Об этом проекте

Scientific Agent Skills — это открытая коллекция из 166 готовых навыков для ИИ-агентов, поддерживающих открытый стандарт Agent Skills. Она создана, чтобы дать универсальному агенту-кодеру курируемые, учитывающие версии руководства по научным библиотекам, базам данных и рабочим процессам, вместо того чтобы полагаться на самостоятельное повторное открытие API агентом. Что содержит репозиторий: - Более 100 интеграций с научными и финансовыми базами данных. Универсальный навык поиска по базам данных охватывает 78 публичных баз, таких как PubChem, ChEMBL, UniProt, COSMIC, ClinicalTrials.gov, FRED и USPTO, с отдельными навыками для DepMap, Imaging Data Commons, PrimeKG, NCATS ARAX, U.S. Treasury Fiscal Data, Hugging Science, OneKGPd, Genomic Intelligence и AlphaGenome. Мультибазовые пакеты, такие как BioServices, BioPython и gget, ещё больше расширяют охват. - Более 70 оптимизированных навыков для Python-пакетов с явными, учитывающими версии рабочими процессами для библиотек, включая RDKit, Scanpy, PyTorch Lightning, scikit-learn, PyTDC, PathML, pydicom, NeuroKit2, PufferLib, QuTiP, GeoPandas, pymatgen, BioPython, Qiskit, OpenMM и MDAnalysis. - 9 навыков интеграции с научными платформами, такими как Benchling, DNAnexus, LatchBio, OMERO, Protocols.io, Open Notebook, Ginkgo Cloud Lab, LabArchives и Opentrons. - Более 30 инструментов анализа и коммуникации, охватывающих обзор литературы, написание с проверяемыми источниками, рецензирование, обработку документов, поиск полных текстов статей и нормативных документов, поисковые интеграции, постеры и слайды PPTX, схемы, инфографику и диаграммы Mermaid. - Более 10 исследовательских и клинических инструментов, включая генерацию гипотез, написание грантов, агрегированные исследования в поддержку клинических решений, моделирование и симуляцию PK/PD, BIDS, подготовку доказательств готовности к стандартам ISO, валидацию и трансфер аналитических методов, сценарный анализ и составление навыков из рабочих процессов. Каждый навык поставляется с документом SKILL.md, практическими примерами кода, вариантами использования, руководством по интеграции и справочными материалами. Навыки со встроенными скриптами также имеют набор тестов, а CI обеспечивает соблюдение структурных требований, таких как frontmatter, проверка ссылок и парсинг скриптов. Варианты установки, описанные в README, включают установщик npx skills, команду GitHub CLI gh skill с закреплением версий и поддержкой обновлений, а также упаковку Agent Plugins для клиентов вроде Cursor и Codex. Также описана ручная установка в каталоги навыков уровня пользователя или проекта, а также примечания для хостингов, таких как NemoClaw, которые ограничивают исходящий сетевой трафик. В README содержится заметное предупреждение о безопасности: навыки могут выполнять код, устанавливать пакеты, отправлять сетевые запросы и изменять файлы, поэтому пользователям рекомендуется устанавливать только то, что им нужно, читать каждый SKILL.md перед установкой, проверять историю вкладов, запускать локально сканер навыков Cisco AI Defense и сообщать о подозрительном поведении. Сканирование безопасности выполняется по регулярному расписанию, а результаты публикуются в репозитории. Проект распространяется под лицензией MIT, ссылается на статью на arXiv и поддерживается компанией K-Dense при участии сообщества. Он предназначен для исследователей, лабораторий и инженеров, которые хотят, чтобы ИИ-агент выполнял многоэтапные научные рабочие процессы в биологии, химии, медицине, материаловедении, физике, геопространственном анализе и смежных областях.