Scientific Agent Skills 开源生态支持指南：为 181 个科学技能背后的开源项目贡献力量

AI 技能科研生物信息学数据科学【免费下载链接】scientific-agent-skillsTurn any AI agent into an AI Scientist. The #1 Agent Skills library for science, used by 250,000 scientists worldwide. 177 ready-to-use validated skills plus 100 scientific databases covering biology, chemistry, medicine, and drug discovery. Compatible with Cursor, Claude Code, Codex, Pi, Antigravity, and the open Agent Skills standard.项目地址https://gitcode.com/GitHub_Trending/cl/scientific-agent-skills点击查看免费下载Scientific Agent Skills 是一个包含 181 个经过验证的科学技能库覆盖生物信息、化学信息学、医学影像、机器学习等数十个科研领域而支撑这些技能运转的是遍布全球开发者与研究社区维护的开源科学软件。本文以仓库中的开源赞助清单为核心系统梳理这些底层开源项目的领域分布、协作方式与贡献渠道并给出引用、贡献、赞助的完整实操建议帮助科研人员与工程团队在“使用技能”之外学会“反哺生态”。为什么科学技能库离不开开源项目skills.md 中的每一个技能条目本质上是围绕某个具体开源包、数据库或工作流撰写的“程序性知识”——它告诉 AI Agent 如何正确安装、配置、调用并校验某个科学工具。因此技能库与底层开源项目之间是严格的“依赖关系”没有 RDKit 就没有 RDKit 技能没有 Scanpy 就没有单细胞分析流程。这一点在仓库结构中可以直接验证skills/目录下的每个子目录都与一个开源项目同名例如skills/scanpy/、skills/rdkit/、skills/biopython/、skills/pysam/每个目录内含一份SKILL.md定义该技能的能力边界、安装方式与已验证版本。以 Scanpy 技能 为例其 frontmatter 明确标注“Tested with Python 3.13, Scanpy 1.12.4, and AnnData 0.13.4”并给出uv pip install scanpy[leiden]1.12.4的精确安装命令RDKit 技能 同样固定了测试基线rdkit2026.3.6。这意味着技能的可复现性直接取决于底层开源项目是否持续维护、是否值得长期依赖。正因如此开源赞助清单开篇即点明主旨如果你从这些技能中获得了价值请考虑支持让它们成为可能的底层开源项目。技能目录是完整的“依赖清单”这份文档则是“反哺指南”。支持开源的五种方式由浅入深根据开源赞助清单的“How to Support Open Source”一节任何使用者都可以从以下五个层次参与无需一次性做到全部在 GitHub 上为仓库加 Star免费且成本最低但能显著提升项目可见度帮助其他科研人员发现该项目。直接赞助维护者通过 GitHub Sponsors、Open Collective 或项目自有的捐赠页面提供资金支持。贡献代码、文档或缺陷报告这是对项目最直接的“人力投入”质量与价值同等重要。在发表物中引用这些项目学术引用是开源科学软件获得持续资助的重要依据许多项目如 RDKit在官方文档中专门列出了引用格式。向同事和社区分享项目传播本身就是在扩大开源项目的使用面与影响力。这五种方式在仓库内部同样适用。以本仓库为例CONTRIBUTING.md 详细说明了如何为技能库本身贡献力量新增一个科学包/数据库/平台技能、改进既有技能的示例与版本信息、在tests/skill-name/下补充测试或通过 Issues 报告问题。仓库还以 plugin.json 遵循 Agent Plugins 标准贡献者需要保持 manifest 与 pyproject.toml 的版本号同步并通过uv run python -m pytest tests/_meta -q校验结构——这本身就是“贡献开源项目”的最佳演练场。分领域依赖全景技能库背后的开源软件地图开源赞助清单 按科研领域列出了技能库所依赖的代表性开源项目。