Agent 新手安装路线图 - AI科研技能库

阅读提示： 这不是一份“把所有平台一次装全”的百科页，而是一份新手决策页。若你只想先把一条可工作的 Agent 主链路跑起来，直接看推荐安装顺序和最短落地路径即可。

两页怎么分工看： 如果你现在最想解决的是“先装哪一个、主程序和 skills 的关系是什么、要不要先接 MCP”，优先看本页；如果你已经把主程序装好，下一步要正式安装开源科研 skills，直接看 Claude Scientific Skills 安装教程会更快。

🎯

这页帮你解决什么

先装什么，后装什么

把“概念理解”和“安装顺序”拆开，避免一开始就被平台、插件与配额信息淹没。

🧩

三张概念卡

Agent / Skill / MCP

先分清“谁负责执行”“谁负责方法”“谁负责连接外部工具”。

🗺️

可直接复制的提示词

先让 Agent 帮你装

不会配目录、不会找配置文件时，直接把安装和验证工作交给 Agent。

🔒

科研结果交付包

174 + 7 的交付闭环

适合已经明确要做 HTML 页面、汇报幻灯片、专家审核包和正式交付 ZIP 的用户，直接下载首发包即可。

📦

Skills 压缩包入口

下载并复制到 Codex

适合已经跑通 Codex、现在想补一套科研 skills 的用户，直接下载 ZIP 后复制到 ~/.codex/skills/ 即可。

一、页面定位

这页要解决的，不是“工具全景”，而是“第一步怎么走”

适合第一次接触 Agent 的用户

很多新手不是被单个命令难住，而是被路径判断难住：到底该先装主程序，还是先装 Skills；MCP 要不要一上来就配；出了问题以后，该查目录、查权限，还是查授权。这页的目标，就是把这些决策顺序前置说明白。

先澄清主线：先得到一条能运行的 Agent 路径，再谈扩展生态。
先减少变量：不要同时安装多个平台、多个 Skill 仓库和多个 MCP。
先让 Agent 帮你安装：目录判断、配置生成和安装验证，很多时候更适合交给 Agent 代劳。

如果只记一句话

先装 Codex，先确认它能正常启动、读目录、执行基本命令；然后再让它帮你安装常用 Skills，并按需要接入 Zotero MCP 或 Stata MCP。

这样做的好处是，一旦中途某一步出错，你更容易判断问题出在主程序、Skill 目录，还是 MCP 配置，而不是一开始就把所有变量混在一起。

二、三个基础概念

先把 Agent、Skill、MCP 区分开，后面安装就会清楚很多

先理解分工，再决定安装顺序

Agent

围绕目标持续执行任务

如果把传统聊天 AI 理解为“回答问题的顾问”，那么 Agent 更像“能围绕目标持续执行步骤的助理”。它不仅能输出文字，也能读取目录、修改文件、调用命令与外部工具。

典型例子：检查当前项目结构、安装插件、生成配置、验证命令是否成功。

Skill

让 Agent 按更稳定的方法做事

Skill 不是新模型，也不是新软件本体。它更像一份可复用的“任务说明书”，通常以 SKILL.md 等形式存在。作用是把一类任务的常见步骤、边界和规范提前写好。

典型例子：需求澄清、代码审查、学术写作、数据处理等标准流程。

MCP

让 Agent 连到外部工具与数据

MCP 可以理解为 Agent 的“外接接口标准”。如果说 Skill 解决的是“Agent 知道怎么做”，那么 MCP 解决的是“Agent 能连上什么”。

典型例子：接入 Zotero、Stata、浏览器、数据库或本地服务。

三、推荐安装顺序

最稳妥的路线，不是装得最快，而是变量最少

建议按顺序推进

先安装 Codex
把主程序装好，先确认能启动、能认证、能进入工作区。

做一次基础验证
确认它至少能读目录、回答环境问题、执行最基本命令。

再安装常用 Skills
先装少量高频、稳定的 Skill，不要一上来堆太多仓库。

需要读文献时接 Zotero MCP
把文献管理这条链路补上，优先先接你最常用的一项外部工具。

需要统计分析时接 Stata MCP
前提是本机 Stata 已安装且授权正常，再让 Agent 协助探测路径与配置。

最后再扩展到 Claude Code 或 Antigravity
当你已经熟悉 Agent 工作流，再体验其他平台会更顺手。

为什么这条顺序更稳

排错更容易：出问题时，能更快定位是主程序、Skill 还是 MCP。
学习负担更低：先建立一个可运行心智模型，再增加新概念。
最短路径更清楚：只要主链路能跑通，后续扩展会快很多。

