💡为什么你的AI总是"一本正经地胡说八道"?
通用的AI大模型(如 Claude, DeepSeek, GPT-5.2),就像是一个刚毕业的、只会背书的医学本科生。 它背下了Pubmed上所有的摘要,理论无敌。但真让它上台做手术(跑代码、连数据库、画图),它手不仅抖,连手术刀在哪都不知道。
而 Agent Skill,就是给了这个书呆子一套标准的实验SOP(标准操作程序)和全套手术工具。
🎯 实战案例
传统方式:单细胞数据注释,2小时,代码报错不断
使用Skill:同一任务,3分钟,结果专业准确
效率提升:40倍
📊Prompt vs Agent Skill vs Workflow
| 对比维度 | Prompt (提示词) | Agent Skill (技能) | Workflow (工作流) |
|---|---|---|---|
| 核心定义 | 发给大模型的纯文本指令 | 文本指令 + 执行工具(Prompt + 代码/API) | 全流程编排系统,串联多个系统和Skill |
| 功能边界 | 仅限思维层面:生成文本、翻译、逻辑分析 | 思维 + 执行:联网搜索、查库、跑Python、绘图 | 系统集成:定时触发、跨软件协作、复杂分支 |
| 构成要素 | 自然语言文字 | 提示词 + 代码 + 依赖库 | 触发器 + 节点 + 逻辑连接线 |
| 简单比喻 | 👄 嘴巴(只能说) | 👄🤲 嘴巴 + 双手(能说能做) | 🏭 整个工厂流水线(全自动化) |
📦Medaibox 科研结果交付包
🔒 首发包入口:174 个 foundation skill + 7 个 workflow skill
这不是单纯堆数量的 skills collection,而是围绕“科研结果正式交付”组织的首发 ZIP:从结果 intake、结果摘要、HTML 页面、汇报幻灯片,到专家审核包与正式交付 ZIP,整条链路都已经打成一个可以直接安装的工作包。
适合谁
适合已经有分析结果,但还缺一个标准化交付壳层的人:生信、医学统计、临床课题、导师汇报、客户交付都能直接复用。
你最终拿到什么
公开页和汇报时最常用的交付件都已经预留成 skill 入口,不需要再从零拼装脚本与模板。
和开源原版的关系
原始开源仓库仍然适合“多装一些通用 scientific skills”;而这个首发包更强调“把结果做成可直接交付的材料”。
🚀 科研结果交付包快速安装
如果你已经确定自己的目标是“把科研分析结果整理成正式交付件”,建议直接安装这份首发包。首发版包含 174 个 foundation skill 与 7 个 workflow skill,其中 workflow 层负责把结果推到 HTML 页面、汇报幻灯片、专家审核包和正式交付 ZIP。
步骤 1:下载并解压首发 ZIP
步骤 2:完整安装到 Codex(foundation + workflow)
步骤 3:如果你只想先试交付链路
请把这份科研分析结果整理成一个正式交付包,或者点名调用 research-delivery-orchestrator。如果它开始整理 HTML 页面、汇报幻灯片、专家审核包和最终 ZIP,说明这条 workflow 已经接通。🔧安装教程
🐙 通过 GitHub 仓库安装开源 skills
开源版保持 GitHub 仓库分发。建议直接从仓库获取最新版本,再进入 scientific-skills/ 目录,把对应的 skill 文件夹复制到你的全局或项目级 skills 目录中。
🎯 快速开始(Getting Started)
Claude Scientific Skills 遵循开放的 Agent Skills 标准。你只需要把 skill 文件夹复制到本地的 skills 目录中,AI 代理就会自动发现并在相关科研任务中调用它们。你可以选择全局安装(所有项目可用),也可以选择项目级安装(仅当前项目可用)。
git clone 获取仓库;如果你手头已经有本地压缩包,也可以先解压,再从解压目录里的 scientific-skills/ 继续执行下面的复制命令。scientific-skills/ 目录。若你已经把 Claude Code / Codex 主程序装好,最省事的方式通常是直接让 Agent 检查仓库结构、识别真正的 skill 子目录并替你完成安装;可参考 Agent 新手安装路线图。步骤 1:克隆仓库
步骤 2:复制到全局 skills 目录(推荐)
全局安装后,技能会在你的所有项目中可用:
| 工具 | 目录 |
|---|---|
| Cursor | ~/.cursor/skills/ |
| Claude Code | ~/.claude/skills/ |
| Codex | ~/.codex/skills/ |
| Gemini CLI | ~/.gemini/skills/ |