下表完整继承原文档的项目清单并将每个项目映射到仓库中对应的技能目录方便读者“看到依赖、找到技能、追踪证据”生物信息与基因组学项目项目简介仓库内对应技能Biopython计算分子生物学工具包skills/biopython/ScanpyPython 单细胞分析skills/scanpy/AnnData单细胞带注释数据矩阵skills/anndata/scvi-tools单细胞组学深度学习skills/scvi-tools/Arboreto基因调控网络推断skills/arboreto/pysamSAM/BAM/VCF 文件接口skills/pysam/scikit-bio生物信息学库skills/scikit-bio/gget基因与转录本信息检索skills/gget/deepTools深度测序数据分析工具skills/deeptools/geniml基因组区间集合机器学习skills/geniml/GtarsRust/Python 基因组区间工具包skills/gtars/ETE Toolkit系统发育树分析skills/etetoolkit/Waypoint微生物组基础模型与 Compass 基准skills/waypoint-bio/Folklore MCP adapter变异证据/基因-疾病断言/文献的公开协议适配器skills/folklore-variant-evidence/从源码结构看这些技能大多配备了可执行的本地校验脚本例如skills/pysam/下的 4 个 Python 脚本用于封装 SAM/BAM/CRAM 与 VCF/BCF 的读写验证skills/deeptools/scripts/validate_files.py用于 BAM 与 bigWig 文件的输入校验。这正是“技能依赖开源项目、开源项目支撑技能”的双向印证。科学数据管理与知识图谱项目项目简介仓库内对应技能DataLad数据集检索、版本化与计算溯源skills/datalad/git-annexDataLad 使用的大文件内容管理工具随 DataLad 技能一起使用ARAX / RTX面向 NCATS Translator 的生物医学知识图谱查询skills/ncats-arax/化学信息学与药物发现项目项目简介仓库内对应技能RDKit化学信息学工具包skills/rdkit/Datamol简化分子操作skills/datamol/DeepChem化学深度学习skills/deepchem/TorchDrug基于 PyTorch 的药物发现skills/torchdrug/molfeat分子特征化skills/molfeat/MedChem药物化学过滤器skills/medchem/PyTDCTherapeutics Data Commonsskills/pytdc/这里尤其值得注意技能的分工互补关系skills.md 明确说明RDKit 提供“细粒度分子控制”而 Datamol 是 RDKit 之上的 Pythonic 封装、适合标准药物发现流程对应地在支持层面两者都需要持续维护。技能文档甚至直接写入了上游的引用建议RDKit 官方文档提供 citing 指引使用者在发表论文时即可照做。蛋白质组学与质谱项目项目简介仓库内对应技能matchms质谱数据处理skills/matchms/pyOpenMS质谱工具包skills/pyopenms/机器学习与 AI项目项目简介仓库内对应技能PyTorch Lightning深度学习框架skills/pytorch-lightning/Transformers前沿 NLP 模型库skills/transformers/scikit-learnPython 机器学习skills/scikit-learn/PyTorch Geometric几何深度学习skills/torch-geometric/PyMC概率编程skills/pymc/SHAP模型可解释性skills/shap/Stable Baselines3强化学习skills/stable-baselines3/PufferLib高性能强化学习环境与训练skills/pufferlib/scikit-survival生存分析skills/scikit-survival/aeon时间序列机器学习工具包skills/aeon/PyMOO多目标优化skills/pymoo/UMAP降维skills/umap-learn/HypoGeniC基于标注数据的 LLM 辅助候选假设生成skills/hypogenic/以 HypoGeniC 技能 为例可以清楚看到开源依赖如何被“包裹”进技能该技能覆盖芝加哥大学 HAI 团队的ChicagoHAI/hypothesis-generation仓库与 PyPI 包hypogenicfrontmatter 注明“需要 Python 3.10 和 uv 安装上游 pinned 包”并提供了run_config.example.json、task_config.example.yaml等资产与plan_run.py等本地审计脚本。也就是说每次通过技能调用 HypoGeniC背后都是对上游开源社区工作的复用——支持上游就等于支持自己日常的科研流水线。