Agent Skills
返回列表
🤖

科学研究与科学分析工作流

AI Agent 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_3c6cb52e/run-research-and-scientific-analysis-workflows-with-scientific-agent-skills。

技能介绍

解决的问题

通用提示词在科研分析里常不够可靠：agent 可能误用 RDKit、Scanpy、scikit-learn 等库，或在 Benchling、DNAnexus、OMERO 等平台之间缺少领域约束。这个技能把 curated scientific workflows、数据库访问和领域指引打包成 Agent Skills，给 Claude Code、Cursor、Codex 等兼容环境提供可复用的研究流程。

技能如何工作

它不只是一个工具包，而是给 agent 注入专业上下文：

  • 70+ Python package skills：覆盖 RDKit、Scanpy、PyTorch Lightning、BioPython、pyzotero、PennyLane、Qiskit、OpenMM、MDAnalysis、scVelo、TimesFM 等科研与数据科学库。
  • 9 个 scientific integration skills：面向 Benchling、DNAnexus、LatchBio、OMERO、Protocols.io、Open Notebook 等科研平台或 API。
  • 工作流约束：从文献/数据读取、模型分析到结果整理，减少自由发挥导致的不确定输出。

适用边界

该技能假设环境已有 Python、所需科学库、数据库权限和本地依赖。由于 Agent Skills 可能要求运行代码、安装包、访问网络或修改文件，应在可审查、可隔离的工作区使用，并优先关注上游安全审查与 Cisco AI Defense Skill Scanner 扫描结果。

使用场景

  • 在 Claude Code 中用 RDKit 和 BioPython 处理分子结构，减少手写提示导致的 API 误用。
  • 给 agent 接入 Benchling、DNAnexus 或 OMERO 的科研平台数据，完成样本元数据整理和查询。
  • 用 Scanpy、scVelo 做单细胞 RNA-seq 流程中的降维、聚类与轨迹推断，并输出可复现步骤。
  • 在 Codex 环境里调用 PyTorch Lightning 或 TimesFM 做科学建模与预测，约束依赖和运行步骤。

适合人员

  • 需要在本地 Python 环境中执行生物信息学分析，并希望 agent 遵循领域约束的生信工程师。
  • 要在 Cursor 或 Claude Code 中完成科研流程自动化，并审查 agent 行为的实验室研究员。
  • 需要约束 agent 在 Benchling、DNAnexus 等科研平台上读取元数据的科研平台管理员。
  • 想给 AI agent 增加 RDKit、Scanpy 等领域技能，并管理依赖的研究型开发者。