不建议的起手式： 一开始同时安装多个 Agent、多个 Skill 仓库、多个 MCP，再试图一次性理清所有配置。对新手而言，这几乎总会提高排错成本。

四、为什么先从 Codex 开始

这里推荐 Codex，不是因为它“覆盖一切”，而是因为起步摩擦更低

面向新手的主线路径

🚀

主程序先跑通

对很多新手来说，最重要的第一步不是比较所有平台，而是先拿到一个可以启动、可以执行任务、可以帮你继续配置的 Agent。

🛠️

更适合继续“让 Agent 帮你安装”

当 Codex 已经能工作时，后续很多工作就不必你亲自记命令：目录判断、配置生成、安装验证，都可以让它接手一部分。

🧭

更利于建立基础心智模型

先理解“Agent 可以做什么”，再去体验 Claude Code、Antigravity 这类更偏平台化或多 Agent 协作的环境，信息负担会小很多。

五、最短落地路径

如果你今天就想跑通一条主链路，可以直接照这个顺序做

以官方安装文档为准

建议先别急着做的事

不要先装一大批你还不会调用的 Skills。
不要在主程序还没跑通之前就开始手写 MCP 配置。
不要把“安装成功”理解成“以后不会再碰到权限与授权问题”。

增值工作流包 · Medaibox 首发版

📦 Medaibox 科研结果交付包

锁定下载 · AI Skills 模块

适合谁： 如果你已经不是在解决“Agent 能不能跑起来”，而是在解决“分析结果怎样更快变成正式交付件”，这份首发包会更合适。它把 174 个 foundation skill 作为底座，再加上 7 个 workflow skill，直接把结果推向 HTML 页面、汇报幻灯片、专家审核包和正式交付 ZIP。

先下载首发包，再按目标安装

这份 ZIP 不是只给你一堆 skill 名称，而是给你一条完整交付链路：原始结果 → 结果摘要 → HTML 页面 → 汇报幻灯片 → 专家审核包 → 正式交付 ZIP。下载权限与下面 AI Skills 子专题一致，沿用同一套模块锁定与激活逻辑。

⬇️ 下载科研结果交付包 📘 查看详细安装说明

文件名：medaibox_research_delivery_pack_v0.1.0.zip · 约 4.5 MB。

推荐理解方式： 先把 Codex 主程序跑通，再决定你要的是“补一批开源 scientific skills”，还是“直接安装一套可交付工作流”。如果目标是做导师汇报、客户交付或成果打包，直接装这份交付包通常更省路径。

你会拿到什么

• 174 个 foundation skill：作为通用科研能力底座。
• 7 个 workflow skill：聚焦正式交付动作，而不是泛泛而谈。
• 内置 demo：方便先看一条真实交付闭环再决定是否深装。
• 对外交付件：HTML 页面、汇报幻灯片、专家审核包、正式交付 ZIP。

更适合什么场景

• 分析已经完成，但还缺一层标准化交付外壳。
• 需要给导师、PI、专家或客户交一套像样材料。
• 想把 AI 输出变成更稳定、可复用、可演示的结果包。
• 希望把技能价值卖成“明确结果”，而不是“更多 skill 名单”。

步骤 1：完整安装（Codex）

mkdir -p ~/.codex/skills/
cp -R foundation-skills/* ~/.codex/skills/
cp -R workflow-skills/* ~/.codex/skills/

如果你希望完整保留基础层与交付层，这是最稳妥的装法。

步骤 2：先只试 workflow 层

mkdir -p ~/.codex/skills/
cp -R workflow-skills/* ~/.codex/skills/

请把这份科研分析结果整理成一个正式交付包
请使用 research-delivery-orchestrator 帮我把结果整理成交付流程

一句话判断： 如果你要的是“多装一些开源科研 skill”，继续看下面的 Claude Scientific Skills 部分；如果你要的是“更快交出正式结果材料”，优先下载上面的 Medaibox 科研结果交付包。