数据科学与可视化项目项目简介仓库内对应技能Matplotlib绘图库skills/matplotlib/Seaborn统计可视化skills/seaborn/Plotly交互式可视化由 scientific-visualization 技能 支持NetworkX网络分析skills/networkx/SymPy符号数学skills/sympy/statsmodels统计建模skills/statsmodels/GeoPandasPython 地理空间数据skills/geopandas/Polars高性能 DataFrame 库skills/polars/Dask并行计算skills/dask/Vaex内存外 DataFrameskills/vaex/医学影像与数字病理项目项目简介仓库内对应技能pydicomDICOM 文件处理skills/pydicom/histolab数字病理预处理skills/histolab/PathML病理机器学习工具包skills/pathml/OMERO.pyOMERO 显微成像数据平台的 Python 客户端skills/omero-integration/医疗健康与临床项目项目简介仓库内对应技能PyHealth医疗 AI 工具包skills/pyhealth/NeuroKit2神经生理信号处理skills/neurokit2/材料科学与物理项目项目简介仓库内对应技能Pymatgen材料分析skills/pymatgen/COBRApy代谢建模skills/cobrapy/Astropy天文学库skills/astropy/量子计算项目项目简介仓库内对应技能QiskitIBM 量子计算 SDKskills/qiskit/CirqGoogle 量子计算框架skills/cirq/PennyLane量子机器学习库skills/pennylane/QuTiPPython 量子工具箱skills/qutip/仿真与工程项目项目简介仓库内对应技能SimPy离散事件仿真skills/simpy/FluidSimCFD 框架skills/fluidsim/FluidFFTFluidSim 使用的 FFT 框架与插件随 FluidSim 技能一起使用实验室与自动化项目项目简介仓库内对应技能PyLabRobot实验室自动化控制skills/pylabrobot/蛋白质工程项目项目简介仓库内对应技能ESM进化尺度建模skills/esm/数据格式与 I/O项目项目简介仓库内对应技能Zarr分块数组存储skills/zarr-python/FlowIO流式细胞术 I/Oskills/flowio/科学交流与文档项目项目简介仓库内对应技能python-pptx创建和检查可编辑的 PowerPoint.pptx文件skills/pptx/ 与 skills/pptx-posters/原文档明确指出这份清单并不详尽。技能库中还有大量优秀开源项目未被逐项列出例如表格之外skills/ 目录还包含 Neuropixels 分析所依赖的 SpikeInterface、cryo-EM 的 RELION、电池仿真的 PyBaMM、燃烧动力学 的 Cantera 等。如果你发现某个值得收录的项目欢迎提交 PR 补充到清单中。NumFOCUS资助整个科学计算生态的非营利机构许多上述项目都受到 NumFOCUS 的支持——这是一家致力于支持开源科学计算的非营利组织。捐赠 NumFOCUS 相当于以一次投入惠及整个生态而不是单独资助某一个库。原文档在核对 NumFOCUS 赞助目录检查日期 2026-09-13后列出了本技能库中同时出现在该目录中的项目scikit-learnMatplotlibNetworkXSymPyDaskAstropyPyMCGeoPandasZarrscverse这份名单与上文分领域表格高度重合从机器学习的 scikit-learn到可视化的 Matplotlib/NetworkX/SymPy到并行计算的 Dask、天文学的 Astropy再到单细胞生态的 scverse——几乎覆盖了技能库的“数据科学与可视化”“机器学习”“生物信息”三大核心板块。这也从侧面说明技能库所依赖的底层工具大多位于科学计算生态的“基础设施层”其持续健康与否直接决定科研 Agent 的长期可用性。scverse 生态单细胞组学的社区协作样板scverse 联盟维护着单细胞组学的基础工具是“开源生态协作”的典型范例。其核心成员在本仓库中对应着三个独立技能Scanpy单细胞 RNA-seq 全流程分析QC、归一化、HVG 选择、PCA/UMAP、聚类、marker 鉴定、可视化对应 skills/scanpy/AnnData单细胞带注释数据矩阵的标准格式.h5ad / Zarr对应 skills/anndata/scvi-tools单细胞组学概率模型scVI、scANVI、totalVI、MultiVI对应 skills/scvi-tools/值得说明的是skills.md 为这三个技能划分了明确的职责边界AnnData 技能是“数据格式技能”分析工作流用 Scanpy概率模型用 scvi-tools群体级数据查询则用 cellxgene-census。