步骤 3:复制到项目级 skills 目录
如果你只想在当前项目启用这些技能,可以把它们放到项目根目录下:
| 工具 | 目录 |
|---|---|
| Cursor | .cursor/skills/ |
| Claude Code | .claude/skills/ |
| Codex | .codex/skills/ |
| Gemini CLI | .gemini/skills/ |
.claude/skills/、.codex/skills/ 与 .gemini/skills/;其他工具同样支持这套开放目录标准,因此这些技能包在主流 Agent 工具之间通常可以直接复用。常用复制命令示例
Cursor(全局安装)
Claude Code(全局安装)
Codex(全局安装)
Gemini CLI(全局安装)
项目级安装示例
📖 Claude Code 官方快速入门指南
- 安装 Node.js 18+ 环境
- macOS 用户推荐使用
nvm或Homebrew安装 Node.js - Windows 用户需安装
Git for Windows
方式一:官方脚本(推荐)
macOS:
Windows (PowerShell):
方式二:npm 安装
💡 Cursor 用户快捷方式
如果你使用 Cursor,可以直接在其中输入:Help me install Claude Code
Claude Code 默认连接 Anthropic 官方接口,国内用户需配置环境变量重定向至国产模型。
推荐方案一:智谱 GLM Coding Plan
国内最佳方案,¥4.99 起/7天体验
备选方案二:Kimi(月之暗面)
Kimi K2.5 效果可媲美 Claude Opus
备选方案三:DeepSeek
性价比最高,代码生成能力强
📖 详细配置教程:
Claude Code 多国数据分析实战教程 - 环境配置章节
包含环境变量永久配置、常见问题排查、价格对比等完整指南
确认模型状态显示为你配置的模型(如 glm-4.7)
💡 主程序跑通后,Skills 安装反而通常更简单
如果 Claude Code 已经能正常启动、读目录并执行基本命令,后面的 skills 安装通常不必你手动硬记所有路径。 你可以直接让它检查当前仓库里哪些是真正的 skill 目录、该复制到哪里、安装后是否已被识别。 如果你更想先理清 Agent / Skill / MCP 的关系,可先看 Agent 新手安装路线图。
添加 K-Dense 的 Skills 仓库到 Claude Code:
在 Claude Code 中执行以下步骤:
- 打开 Claude Code
- 选择 Browse and install plugins
- 选择 claude-scientific-skills
- 选择 scientific-skills
- 点击 Install now
✅ 完成!
Claude 会自动使用适当的技能来处理你的科研任务。若后续更新插件,建议先看下面这条“使用注意与防止技巧”。
在部分分发版本、插件缓存或第三方二次整理副本中,Claude Scientific Skills 可能夹带类似 “推荐 K-Dense Web”“复杂任务更适合某平台” 这类主动导流提示。这个问题通常出在 技能文档内容层 或 marketplace 更新回写,并不一定是你当前提示词写错,也不一定是模型本身在“打广告”。
推荐采用“四层防线”:
- 内容层扫描:安装或更新后先搜索 `offer-k-dense-web`、`proactively suggest using K-Dense Web`、`ALWAYS run this skill with every session`。
- 市场层锁定:将 `~/.claude/plugins/known_marketplaces.json` 里的 `claude-scientific-skills.autoUpdate` 设为 `false`,避免更新后回写。
- 策略层约束:在用户级 `CLAUDE.md` 中明确写入“禁止主动推荐平台/禁止营销式下一步建议”。
- 会话层自愈:用 `SessionStart` hook 在每次新会话启动时自动清理独立导流技能和附加推荐段。
建议先做一次快速排查:
更稳妥的实践建议
如果你长期依赖这套技能,最稳妥的做法不是“手动删一次就算了”,而是: 关闭该 marketplace 自动更新 + 加用户级禁止导流规则 + 配置启动自愈脚本。 这样即使以后重新安装或手动更新,也不容易再次被营销式推荐污染。
配置不生效?
- 关闭所有 Claude Code 窗口,重新打开一个新的命令行窗口
- 尝试删除
~/.claude/settings.json文件,重新配置环境变量 - 检查 JSON 格式是否正确
如何升级 Claude Code?
