Para peneliti bersorak: 177 Skills riset terpasang dengan satu perintah, langsung melesat

Catatan penulis: Panduan langkah demi langkah untuk menggunakan 177 Agent Skills riset dari K-Dense-AI, mulai dari memeriksa lingkungan, memilih dan memasang keterampilan, melengkapi dependensi, hingga menguji pemanggilannya. Pembahasan tentang pemecahan masalah dan risiko juga disertakan.

Scientific Agent Skills adalah paket keterampilan riset sumber terbuka dari K-Dense-AI untuk coding agent seperti Claude Code dan Cursor. Paket ini berisi 177 keterampilan yang mengubah alur kerja seperti analisis sel tunggal, informatika kimia, tinjauan literatur, dan penelusuran basis data menjadi panduan yang bisa dibaca oleh agent. Jadi, kamu tidak perlu selalu menyusun alur QC dari awal, menelusuri dokumentasi API, atau memeriksa DOI satu per satu. Namun, sebaiknya jangan langsung memasang semuanya: keterampilan ini memungkinkan agent menjalankan kode, memasang paket, dan mengakses internet. Selain itu, pemasangan file keterampilan tidak otomatis memasang dependensi Python yang dibutuhkan.

Ini bukan artikel promosi yang menjanjikan semuanya langsung beres setelah dipasang, melainkan panduan penggunaan dalam 5 langkah, dengan hasil yang bisa diperiksa di setiap tahap.

Manfaat utama: Setelah membaca artikel ini, kamu bisa memilih 5–10 Skills riset yang sesuai dengan bidangmu, memasangnya di direktori yang tepat, melengkapi dependensinya, lalu meminta agent untuk benar-benar memanggilnya. Hasil dan angkanya pun bisa diperiksa satu per satu.

Apa saja isi 177 Skills untuk riset?

Repositorinya adalah K-Dense-AI/scientific-agent-skills dengan lisensi MIT. Per 28 Oktober 2026, repositori ini memiliki 54.959 star dan 4.846 fork, dengan versi terbaru 2.72.0 dan total 177 subdirektori di dalam direktori skills/. README-nya mengklaim “digunakan oleh 250.000+ ilmuwan” dan “pustaka Agent Skills nomor 1 untuk sains”. Keduanya adalah klaim resmi proyek, bukan statistik dari pihak ketiga. Makalah pendampingnya tersedia di arXiv:2609.00065.

Gambar 1: Halaman utama repositori (tangkapan layar 28 Oktober 2026), dengan 55 ribu star dan 4,8 ribu fork. Bagian About menyebutkan 177 skill dan 100+ basis data.

Mengapa jumlahnya 177? Pada versi 2.71.0, ada 181 skill. Mulai versi 2.72.0, empat skill dokumen—docx, pdf, pptx, dan xlsx—tidak lagi disertakan dalam repositori. Jika diperlukan, keempatnya harus diinstal secara terpisah dari repositori Anthropic.

Gambar 2: Direktori skills/ menampilkan puluhan folder skill dalam satu layar. Deskripsi commit terbaru berbunyi “Remove vendored Anthropic document skills”; perubahan inilah yang mengurangi jumlah skill dari 181 menjadi 177.

README membagi semua skill ke dalam 22 kategori besar. Tabel berikut menggabungkannya berdasarkan bidang dan hanya menampilkan contoh skill dan paket, bukan daftar lengkap:

