你的 Claude Code 可以跑分子对接了
想象一下这个场景：
你打开 Claude Code，输入"帮我做一轮针对 EGFR 靶点的虚拟筛选"。
AI 自动调用 RDKit 处理分子结构，从 ChEMBL 数据库检索化合物活性数据，用 AutoDock Vina 做分子对接，然后生成一份包含结合能排名和 ADMET 预测的分析报告。
整个过程你只需要一句话。
这不是科幻。这就是 Scientific Agent Skills 正在做的事情。
135 个技能，覆盖整个科研链条
K-Dense AI 开源的 Scientific Agent Skills 项目（23K Stars）是目前最全面的 AI 科研技能库。它的核心思路很简单：把科研工作中常用的数据库、工具、流程封装成 AI Agent 可以直接调用的技能模块。
数据层：78+ 科学数据库一键接入
一个统一的 database-lookup 技能直接对接 78 个公共数据库：
- 化学：PubChem、ChEMBL、DrugBank
- 生物：UniProt、COSMIC、PDB
- 临床：ClinicalTrials.gov、FDA Adverse Events
- 专利：USPTO
- 金融：FRED、美国财政部财政数据
还有 BioPython（38 个 NCBI 子数据库）、BioServices（40+ 生物信息学服务）、gget（20+ 基因组学数据库）等打包技能。
工具层：70+ 优化 Python 包技能
不是简单的"AI 可以用任何 Python 包"。这个项目为每个常用包提供了经过优化的、带文档和示例的技能定义：
| 领域 | 代表性技能 |
|---|---|
| 化学信息学 | RDKit 分子性质预测、虚拟筛选、ADMET 分析 |
| 单细胞分析 | Scanpy 数据处理、scVelo RNA 速率分析 |
| 深度学习 | PyTorch Lightning、scikit-learn、贝叶斯方法 |
| 量子计算 | PennyLane、Qiskit |
| 分子动力学 | OpenMM、MDAnalysis |
| 时间序列 | TimesFM 预测 |
每个技能包含完整的 SKILL.md 文档、代码示例、用例和最佳实践。
集成层：9 个科研平台直连
Benchling（实验室信息管理系统）、DNAnexus（基因组学云平台）、LatchBio（生物计算平台）、OMERO（显微图像管理）、Protocols.io（实验协议共享）……Agent 可以直接操作这些平台。
输出层：从论文到海报
文献综述、科学写作、同行评审、文档处理、海报制作、幻灯片、科学插图、Mermaid 图表——科研产出的全流程覆盖。
为什么这个方向值得关注？
科研门槛的结构性降低
过去，一个生物信息学分析流程可能需要：
- 花几周学习 Python 生态
- 研究各个 API 的文档
- 调试数据格式兼容问题
- 处理数据库访问认证
现在，AI Agent 可以直接调用预定义的技能，跳过前三步，直接进入科学问题本身。
从"辅助编码"到"辅助科研"
大多数 AI 编程工具的定位是"帮你写代码"。Scientific Agent Skills 的定位是"帮你做科研"——代码只是手段，科学发现才是目的。
这种定位转变意味着：AI Agent 不再只是一个程序员，它开始具备领域专家的能力。
跨学科协作的可能性
一个 AI Agent 可以同时拥有：
- 基因组学分析能力（Scanpy + BioPython）
- 分子动力学模拟能力（OpenMM）
- 统计学分析能力（scikit-learn）
- 科学写作能力（文献综述 + 论文格式化）
这在人类世界需要一个团队才能完成。
实际工作流示例
以癌症基因组学分析为例，整个流程可以这样描述：
"分析 TCGA-BRCA 数据集中的差异表达基因，
做 GO 富集分析，生成火山图，
找出与患者预后相关的基因标志物，
写一段 Method 部分的草稿。"
AI Agent 会：
- 通过技能访问 TCGA 数据
- 用差异表达分析技能处理数据
- 调用 GO 富集分析
- 生成可视化（火山图）
- 做生存分析
- 生成 Method 部分的科学写作
一条指令，全流程自动化。
谁适合用？
- 科研人员：加速数据分析，减少重复性编码工作
- 生物信息学工程师：标准化分析流程，提高可复现性
- 交叉学科研究者：不需要精通每个工具，Agent 帮你集成
- 学生：降低科研入门门槛
安装和使用
# 一行命令安装（支持所有平台）
npx skills add K-Dense-AI/scientific-agent-skills
兼容 Cursor、Claude Code、Codex、Gemini CLI 等任何支持 Agent Skills 标准的平台。
还有一个配套项目 K-Dense BYOK（Bring Your Own Key）——一个免费的桌面 AI 科研助手，自带这 135 个技能，支持 40+ 模型，可选云算力扩展（Modal）。
需要注意的
- Agent 仍然可能犯错，科学结论需要人工验证
- 数据库访问可能需要申请 API Key
- 复杂分析流程可能需要分步确认，不能完全"一键到底"
- 伦理和合规问题——AI 辅助科研不等于替代科研伦理审查
总结
Scientific Agent Skills 代表了一个重要的趋势：AI Agent 正在从通用工具向垂直领域专家演进。
135 个技能不是终点，而是一个起点。当 AI 不仅能写代码，还能做科研、分析数据、写论文的时候，我们对"AI 编程助手"的定义就需要重新审视了。
它不再只是一个"助手"，而是一个科研合作者。