Science Skills – 谷歌 DeepMind 开源的科研技能工具包

1. Science Skills是什么

Science Skills是谷歌DeepMind推出的开源科研技能工具包，旨在通过标准化、模块化的AI Agent架构，重塑生命科学领域的研究工作流。该工具包整合了AlphaGenome、AlphaFold Database、UniProt等超过30个生命科学数据库与工具，覆盖基因组学、结构生物学、化学信息学和文献检索等核心领域。其核心价值在于，通过让AI Agent自主执行脚本，将原本需要数小时甚至数天的复杂、多步骤科学分析任务压缩至几分钟内完成，从而显著加速科学发现进程。

技术定位与领域： 该项目属于AI for Science领域，具体定位为面向AI Agent的“科学技能”中间件。它并非一个独立的科学计算软件，而是一个标准化的、可扩展的技能集合，旨在为大型语言模型驱动的智能体提供执行具体、可复现科学任务的能力，填补了通用AI Agent与专业科学数据库及分析工具之间的鸿沟。

研发背景： 由谷歌DeepMind团队开发，该团队在结构生物学（AlphaFold）、基因组学（AlphaGenome）等领域拥有世界领先的技术积累。研发动机源于DeepMind在利用AI解决科学问题过程中发现的一个核心瓶颈：即使AI模型具备强大的推理能力，但缺乏直接、高效地调用专业科学工具和数据库的标准化接口。Science Skills正是为解决此问题而生，旨在将DeepMind的内部研究成果转化为可被广泛使用的开源工具。

核心价值： 该工具包解决了科研人员在进行数据密集型研究时面临的“工具碎片化”和“流程自动化程度低”两大痛点。它通过统一接口，将分散的数据库和复杂的分析脚本整合为Agent可调用的“技能”，实现了从数据检索、分析到结果生成的端到端自动化。其创新价值在于，它不仅仅是一个工具集合，更定义了一种让AI Agent与科学世界高效交互的标准化协议，为未来AI驱动的自动化科研平台奠定了基础。

技术特点： 其核心技术优势在于“Token高效”的渐进式披露架构和“脚本执行隔离”机制。前者通过分层加载技能内容，将单次调用的Token消耗降低约39%，显著提升了Agent在长链条推理任务中的效率和经济性。后者通过在文件系统上直接执行脚本，将结果而非代码注入Agent上下文，不仅减少了89%的Token消耗，更保证了分析过程的确定性和结果的可复现性，这是进行严肃科学研究的关键。

2. 主要功能

• 标准化Skill架构： 采用统一的SKILL.md（路由与指令）、scripts/（可执行脚本）和references/（补充文档）三层结构。这种模块化设计使得每个技能独立、可复用且易于扩展，社区开发者可以基于此标准快速创建和共享新的科学技能，形成生态系统。

• Token高效渐进式披露： 通过分层架构，核心模块（约38.5%的必要内容）始终加载，而辅助内容（示例、背景等）仅在Agent通过工具调用明确需要时才动态注入。这种机制将单次调用的Token成本降低约39%，对于需要多步推理的复杂科学任务，能显著降低API调用成本和延迟。

• 脚本执行隔离： scripts/中的代码在宿主系统的文件系统上直接运行，Agent仅接收执行结果（如数值、状态），而非代码本身。相比传统“在对话中生成代码再执行”的模式，此方式减少了约89%的Token消耗，同时避免了代码生成过程中的随机性和错误，保证了分析流程的确定性、安全性和可复现性。

• 多数据库与工具集成： 原生集成了超过30个生命科学领域的权威数据库和工具，包括但不限于AlphaFold Database（蛋白质结构）、AlphaGenome（基因组变异）、UniProt（蛋白质序列与功能）、OpenAlex（学术文献）等。用户无需手动切换多个网站或编写复杂的API调用代码，即可实现跨数据源的一站式查询与分析。

• 智能文献检索与综述生成： 通过集成OpenAlex等学术搜索引擎，Agent能够根据用户提出的科学问题，自动执行检索、筛选、提取关键信息并生成结构化综述。这极大简化了系统文献综述的前期工作，帮助研究人员快速了解特定领域的研究现状。

