scientific agent skills 怎么用 先挑再审
scientific agent skills 怎么用：158 条科学 skill 能固化哪些流程、不做诊断决策，装前 scanner 审查并只装领域子集。
scientific agent skills 怎么用，正确顺序是先认清仓库给 agent 的是「带文档与示例的科学工作流」，再按领域挑子集，最后才谈安装命令。整包装进上下文，触发面会糊成一团。
装进来的是工作流目录，不是魔法科学家
K-Dense-AI/scientific-agent-skills README（徽章标 Version 2.62.0、Skills 158）说明：这是面向开放 Agent Skills 标准的科学与研究 skill 集合，可在 Cursor、Claude Code、Codex、Google Antigravity 等宿主使用。项目曾用名 Claude Scientific Skills，现改称 Scientific Agent Skills，强调「同一套 skill、更广兼容」。
每条 skill 仍是目录 + SKILL.md，可附示例、参考材料与 scripts/。仓库宣称：带 scripts/ 的 skill 必须有测试，CI 会拦「加了捆绑工具却没测试」的 PR。另有统一 database-lookup 等路径，覆盖 README 所说的 78+ 公共数据库与更多专用数据 skill。它加速的是「少查一遍冷门 API 文档、少手写一遍管道骨架」，不是替你承担实验伦理或临床签字。
它能替你固化的流程
README「Why Use This」与 Quick Examples 给的能力画像很具体：多步科研管道可以用一条提示串起来，例如 ChEMBL 查 EGFR 抑制剂 → RDKit 做 SAR → DiffDock 对接 → 文献与 COSMIC 交叉；或 Scanpy 跑单细胞质控与整合后再做通路富集。领域横跨生物信息、化学信息与药物发现、蛋白质组、临床研究证据流、医疗影像研究、材料与地球科学、实验室自动化、可追溯写作等。
对 coding agent 的增益主要在三处。一是版本感知的包用法（RDKit、Scanpy、pydicom、GeoPandas 等被写成显式 skill）；二是带出处意识的数据库查询示例；三是把「先装哪些 Python 依赖、命令顺序如何」写进可渐进加载的正文。仓库也写明：没有专用 skill 时，agent 仍可自行装任意 Python 包或调 API；显式 skill 只是把常见路径写稳，不是能力天花板。Skills 与 MCP 的分工仍适用：固化流程用 skill，连活系统用 MCP，细节见 Skills 和 MCP 有什么区别。
它明确替不了什么
同一份 README 在临床、医疗 AI、影像与监管类描述里反复加边界：合成或已脱敏数据、研究用途、合格专业人员保留解释权；clinical-reports 一类输出应是可见标记的草稿结构，不诊断、不评估个体风险、不推荐治疗、不定试验入组。Healthcare AI 段落也写明不做患者特异性诊断、治疗、报警或上线决策。
监管与标准类 skill 准备的是 ISO / ICH / USP 等证据材料草稿，「供有资质的人审」，不是认证、认可或方法放行结论。实验室自动化强调协议可先仿真，物理执行仍在设备操作员安全门之后。把这些句子读成「agent 已经是持证科学家」会踩责任线。
安全上，仓库 Security Disclaimer 写得很硬：skill 能指使 agent 跑任意代码、装包、出网、改文件；团队用 Cisco AI Defense Skill Scanner 做扫描，但不能保证每条社区贡献都穷尽审查。最终信任决策在安装者。
按领域挑子集
158 条全装会把 skill 清单预算吃满。Claude Code 侧单条描述还有 1536 字符截断，清单越长，越容易出现「该触发的没触发、不相关的抢描述位」。README 自己也建议考虑只装主题子集。
可按工作台挑，而不是按星标数挑：
- 做 bulk / 单细胞转录组：优先 scanpy、相关差异表达与通路类，而不是先装天文或材料全套
- 小分子与虚拟筛选：rdkit、对接与 ADMET 相关 skill，外加 database-lookup
- 文献与可追溯写作：paper-lookup / scientific-writing 一类，避免一上来开临床报告 skill
- 地球观测或 GIS：geospatial 相关包 skill
gh skill install K-Dense-AI/scientific-agent-skills scanpy 这种「指定单 skill」的路径，比无脑 npx skills add 整库更稳妥。需要可复现环境时，README 示范了 --pin v2.62.0 钉发布标签。
装前审查脚本
第三方 skill 集合的装前动作，与安全向合集同一逻辑，可对照 Claude Code 安全审计 skills 怎么用：先读 SKILL.md 声明的包与外连服务，再看贡献历史（K-Dense-AI 维护 vs 社区贡献），最后本地扫描。
仓库推荐的自扫命令原文是：
uv pip install cisco-ai-skill-scanner
skill-scanner scan /path/to/skill --use-behavioral
扫描结果有公开的 docs/security-report.md，并写明增量周扫、至少每 30 天全量重扫。你自己的清单还可以加几条机械检查：skills/**/scripts/ 里是否出现未说明的 curl|bash、硬编码 Token、向未知域名 POST；SKILL.md frontmatter 是否声明会碰的工具与网络。疑似问题按 README 指引开 Issue，勿默认「有徽章就安全」。
安装入口按宿主选：npx skills add K-Dense-AI/scientific-agent-skills，或 GitHub CLI v2.90.0+ 的 gh skill install …（可 --agent cursor|claude-code|codex|gemini）。其他宿主可能落到 ~/.agents/skills/ 或项目内 .agents/skills/；Python 工具链侧 README 要求仓库工具用 3.13+，并用 uv 管依赖。NemoClaw 一类默认拒绝出网的环境，还要在沙箱里预批域名，否则 uv 装包和 NCBI / Benchling 等 API 会直接失败。
和官方 Agent Skills 标准的关系
这批 skill 宣称兼容开放 Agent Skills 标准（站点 agentskills.io），因此「能装进哪些宿主」取决于该宿主是否实现同一套发现与加载约定，而不是绑定单一厂商产品名。仓库要求更新保持 metadata.version 为带引号数字字符串，并通过 skills-ref validate 一类校验；可选 metadata 与凭据提示在各宿主上行为可能不同，要用目标宿主文档核对。
四个文档类 skill（docx / pdf / pptx / xlsx）注明来自 Anthropic 的 anthropics/skills，按各自 LICENSE.txt 使用并跟踪上游。科学领域流程由 K-Dense 与社区维护；标准层解决的是目录形状与可移植性，领域正确性与合规边界仍归 skill 作者与使用者。