Bidang (kategori besar README)	Contoh skill / paket	Kegunaan umum
Bioinformatika, multiomik, proteomik, dan spektrometri massa	`scanpy`, `pydeseq2`, `pyopenms`, `nextflow`, serta skill paket seperti scVelo	Kontrol kualitas dan pengelompokan sel tunggal, ekspresi diferensial, pemrosesan spektrometri massa, dan orkestrasi alur kerja
Kemoinformatika dan penemuan obat, ilmu material	`rdkit`, `pymatgen`	Penyaringan dan deskriptor molekul, struktur kristal, dan komputasi material
Fisika dan astronomi, rekayasa dan simulasi	`qiskit`, serta skill paket seperti QuTiP	Rangkaian kuantum dan simulasi sistem kuantum
Riset klinis, AI medis, regulasi dan standar	`clinical-reports`, serta skill paket seperti pydicom	Draf laporan klinis dan pembacaan citra medis
Analisis dan visualisasi data, pembelajaran mesin, geospasial	`scientific-visualization`, `timesfm-forecasting`, serta skill paket seperti scikit-learn, PyTorch Lightning, dan GeoPandas	Grafik siap publikasi, prediksi deret waktu, pemodelan, dan analisis data spasial
Komunikasi sains, metodologi riset	`literature-review`, `scientific-writing`, `paper-lookup`, `paperzilla`, `scientific-slides`, `research-grants`, `peer-review`, `generate-image`	Tinjauan sistematis, penulisan makalah, slide rapat tim riset, pengajuan hibah, dan komentar tinjauan sejawat
Penelusuran basis data	`database-lookup`, serta skill khusus seperti DepMap, Imaging Data Commons, PrimeKG, NCATS ARAX, dan AlphaGenome	Kueri terpadu untuk sumber data publik, yang memerlukan pendaftaran, dan yang memerlukan izin

Skill database-lookup saja mencakup 80 sumber data. Jika ditambah skill khusus dan paket yang mencakup beberapa basis data, README menyebut totalnya sebagai 100+ basis data. Ada juga lebih dari 70 skill untuk paket Python, termasuk RDKit, Scanpy, scikit-learn, PyTorch Lightning, pydicom, QuTiP, GeoPandas, pymatgen, Qiskit, scVelo, dan TimesFM. Setiap skill menjelaskan versi paket yang didukung dan cara penggunaannya.

Struktur direktori satu keterampilan Riset Skills

Setiap keterampilan berupa satu folder. File SKILL.md wajib ada, sedangkan references/, scripts/, dan assets/ disediakan sesuai kebutuhan. Sebagai contoh, frontmatter scanpy mencantumkan lisensi BSD-3-Clause, Python 3.12+, metadata.version 1.8, dan last-reviewed 2026-10-01.

Ada satu hal yang mudah terlewat: repositori secara keseluruhan menggunakan lisensi MIT, tetapi setiap keterampilan memiliki lisensi sendiri di kolom license dalam SKILL.md, yang bisa berbeda dari lisensi repositori. Jika ingin menggunakannya secara komersial atau mendistribusikannya ulang, periksa lisensi masing-masing keterampilan.

5 langkah integrasi Riset Skills

Proses integrasi terdiri dari lima langkah: memeriksa lingkungan → melihat daftar dan memilih keterampilan → memasang hanya yang dibutuhkan → melengkapi dependensi dan kredensial → memicu dan memverifikasi hasil. Setiap langkah menjelaskan apakah Anda sendiri yang mengetik perintah, alat baris perintah yang menjalankannya, atau Agent yang bertindak.

Langkah 1: Pahami cara pemasangan dan prasyarat Skills untuk riset

Waktu: sekitar 5 menit　Prasyarat: bisa membuka terminal　Kesulitan: rendah (bisa dilewati jika lingkungan sudah siap)

Yang perlu dilakukan: Jalankan sendiri perintah pemeriksaan berikut satu per satu untuk menentukan apakah kamu bisa langsung memasang, perlu melengkapi alat terlebih dahulu, atau menggunakan host yang tidak didukung.

node -v: pemasang npx skills membutuhkan Node.js 22.20 atau lebih baru
python3 --version: toolchain bawaan repositori membutuhkan Python 3.13+ (rentang dependensi tiap skill mengikuti bagian compatibility masing-masing)
uv --version: uv digunakan untuk memasang dependensi skill
gh --version: hanya diperlukan jika ingin memasang melalui GitHub CLI; versinya harus di atas 2.90.0
Sistem: macOS, Linux, atau Windows + WSL2

Yang akan terlihat: Setiap perintah menampilkan nomor versi. Jika muncul pesan command not found, berarti alat tersebut belum terpasang.

