概览
Scientific Agent Skills 是 K-Dense 为支持 Agent Skills 标准的宿主环境创建的科学工作流指令库。随附的 README 描述了 177 项技能，涵盖软件包使用、数据库访问、实验室集成、分析和科学交流。它是一套指令集合，而非可独立运行的研究智能体或预测模型。每项技能都使用 SKILL.md 文件说明其用途、工作流程和版本元数据，并视具体情况提供示例、参考资料、辅助工具或模板。
面向化学的文档涵盖 RDKit 和 PyTDC 指南、分子对接与 ADMET 工作流、经过校准的 1D NMR 处理、晶体结构分析和计算化学。相关模拟指南包括 Cantera 点火延迟计算、pycalphad 相平衡和 PyBaMM 电池循环。Database Lookup 介绍了 PubChem 和 ChEMBL 等来源的端点选择、分页、访问要求和来源追溯；这些上游数据库是独立资源，并非由该技能集合运营的服务。
该集合为智能体宿主提供指令和配套资源。科学输入和输出取决于所选工作流：README 中的示例包括光谱、晶体结构和模拟输入，并生成处理后的光谱、结构分析或模拟结果。依赖项、凭据和网络访问必须根据各项技能的要求另行配置。宿主对技能的发现方式以及对可选元数据的处理方式各不相同，本地测试并不能证明在线服务的可靠性或科学有效性。技能可能会指示执行代码和更改文件，因此用户应在安装前检查一小部分相关技能，并在自己的环境中评估结果。
主要功能
- 每项技能的 `SKILL.md` 文档记录其用途、工作流程和版本元数据，并根据技能不同提供配套示例、参考资料、辅助工具或模板。
- 化学指南涵盖 RDKit、PyTDC、分子对接、ADMET 分析和经过校准的 1D NMR 处理。
- 材料与工程工作流包括晶体结构分析、pycalphad 相平衡、Cantera 点火延迟和 PyBaMM 电池循环，并附有数值检查说明。
- Database Lookup 介绍了 80 个来源，包括 PubChem 和 ChEMBL，并说明端点选择、分页、访问要求和来源追溯检查。
- 支持 Agent Skills 打包格式和由 `plugin.json` 与 `skills/` 组成的 Agent Plugins 布局；安装和发现行为取决于宿主。
- 包含 `scripts/` 的技能配有相应测试套件和依赖项条目；README 区分了结构检查与科学依赖项测试。
使用场景
- 预期评估：评估 RDKit 或 PyTDC 指南能否帮助智能体使用有代表性的输入完成分子分析工作流，并独立检查生成的结果。
- 预期评估：使用文档所述的数据库检索流程，为化学研究任务整理具有来源追溯记录的 PubChem 或 ChEMBL 数据。
- 预期评估：将经过校准的 1D NMR 工作流与可信的光谱处理流程进行比较，再将其用于研究数据。
- 预期评估：针对明确的模拟问题评估 Cantera、pycalphad 或 PyBaMM 指南，并检查输入来源记录和数值检查。
使用方式
- 阅读官方 README，并选择少量与任务相关的技能，例如 RDKit、nmrglue 或 pycalphad。初期避免安装无关工作流。
- 检查所选技能的
SKILL.md文件及仓库中的配套资源。在信任这些内容之前，核查外部连接、文件操作、兼容性要求和各项技能的许可条款。 - 为宿主选择有文档说明的安装方式。查阅 Agent Skills 标准和宿主文档，以确认技能发现路径和可选元数据的处理方式；记录所用的仓库修订版本。
- 准备这些技能所需的依赖项、参考数据和凭据。将不兼容的工作流放在不同环境中；仓库工具的要求并不适用于每个科学软件包。
- 确认宿主能发现所选技能后，使用有代表性的输入请求执行范围明确的工作流。根据可信参考资料评估输出，并保留输入来源记录和验证记录，再扩大使用范围。