Claude Scientific Skills是一个全面且开源的130 多项即用型科研与学术技能集合能够将任何 AI 编程 Agent 转变为得力的研究助手。这些技能基于 K-Dense Inc. 提出的开放 Agent Skills 标准构建为你的 AI Agent 提供经过精心整理的文档、代码示例和最佳实践助其驾驭基因组学、药物研发、临床研究、量子计算等众多领域的专业科学库、数据库和工具。你可以将其视为一个预加载的知识库让你的 AI Agent 能够“像经验丰富的研究员一样”使用科学软件而无需你花费数天时间去啃 API 文档。Claude Scientific Skills 代码库的发展势头迅猛。截至 2026 年 3 月下旬该项目已获得16.4k star和1.8k fork成为科学计算领域 star 数最多的 agent 技能代码库之一。意义每项技能都是scientific-skills/目录下的一个独立文件夹用于教会你的 AI Agent 如何使用特定的工具或数据源。技能本身并非工具而是一套经过优化的指令、文档和代码示例当你要求 Agent 执行相关任务时它会查阅这些内容。底层的 Python 包和 API 需单独安装而技能的作用仅仅是确保你的 Agent 能够正确且高效地使用它们。这 130 多项技能可划分为五大核心类别分别涵盖科学计算栈的不同层面类别技能数量涵盖内容示例科学数据库37 专项技能 → 涵盖 250 个数据库针对特定命名数据库的直接优化访问用于查询基因组学、化学、临床及文献数据PubMed、ChEMBL、UniProt、COSMIC、ClinicalTrials.gov、EnsemblPython 包技能60 优化包针对主流科学计算 Python 库精选的文档与最佳实践RDKit、Scanpy、PyTorch Lightning、scikit-learn、PennyLane、Qiskit科学平台集成15 个平台面向实验室与云平台的编程访问实现自动化与数据管理Benchling、DNAnexus、Opentrons、LatchBio、OMERO分析与学术交流35 个工具文献综述、写作、可视化、文档处理及演示工具Scientific Writing、Peer Review、Scientific Slides、LaTeX Posters研究与临床工具10 个专用工具假设生成、临床决策支持、基金申请、法规合规Clinical Decision Support、Treatment Plans、Research Grants功能Claude Scientific Skills 的真正威力在于你可以在单条提示词中组合多项技能从而构建出通常需要精通多种工具的专业知识才能完成的复杂多步科研工作流。以下仅列举其涵盖的若干领域 生物信息学与基因组学— 序列分析、单细胞 RNA 测序Scanpy、scvi-tools、AnnData、基因调控网络Arboreto、变异注释Ensembl、ClinVar、系统发生学以及表观基因组学deepTools。 化学信息学与药物研发— 分子属性预测RDKit、DeepChem、虚拟筛选ZINC、DiffDock、ADMET 分析、分子对接、先导化合物优化以及逆合成规划TorchDrug。 临床研究与精准医疗— 临床试验分析ClinicalTrials.gov、药物基因组学ClinPGx、癌症突变数据库COSMIC、cBioPortal、临床决策支持以及治疗方案制定。 机器学习与 AI— 深度学习PyTorch Lightning、Transformers、强化学习Stable Baselines3、PufferLib、贝叶斯建模、量子计算PennyLane、Qiskit、Cirq以及模型可解释性SHAP。 数据分析与可视化— 统计建模statsmodels、scikit-learn、出版级图表Matplotlib、Seaborn、Plotly、网络分析、大规模数据处理Dask、Polars、Vaex以及地理空间分析。 科学交流— 文献综述、同行评审、科技论文写作、海报设计LaTeX、PPTX、示意图、信息图、文献管理以及文档处理PDF、DOCX、XLSX。运作机制从根本上讲Claude Scientific Skills 遵循三层架构。你的AI Agent位于最上层接收你的自然语言提示词。它会从本地技能目录中发现并加载相关的技能Skills。随后每项技能会调用外部工具——即 Python 包、REST API、云平台等——来执行实际的科研工作。你无需亲自编写集成代码技能自带的文档和示例会引导 Agent 完成每一个步骤。unsetunset技能核心unsetunset每个技能文件夹都遵循一致的内部结构。以下是一个展示典型技能解剖结构的代表性示例——以RDKit化学信息学工具包为例——并附带一个较简单的数据库技能作为对比scientific-skills/├── rdkit/ ← Package skill (rich content)│ ├── SKILL.md ← Core documentation examples│ ├── references/ ← Deep-dive reference materials│ │ ├── api_reference.md│ │ ├── descriptors_reference.md│ │ └── smarts_patterns.md│ └── scripts/ ← Ready-to-run code examples│ ├── molecular_properties.py│ ├── similarity_search.py│ └── substructure_filter.py│├── pubmed-database/ ← Database skill (API-focused)│ ├── SKILL.md ← API docs, query syntax, examples│ └── references/│ ├── api_reference.md│ ├── common_queries.md│ └── search_syntax.md│└── scientific-writing/ ← Communication skill (templates) ├── SKILL.md ├── assets/ ← Templates style files │ ├── REPORT_FORMATTING_GUIDE.md │ ├── scientific_report.sty │ └── scientific_report_template.tex └── references/ ├── citation_styles.md ├── imrad_structure.md └── writing_principles.md每个SKILL.md文件均以包含元数据名称、描述、许可证、作者的YAML 前置元数据块开头随后是结构化的章节概述、附带代码示例的核心功能、常见工作流、最佳实践以及参考资料的指引。这种一致性意味着一旦你了解了其中一项技能便能轻松驾驭该集合中的任何其他技能。K-Dense Web 平台对于希望完全跳过环境配置的研究人员K-Dense 提供了 **K-Dense Web** —— 一个基于上述开源技能构建的托管平台。它提供云端 GPU、零配置以及可直接用于发表的输出结果。你当前查看的开源仓库正是为其提供支持的技能集合而 K-Dense Web 在此基础上增加了云端执行能力、更多技能200 多项以及集成的工作流管理功能。本地部署前置条件在安装任何技能之前请确保你的环境满足三个要求。下表涵盖了所需内容以及如何验证每个依赖项。要求最低版本验证命令备注Python3.11推荐 3.12python --version大多数 Agent 内置了自带的 Python但通过 uv 管理的安装依赖于系统 Pythonuv最新稳定版uv --version所有技能用于安装依赖的包管理器AI Agent兼容 Agent Skills不适用Cursor、Claude Code、Codex 或 Gemini CLI操作系统支持完全支持 macOS、Linux 和 Windows仅限 WSL2。由于许多科学计算 Python 包存在 POSIX 路径假设技能在未启用 WSL2 的原生 Windows 环境下无法正常运行。安装 uvuv包管理器可能是你唯一缺少的前置条件。它取代了pip提供显著更快的依赖解析能力和可复现的虚拟环境——当科学计算包具有复杂的依赖树时这一点至关重要。curl -LsSf https://astral.sh/uv/install.sh | sh # Windows (PowerShell)powershell -ExecutionPolicy ByPass -c irm https://astral.sh/uv/install.ps1 | iex # 通过 pip 安装的替代方案适用于所有平台pip install uv安装完成后使用uv --version进行确认。如果提示找不到该命令请重启终端或将 uv 的二进制文件目录添加到你的PATH环境变量中。分步安装指南第一步克隆仓库git clone https://github.com/K-Dense-AI/claude-scientific-skills.gitcd claude-scientific-skills这会将包含 技能的完整集合下载到scientific-skills/目录中。第二步选择安装策略你有两种基本选择全局安装技能在你机器上的所有项目中可用和项目级安装技能仅作用于单个仓库。推荐大多数用户使用全局安装——这意味着你在启动新的研究项目时无需重新复制技能。第三步将技能复制到你的 Agent 技能目录目标目录取决于你使用的 AI Agent。下表列出了每个受支持的 Agent 对应的全局和项目级技能路径。技能之间是跨兼容的Cursor 可以读取.claude/skills/和.codex/skills/目录反之亦然。AI Agent全局目录推荐项目级目录Cursor~/.cursor/skills/.cursor/skills/Claude Code~/.claude/skills/.claude/skills/Codex~/.codex/skills/.codex/skills/Gemini CLI~/.gemini/skills/.gemini/skills/全局安装所有技能——适用于 Claude Codecp -r claude-scientific-skills/scientific-skills/* ~/.claude/skills/全局安装所有技能——适用于 Cursorcp -r claude-scientific-skills/scientific-skills/* ~/.cursor/skills/全局安装所有技能——适用于 Gemini CLIcp -r claude-scientific-skills/scientific-skills/* ~/.gemini/skills/项目级安装——仅作用于单个项目mkdir -p .cursor/skillscp -r claude-scientific-skills/scientific-skills/* .cursor/skills/只安装你需要的技能。本仓库中的安全免责声明明确警告不要一次性安装所有内容——社区贡献的技能可能没有经过像 K-Dense 原创技能那样严格的审查。建议从与你领域相关的 5 到 10 个技能开始然后逐步扩展。例如药物发现领域的研究人员最初可能只需安装rdkit、chembl-database、diffdock、medchem和alphafold-database。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】