• Agentic工作流自动化： 核心价值在于将多步骤的科学分析流程自动化。例如，用户只需提出“分析基因X的突变在Y疾病中的潜在机制”，Agent便会自动调用AlphaGenome进行变异注释，查询UniProt获取蛋白质功能信息，再通过OpenAlex检索相关文献，最终整合所有信息生成一份综合报告，将小时级工作量压缩至分钟级。

3. 如何使用

1. 环境要求与前置条件： 该工具包依赖于Node.js环境。用户需要确保系统已安装Node.js（推荐v18或更高版本）及包管理器npm。操作系统方面，支持macOS、Linux及Windows（需确保命令行环境兼容）。此外，部分技能（如AlphaGenome、OpenAlex）需要用户自行申请并配置API密钥。

2. 安装技能包： 使用npx命令一键安装完整的技能集合到Antigravity Agent开发平台中。在终端执行以下命令即可完成安装：

   npx skills add google-deepmind/science-skills/
   

   该命令会自动下载并配置所有预定义的技能。

3. 在Antigravity中启用： 下载并启动谷歌的Antigravity Agent开发环境。在项目创建向导的“Build with Google”步骤中，勾选“Science”插件即可激活所有已安装的技能。对于老用户，可以在Antigravity的设置界面中手动下载并启用Science插件。

4. 配置环境与API密钥： 首次触发任何Science Skill时，Agent会自动尝试安装uv包管理器（用于Python脚本管理）。建议安装完成后重启Antigravity以确保环境变量生效。部分技能需要API密钥，Agent在首次调用时会引导用户申请，并提示将密钥写入~/.env文件。务必遵循指引完成配置，否则相关技能将无法正常工作。

5. 自然语言调用与最佳实践： 完成配置后，用户可直接在Antigravity的对话界面中，使用自然语言提出科学问题。例如：“请分析AK2基因的突变与免疫缺陷疾病之间的关联。” Agent会自动解析请求，加载并执行相关技能。最佳实践是，从简单、明确的查询开始，逐步增加任务的复杂性，以熟悉Agent的行为模式。对于复杂任务，建议将问题拆解为多个步骤，引导Agent逐步执行，以获得更精确的结果。

4. 优缺点分析

5. 同类工具对比

选型建议：
对于需要进行基因组学、蛋白质结构分析或药物发现等数据密集型、多步骤分析的科研团队，Science Skills是首选。其Agent工作流能够自动化复杂的分析流程，极大提升效率，尤其适合拥有一定技术背景、希望构建自动化科研管线的实验室。

对于主要进行系统文献综述、Meta分析和证据合成的研究人员，Elicit 2.0更为合适。其强大的结构化数据提取和假设映射能力，能够帮助学者快速梳理海量文献，发现研究空白和潜在关联。

对于需要快速进行文献调研、事实核查和引用验证的日常研究场景，Perplexity AI Research Pro凭借其实时搜索和精准的引用追踪功能，提供了最便捷的体验，适合作为辅助研究工具，快速获取领域概览和关键信息。

6. 编辑点评

Science Skills是AI for Science领域一个极具前瞻性和实用价值的开源项目。其最大的创新在于，它并非简单地提供一个“科学版的ChatGPT”，而是定义了一套让AI Agent能够“动手”执行科学任务的标准协议。这种从“对话式问答”到“任务式执行”的范式转变，是推动AI从“辅助工具”向“自主科研伙伴”演进的关键一步。特别是其“Token高效渐进式披露”和“脚本执行隔离”设计，不仅解决了长链条推理的成本瓶颈，更确保了科学分析过程的可复现性，这对于严肃的科学研究至关重要。

从实用价值来看，Science Skills直击了当前科研人员面临的核心痛点——工具碎片化和流程自动化程度低。它将DeepMind在AlphaFold等领域的尖端能力封装成可直接调用的技能，极大地降低了这些先进工具的使用门槛。对于生物信息学、计算化学等领域的研究者而言，这无疑是一个强大的效率倍增器。

