里、用什么工具分析、每一步怎么走最可靠。