Kriteria keberhasilan: Versi Node minimal v22.20, Python minimal 3.13, uv menampilkan nomor versi, dan host yang kamu gunakan mendukung standar Agent Skills. Pemasang skills (paket npm, vercel-labs/skills, MIT, versi terbaru 1.7.4) secara resmi mendukung lebih dari 70 host, termasuk Claude Code, Cursor, Codex, Gemini CLI, Antigravity, dan OpenClaw. Skill itu sendiri tidak terikat pada model tertentu: kamu bebas menentukan model yang digunakan host. Langkah 5 akan menjelaskan cara menghubungkan model ke APIYI.

Langkah 2: Daftar dulu Skills untuk riset, lalu pilih yang akan dipasang

Waktu: sekitar 10 menit　Prasyarat: langkah 1 berhasil　Kesulitan: rendah (sebaiknya jangan dilewati)

Yang perlu dilakukan: Jalankan sendiri perintah “daftar saja, tanpa memasang” berikut. Alat baris perintah akan mengunduh repositori dan membaca nama serta deskripsi semua skill, tetapi tidak akan memasang skill apa pun di komputer Anda.

npx skills add K-Dense-AI/scientific-agent-skills --list

Yang akan terlihat: Terminal menampilkan 177 skill, masing-masing dengan nama dan deskripsi singkat.

Catatan dari pengujian: Langkah ini akan melakukan clone seluruh repositori ke komputer Anda. Ukurannya lebih dari 400 MB. Jika koneksi lambat, terminal bisa lama berhenti di Cloning repository…, lalu menampilkan Clone timed out setelah 300 detik. Untuk memperpanjang batas waktunya, jalankan lagi dengan SKILLS_CLONE_TIMEOUT_MS=600000 (10 menit); atau lakukan git clone sendiri terlebih dahulu, lalu jalankan skills add pada direktori lokal tersebut.

Kriteria keberhasilan: Anda punya daftar 5–10 skill yang berpotensi dipasang. README menyatakan “Do not install everything at once”: pengembangnya juga tidak menyarankan memasang semuanya sekaligus. Semakin banyak skill yang dipasang, semakin banyak pilihan yang bisa mengganggu Agent saat memilih skill, dan semakin banyak kode yang perlu Anda tinjau.

Anda bisa memilih berdasarkan bidang berikut:

Bioinformatika: scanpy, pydeseq2, database-lookup; tambahkan pyopenms jika mengerjakan spektrometri massa
Informatika kimia: rdkit, database-lookup; tambahkan pymatgen untuk bidang material
Literatur dan penulisan: literature-review, paper-lookup, scientific-writing, peer-review
Visualisasi data: scientific-visualization; tambahkan timesfm-forecasting jika menangani deret waktu
Otomatisasi laboratorium: lihat keluaran --list untuk nama skill yang tersedia dalam kategori ini; untuk orkestrasi alur kerja, mulai dengan melihat nextflow

Langkah 3: Instal hanya Skills riset yang diperlukan

Waktu: sekitar 5 menit　Prasyarat: sudah memiliki daftar kandidat　Tingkat kesulitan: menengah

Yang perlu dilakukan: Jalankan sendiri perintah instalasi. Alat baris perintah akan menempatkan skill di direktori skill host. “Satu perintah” yang disebut di judul adalah npx skills add K-Dense-AI/scientific-agent-skills. Menjalankannya langsung akan membuka mode interaktif untuk memilih skill dan host. Jika memilih semuanya, semua skill akan terinstal—dan ini tidak disarankan.

Arti parameter:

-s / --skill: menentukan nama skill; '*' berarti semua
-a / --agent: menentukan host, misalnya claude-code atau codex
-g: menginstal ke direktori pengguna (global); tanpa parameter ini, instalasi dilakukan di proyek saat ini
--copy: menyalin file; secara default digunakan symlink, sehingga hanya ada satu salinan di komputer dan pembaruan lebih mudah
-y: melewati konfirmasi, cocok untuk skrip atau CI

Perintah noninteraktif yang bisa langsung disalin (contoh untuk Claude Code, instalasi tingkat proyek, satu skill per baris):

npx skills add K-Dense-AI/scientific-agent-skills -s scanpy -a claude-code -y
npx skills add K-Dense-AI/scientific-agent-skills -s database-lookup -a claude-code -y
npx skills add K-Dense-AI/scientific-agent-skills -s pydeseq2 -a claude-code -y

Untuk instalasi global, tambahkan -g di akhir perintah. Jika ingin menyalin file alih-alih menggunakan symlink, tambahkan --copy. Untuk cara menginstal beberapa skill sekaligus, lihat petunjuk di npx skills add --help.