这种生态内部的分工协作正是开源社区成熟度的体现——而支持 scverse 的使命就是在推动整个单细胞研究的发展而非某一单个工具。项目的开源立场来自 K-Dense 的声明文档末尾记录了项目方 K-Dense 对开源生态的明确立场这份声明也为所有使用 Scientific Agent Skills 的团队提供了可执行的“反哺清单”在研究中使用这些项目时予以致谢/引用在力所能及时把改进回馈给上游代码、文档或缺陷报告如果你从这些项目中获得商业价值请考虑对维护者进行资金支持。声明同时强调开源科学 Python 生态是一种共享资源需要大家一起让它保持繁荣。这与仓库的许可与治理结构互为表里仓库本身以 MIT 许可发布见 LICENSE.md遵循开放的 Agent Skills 标准并以 CITATION.cff 提供规范引用格式——如果研究使用了本技能库官方建议引用论文并记录所用 release tag 或 commit以便精确还原分析所针对的技能集合。对于想要参与贡献的读者CONTRIBUTING.md 提供了完整的入门路径所有技能位于skills/目录每个技能目录包含SKILL.md必需、references/长文档、scripts/可执行辅助脚本与assets/模板与静态资源测试位于仓库级套件tests/skill-name/下。新增技能时需遵循 Agent Skills 规范并保持plugin.json与pyproject.toml的版本同步——这套流程本身就是开源协作规范的具象化。实操建议如何把“支持开源”落到日常工作中综合原文档与仓库证据可以从三个层面制定一套可持续的“开源支持计划”团队层面零成本起步为技能库依赖的核心项目如 Scanpy、RDKit、PyMC、scikit-learn加 Star 并定期分享在实验室/团队的论文模板中内置“软件引用清单”把依赖项目的 citation 固定下来避免漏引。工程层面贡献回馈使用技能时若发现示例过期、安装命令失效或 API 变更按 CONTRIBUTING.md 的流程提交改进——这同时服务了技能库和上游项目在tests/skill-name/下为未覆盖的场景补充测试直接提升技能的可验证性仓库的 pyproject.toml 已配置 pytest 的--import-modeimportlib以支持技能命名空间测试。资金层面价值回流对直接创造商业价值的项目优先通过 GitHub Sponsors 定向赞助维护者对依赖面广、难以逐个赞助的场景可通过 NumFOCUS 一次性覆盖生态内多个核心项目名单见上文。最后回到文档的出发点从这些技能中受益的每一方都是开源生态的受益者让受益者变成贡献者正是这份赞助清单存在的意义。技能库提供了“开箱即用的科学能力”而开源社区提供了“让这些能力持续成立的土壤”——两者缺一不可。赞分享AI 技能科研生物信息学数据科学【免费下载链接】scientific-agent-skillsTurn any AI agent into an AI Scientist. The #1 Agent Skills library for science, used by 250,000 scientists worldwide. 177 ready-to-use validated skills plus 100 scientific databases covering biology, chemistry, medicine, and drug discovery. Compatible with Cursor, Claude Code, Codex, Pi, Antigravity, and the open Agent Skills standard.项目地址https://gitcode.com/GitHub_Trending/cl/scientific-agent-skills点击查看免费下载相关推荐scientific-agent-skills 贡献指南为 AI 科学家 Agent 新增与维护标准化的科学 Skillscientific agent skills 贡献指南为 AI 科学家 Agent 新增与维护标准化的科学 Skill 本文是开源仓库 scientificAI 技能科研生物信息学数据科学终极指南如何为AI技能生态做出开源贡献 终极指南如何为AI技能生态做出开源贡献 在AI技术飞速发展的今天 开源贡献 已经成为推动技术创新的重要力量。GitHub_Trending/skill人工智能AI 技能AI 评测如何在Blender中快速导入导出MMD模型MMD Tools完整使用指南如何在Blender中快速导入导出MMD模型MMD Tools完整使用指南 MMD Tools是Blender的官方插件专为MikuMikuDanceMM图形学上一篇【亲测免费】 PrimeKG 开源项目使用教程下一篇【亲测免费】 Litematica 项目教程创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考