补充扩展 · Claude Scientific Skills

🎯 Claude Scientific Skills 快速安装

适合 Codex 已能正常启动之后

推荐用法： 先把 Codex 主程序、认证和基础目录访问跑通；确认它已经能在你的项目里正常工作后，再安装一批稳定的 scientific skills。这样出问题时，你更容易判断是主程序、skills 目录，还是外部 MCP 配置出了问题。

通过 GitHub 仓库获取开源 skills

开源版建议直接从 GitHub 仓库获取。拉取后进入 scientific-skills/ 目录，把里面的 skill 文件夹复制到你的全局或项目级目录中即可。

📘 查看完整安装页 🐙 查看 GitHub 仓库

推荐方式：直接克隆仓库，再使用其中的 scientific-skills/ 目录。

这一步更适合放在 Codex 跑通之后： skills 解决的是“让 Agent 更稳定地按方法做事”，不是替代主程序本身。先确认 codex 能启动、能认证、能读工作目录，再安装这套 skills，排错体验会明显更顺。

步骤 1：获取仓库

git clone https://github.com/K-Dense-AI/claude-scientific-skills.git

建议直接执行上面的 git clone，这样后续更新和排错都会更清晰。

步骤 2：把 skills 复制到 Codex 目录

mkdir -p ~/.codex/skills
cp -r claude-scientific-skills/scientific-skills/* ~/.codex/skills/

mkdir -p .codex/skills
cp -r /path/to/claude-scientific-skills/scientific-skills/* .codex/skills/

新手常问

“这些文件是不是要全部复制到 skills 文件夹？”

多数情况下，不需要把整个仓库原封不动塞进 skills 文件夹。更稳妥的做法是：先确认 Codex 这类主程序已经装好并能正常执行命令，再让它检查仓库结构，识别真正的 skill 子目录，然后复制到对应的全局或项目级目录。

换句话说，真正让新手卡住的往往不是 Skill 本身，而是主程序还没跑通、路径还没分清。如果大模型已经装好，后面的 Skills 安装通常反而是更容易的一步，也很适合直接交给 Agent 代劳。

常见目录速查

工具	全局目录	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/

安装完成后的验证方式： 重新打开 Codex，直接让它列出当前已识别的 scientific skills，或者让它推荐与 PubMed、单细胞分析、临床研究最相关的技能。只要目录放对了，Codex 通常会在相关任务里自动发现并调用这些 skills。

六、可以直接复制的提示词

如果你不想自己记命令，最实用的办法就是直接让 Agent 帮你做

建议先从中文自然语言开始

Prompt 01

安装常用 Skills

帮我安装一套适合新手的常用 skills。请先检查当前仓库里哪些是真正的 skill 目录，不要把整个仓库盲目复制到 skills 文件夹；再按正确路径完成安装，并验证是否已经被识别。最后请告诉我这些 skill 分别适合什么场景，以及我应该怎么调用。

Prompt 02

接入 Zotero MCP

帮我把 Zotero MCP 接到当前 Agent 里。如果有步骤需要我在 Zotero 里手动点击或确认，请一步一步告诉我；配置完成后，请再帮我做一次可用性检查。

Prompt 03

检查现有配置

帮我检查当前已经安装了哪些 skills 和 MCP，并区分哪些只是目录里存在、哪些是真的能调用；最后请给我一个按优先级排序的后续建议清单。

七、先接哪种 MCP

对大多数新手而言，Zotero 与 Stata 是两条最实用也最容易理解的扩展路线

先接你最常用的外部工具

扩展方向	适合场景	你需要先准备什么	常见卡点
Zotero MCP	文献检索、标签整理、摘要读取、批注回看	已经装好 Zotero，并能在本机正常打开；若采用插件路线，需要在 Zotero 内开启 MCP 服务。	插件未启用、本地端口未开放、客户端配置未正确写入 Agent。
Stata MCP	调用 Stata 做统计分析、脚本执行、结果验证	本机已安装 Stata，且授权有效；最好也提前装好 uv 或确认运行环境可用。	Stata 路径识别失败、环境变量未对齐、系统版本差异导致命令不可用。