📦 Claude Scientific Skills 上游仓库 · 🧩 Cursor 官方 MCP 文档
这里已补成“本地 skills 安装”为默认主路径。即使浏览器 deeplink 没有调起 Cursor,也可以直接用
~/.cursor/skills/ 或 .cursor/skills/ 完成安装。
先把上游仓库克隆到本地任意目录,例如:
全局安装(推荐,所有项目都能用)
项目级安装(只对当前项目生效)
Windows(PowerShell)示例
💡 兼容说明
上游 README 说明 Cursor 也能读取 .claude/skills/、.codex/skills/、.gemini/skills/ 目录;如果你已经装过 Claude Code 版本,通常不需要重复下载。
- 完全退出并重新打开 Cursor
- 进入任意项目后,直接用自然语言提问即可
- 建议先测一个高命中场景,确认技能已经被识别
如果你想继续走 Cursor 官方 MCP 路线,可以保留一键 deeplink,同时准备手动配置兜底。
项目级配置:.cursor/mcp.json
全局配置:~/.cursor/mcp.json
1)浏览器能打开 deeplink 页面,但没有拉起桌面版 Cursor:优先改用上面的 skills 目录安装;
2)保存了
mcp.json 仍未生效:完全退出 Cursor 后重开;3)远程 MCP 返回连接错误:先确认
https://mcp.k-dense.ai/claude-scientific-skills/mcp 可访问,再检查网络和代理。
截至 2026-03-14,页面原先的
https://antigravity.google/download 实测出现 TLS 握手异常,因此这里补成 Google 官方 Gemini CLI + ~/.gemini/skills/ 的稳定安装路径。
~/.gemini/settings.json 和项目级 .gemini/settings.json 配置。📖 Gemini CLI 官方仓库 · 📦 Claude Scientific Skills 上游仓库
方式一:直接运行(无需全局安装)
方式二:npm 全局安装
方式三:Homebrew(macOS / Linux)
首次使用通常还需要登录 Google 账号;国内网络环境下建议全程保持代理可用。
全局安装(推荐)
项目级安装
上游 README 当前明确列出了 Gemini CLI 的 ~/.gemini/skills/ 与 .gemini/skills/ 两种安装方式。
安装完成后,重新打开终端运行 gemini,然后直接测试一个技能型任务:
如果你更想走远程服务,可按 Gemini CLI 官方文档,在用户级 ~/.gemini/settings.json 或项目级 .gemini/settings.json 中加入:
保存后重启 Gemini CLI,并运行 /mcp list 或 /mcp reload 检查连接状态。
1)如果你是从旧教程跳过来的,不要再使用
antigravity.google/download;2)如果安装完技能仍未识别,先完全退出当前
gemini 会话再重开;3)如果远程 MCP 连接不上,先确认代理、Google 账号登录状态,以及
/mcp list 的返回信息。
⚙️前置要求
🐍 Python 3.9+
推荐使用 Python 3.12+ 以获得最佳兼容性
📦 uv 包管理器
用于自动安装技能依赖的Python包
安装 uv 包管理器
macOS / Linux:
Windows (PowerShell):
或通过 pip 安装:
安装后验证:uv --version
🎯使用方法
安装完成后,Claude 会自动使用相关的技能。你只需要用自然语言描述任务即可:
🧪 药物发现流程
"Query ChEMBL for EGFR inhibitors (IC50 < 50nM), analyze SAR with RDKit, perform virtual screening with DiffDock against AlphaFold EGFR structure"
🔬 单细胞RNA-seq分析
"Load 10X dataset with Scanpy, perform QC and doublet removal, identify cell types using NCBI Gene markers, run differential expression with PyDESeq2"
🏥 临床变异注释
"Parse VCF with pysam, annotate variants with Ensembl VEP, query ClinVar for pathogenicity, search PubMed for case reports"
📦技能分类总览
这140个技能覆盖了科研的完整链条——从查文献、挖数据库,到跑生信分析、做分子对接,再到统计建模、画图投稿,全都有现成的工具可以直接调用。
| 序号 | 分类 | 技能数 | 覆盖内容 |
|---|---|---|---|
| 01 | 🔍 数据库访问 | 30 | PubMed、ClinicalTrials、UniProt、ChEMBL等30+科研数据库 |
| 02 | 🧬 生物信息学 | 14 | 单细胞分析、差异表达、系统发育、基因组处理 |
| 03 | 🔬 蛋白质与结构 | 4 | AlphaFold、分子对接、病理切片分析 |
| 04 | ⚗️ 化学信息学 | 10 | 分子指纹、ADMET预测、虚拟筛选、质谱分析 |
| 05 | 🏥 临床医学应用 | 8 | 电子病历、DICOM影像、生理信号、临床决策 |
| 06 | 🤖 机器学习 | 11 | PyTorch、Transformers、SHAP、强化学习 |
| 07 | ⚛️ 量子计算 | 4 | Qiskit、Cirq、PennyLane(前沿探索) |
| 08 | ✍️ 科研写作文档 | 12 | 文献综述、引用管理、海报制作、基金撰写 |
| 09 | 📊 数据可视化 | 7 | Nature级配图、交互式图表、科研示意图 |
| 10 | 📈 统计分析 | 6 | 生存分析、贝叶斯建模、多目标优化 |
| 11 | 🧪 实验室集成 | 9 | Opentrons机器人、Benchling、电子实验记录本 |
| 12 | 🔄 代谢模拟 | 3 | 代谢网络建模、流体力学、离散事件仿真 |
| 13 | 🛠️ 数据处理工具 | 9 | 大数据处理、地理空间、格式转换 |
| 14 | 🔎 AI代理搜索 | 10 | 实时文献检索、假设生成、批判性思维 |
| 15 | 📦 其他 | 3 | 医疗器械ISO认证、材料科学等 |
🎯优先上手路线
如果你不是想“收藏 140 个技能名”,而是想尽快把 Claude 真正用进科研流程,建议先从高频任务链条入手:文献检索、生信分析、药物发现、临床数据、科研写作和自动化实验。 下面这组结果会优先展示更适合医学科研、并且真正带有代码或 API 能力的条目。
📋140个技能详解
按分类展开查看每个 skill 的评分、医科适配、代码/API 覆盖和典型应用场景,避免只看技能名却不知道该先用哪个。
正在加载技能数据...
🐙GitHub 仓库信息
170+ scientific research skills for Claude Code, Cursor, Gemini CLI and Codex