该项目主要定位于有一定技术背景的生命科学研究者或计算科学家，他们能够利用这些技能构建复杂的分析管线。对于纯粹的湿实验研究者，其易用性仍有提升空间。未来发展潜力巨大，一旦其标准化架构被更广泛的社区接受，并扩展至其他科学领域，Science Skills有望成为AI驱动科学研究的“操作系统”。目前唯一需要关注的是其对Antigravity平台的依赖，这在一定程度上限制了其生态的开放性。

7. 应用场景

• 罕见病致病基因机制研究： 研究人员可以提出“分析AK2基因的错义突变如何影响其蛋白质功能并导致免疫缺陷”这类问题。Agent会自动调用AlphaGenome获取变异信息，通过AlphaFold Database预测突变后的蛋白质结构变化，再结合UniProt的功能注释和文献检索，快速生成一份关于致病机制的综合性报告。

• 蛋白质结构与功能批量分析： 在疫苗或酶工程研究中，需要对大量候选蛋白质进行结构预测和比对。用户只需提供蛋白质序列列表，Agent即可批量调用AlphaFold Database进行结构预测，并使用内置的比对工具进行结构相似性分析，快速筛选出具有特定功能域的候选蛋白。

• 药物发现早期化合物筛选： 药物化学家可以利用化学信息学技能，输入一个目标蛋白或特定疾病靶点，Agent会自动从化学数据库中检索相关化合物，预测其ADMET（吸收、分布、代谢、排泄、毒性）性质，并根据分子相似性进行初步筛选，为后续的虚拟筛选和实验验证提供候选列表。

• 跨学科数据整合与多维研究洞察： 例如研究“某种环境污染物对特定水生生物蛋白质组的影响”。Agent可以同时查询化学数据库获取污染物信息，从UniProt获取目标物种的蛋白质组数据，结合AlphaFold进行结构预测，最后检索文献寻找已知的毒性机制，最终构建一个从化学物质到生物效应的多维度分析模型。

8. 常见问题FAQ

Q：Science Skills必须和Antigravity一起使用吗？
A：目前是的。Science Skills被设计为Antigravity Agent平台的插件。虽然其技能包是开源的，但其标准化架构和当前提供的安装方式（npx skills add ...）深度集成了Antigravity的运行时环境。未来社区可能会将其适配到其他Agent框架（如LangChain、AutoGPT等）。

Q：使用Science Skills需要很强的编程能力吗？
A：对于最终用户，不需要。您只需通过自然语言向Antigravity Agent提问即可。但如果您希望为Science Skills贡献新的技能或修改现有技能，则需要理解其标准化架构（SKILL.md、scripts/、references/），并具备一定的Python或Shell脚本编写能力。

Q：为什么说Science Skills的Token消耗更少？
A：主要通过两个机制：1）渐进式披露： Agent只加载技能的核心指令（约38.5%），其他示例和背景文档在需要时才动态加载。2）脚本执行隔离： Agent不生成代码，而是直接执行预置的Python脚本，并将结果（通常是几行数字或状态）注入上下文，而非将整个代码块（可能数百行）加入到对话中。这两点大幅减少了每次交互的Token数量。

Q：我能否将Science Skills用于商业研究？
A：可以。Science Skills的代码部分采用Apache 2.0许可证，文档部分采用CC-BY许可证，两者都允许商业使用和二次开发。但请注意，其集成的第三方数据库（如UniProt、AlphaFold Database）各自有其使用条款，通常也允许学术和商业用途，但建议在正式使用前查阅具体数据库的许可协议。

Q：如何添加新的科学数据库或工具作为技能？
A：您需要遵循其标准化的Skill架构。首先，创建一个新的技能目录，包含一个SKILL.md文件（定义路由、指令和YAML frontmatter），一个scripts/目录（存放可执行脚本），以及一个可选的references/目录（存放补充文档）。然后，使用npx skills add <path_to_your_skill>命令将其添加到Antigravity中。详细的开发指南可参考其GitHub仓库的Wiki。

9. 项目地址

• GitHub仓库： https://github.com/google-deepmind/science-skills