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

Science Skills是什么

想不想在几分钟内搞定原本需要几个小时的生命科学分析？谷歌DeepMind最近开源了一套科研技能集，名叫Science Skills，它正是为此而生。这套工具专门用来加速AI Agent驱动的科学研究工作流，一口气整合了AlphaGenome、AlphaFold Database、UniProt等30多个生命科学领域的数据库与工具。覆盖范围相当广——基因组学、结构生物学、化学信息学、文献检索，都能上手。换句话说，研究人员用自然语言提问，系统就能在几分钟内完成过去需要数小时的复杂分析任务。

Science Skills的主要功能

具体能做什么？简单拆解一下，主要有这几个方向：

• 基因组学分析
  ：借助AlphaGenome等技能，进行基因变异注释、疾病关联分析和基因组数据挖掘，省去手动跑脚本的繁琐。

• 结构生物学研究
  ：集成AlphaFold Database，支持蛋白质结构预测、分子对接和结构比对——对疫苗设计和酶工程来说，这个能力很关键。

• 化学信息学处理
  ：化合物性质预测、分子筛选、药物发现相关分析，全都囊括在内。

• 智能文献检索
  ：通过OpenAlex这类工具，自动检索、筛选和综合学术文献，还能生成结构化综述。写文献综述的人应该懂这个痛点。

• 多数据库整合
  ：统一接入30多个权威数据库，跨数据源一站式查询与分析，不用再在多个网站间来回切换。

Science Skills的技术原理

这套工具背后有几项关键设计，值得拿出来说说。

首先是

。每个技能都采用统一的三层模块化协议：SKILL.md（里面包含YAML路由frontmatter和Markdown执行指令）、scripts/（可执行脚本工具）和references/（按需加载的补充文档）。这种结构意味着技能是可复用、可扩展、可维护的，不是一次性代码。

其次是

。传统做法是把所有指令写在一起，但Science Skills采用的是分层架构：核心模块始终加载，但只保留38.5%的必要内容；辅助内容（示例、背景、模板）在Agent明确需要时才动态加载。这样单次调用的Token成本能降低约39%，端到端节省43.2%。对科研场景来说，这可不是小数字。

再来看

。以往AI Agent在对话中生成代码，再执行代码，Token消耗巨大。这里的做法是：scripts/中的代码直接在文件系统上运行，只把执行结果（比如验证状态或数值）注入Agent上下文。相比传统方式，Token消耗减少了约89%，同时执行确定性更高、可复用性更强。

最后是

。每个SKILL.md顶部的YAML frontmatter包含精简的路由描述，用来快速匹配用户请求与对应技能。通过压缩冗长说明、去除非路由相关的内容（比如功能列表、触发词枚举），确保只加载必要的技能上下文，不让无关信息占用Token。

如何使用Science Skills

好了，说了这么多，到底怎么上手？步骤很直接：

• 安装技能包
  ：用npx命令一键搞定——npx skills add google-deepmind/science-skills/

• 在Antigra vity中启用
  ：下载Google Antigra vity后，在「Build with Google」步骤勾选Science插件；老用户直接在设置里下载即可。

• 配置环境
  ：首次触发Science Skill时，Agent会自动安装uv包管理器，安装完成后重启Antigra vity就行。

• 配置API密钥
  ：部分技能（比如AlphaGenome、OpenAlex）需要API密钥，Agent会引导你获取并写入~/.env文件。

• 自然语言调用
  ：完成配置后，直接用自然语言向Agent提出科学问题，它会自动加载相关技能并执行分析，不需要写任何代码。

Science Skills的核心优势

这套工具的优势很清楚：

• Agentic工作流加速
  ：原本需要数小时的手动分析——无论是结构生物信息学还是基因组分析——压缩至分钟级。效率提升很明显。

• 深度数据grounding
  ：直接集成30多个权威数据库，分析结果基于最新、最可靠的科学数据，能有效减少模型幻觉。

• Token高效设计
  ：针对科学任务专门优化，用更少的Token消耗完成更复杂的推理和分析，这对大规模科研场景来说很实际。

• 标准化Skill架构
  ：每个技能采用统一的SKILL.md + scripts/ + references/结构，方便扩展、复用和社区协作。

• 完全开源
  ：代码采用Apache 2.0许可证，文档采用CC-BY许可证，自由使用和二次开发都不是问题。

Science Skills的项目地址

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

Science Skills的同类竞品对比

市面上类似的工具也有一些。我们拿它和Elicit 2.0、Perplexity AI Research Pro做个对比，差异就很清楚了：

维度	Google DeepMind Science Skills	Elicit 2.0	Perplexity AI Research Pro
核心定位	AI Agent科学技能包，专注生命科学数据库整合与自动化分析	系统文献综述与假设映射工具	实时学术检索与引用追踪引擎
数据库覆盖	30+生命科学专用数据库（AlphaFold、UniProt、AlphaGenome等）	1.4亿+学术论文	PubMed、arXiv、Semantic Scholar等
工作模式	Agent自主执行脚本，完成端到端科学分析任务	结构化数据提取与证据合成	实时检索+引用链重构
开源性	完全开源（Apache 2.0+CC-BY）	开源权重（Apache 2.0），可本地部署	闭源SaaS
适用场景	基因组/蛋白质/化学数据密集型研究	系统综述、Meta分析、证据合成	快速文献调研、引用验证

Science Skills的应用场景

这套工具在实际科研中能派上不少用场：

• 罕见病研究
  ：快速分析基因突变与疾病的关联机制。DeepMind团队曾用Science Skills发现AK2基因突变导致罕见遗传病的潜在机制，这类工作要是手动做，时间成本相当高。

• 蛋白质结构分析
  ：批量预测和比对蛋白质结构，对疫苗设计和酶工程研究来说是直接助力。

• 药物发现
  ：基于化学信息学技能进行化合物筛选和分子性质预测，能明显缩短早期研发周期。

• 系统文献综述
  ：自动检索、提取和综合数百万篇学术论文，快速生成领域综述报告，文献工作量直接降低。

• 跨学科数据整合
  ：同时查询基因组、蛋白质、化合物和文献数据，构建多维度研究洞察，这在传统工作流里几乎是不可想象的效率。