Host	Direktori tingkat proyek	Direktori global
Claude Code	`.claude/skills/`	`~/.claude/skills/`
Cursor	`.agents/skills/`	`~/.cursor/skills/`
Codex	`.agents/skills/`	`~/.agents/skills/`
Gemini CLI	`.agents/skills/`	`~/.gemini/skills/`
Antigravity	`.agents/skills/`	`~/.gemini/antigravity/skills/`
OpenClaw	`skills/`	`~/.openclaw/skills/`

Cara memilih tingkat proyek atau global: tempatkan skill yang hanya terkait dengan riset tertentu di tingkat proyek, misalnya pydeseq2 untuk proyek analisis tertentu. Dengan begitu, skill dapat dibagikan bersama proyek kepada anggota tim. Tempatkan skill yang dipakai setiap hari, seperti untuk literatur dan penulisan, di tingkat global.

Yang akan terlihat: Penginstal menampilkan pesan keberhasilan untuk setiap skill beserta direktori tujuannya.

Kriteria keberhasilan: Jalankan sendiri npx skills list atau langsung gunakan ls .claude/skills/. Pastikan semua direktori skill yang baru diinstal ada dan masing-masing berisi SKILL.md.

Ada dua alternatif instalasi lainnya:

gh skill install K-Dense-AI/scientific-agent-skills --agent claude-code --pin v2.71.0: gunakan --pin untuk mengunci versi atau commit SHA tertentu, cocok untuk riset yang hasilnya harus dapat direproduksi
git clone ke ~/.agents/skills/scientific-agent-skills (tingkat pengguna) atau .agents/skills/scientific-agent-skills (tingkat proyek)

Langkah 4: Lengkapi dependensi Python dan kredensial untuk Skills riset

Waktu: 10–30 menit (tergantung ukuran paket)　Prasyarat: Skill sudah terpasang　Kesulitan: Sedang (tidak bisa dilewati)

Yang perlu dilakukan: Langkah ini paling sering bermasalah, jadi perlu ditegaskan lagi: memasang file skill ≠ memasang dependensi. Buka SKILL.md setiap skill, periksa kolom compatibility, lalu instal dependensinya dengan uv. Perhatikan bahwa uv sync hanya menginstal alat pengembangan dan validasi milik repositori, bukan seluruh paket komputasi ilmiah.

cat .claude/skills/scanpy/SKILL.md: Periksa compatibility. Skill scanpy mencantumkan “diuji pada Python 3.13 + Scanpy 1.12.4 + AnnData 0.13.4”
uv venv .venv-scrna --python 3.13: Buat lingkungan terpisah untuk setiap alur kerja agar paket analisis sel tunggal dan informatika kimia tidak saling bertabrakan
source .venv-scrna/bin/activate
uv pip install "scanpy[leiden]"

Beberapa skill memerlukan kunci milikmu sendiri. Misalnya, generate-image menggunakan antarmuka gambar OpenRouter, sehingga kamu perlu mengatur export OPENROUTER_API_KEY=KUNCI_ANDA. Penggunaannya juga dikenai biaya per panggilan. Menampilkan daftar model atau menambahkan --dry-run tidak dikenai biaya, jadi sebaiknya coba kedua cara itu terlebih dahulu. literature-review memerlukan koneksi internet untuk memvalidasi DOI. Untuk mengekspor PDF, kamu juga perlu memasang Pandoc dan XeLaTeX secara terpisah.

Jika sudah menggunakan APIYI, kamu tidak perlu membuat akun OpenRouter terpisah untuk membuat gambar: Dokumentasi APIYI memuat dua Skills kontribusi komunitas, yaitu apiyi-gpt-image-2-gen (proksi API resmi gpt-image-2, ditagih per token, mendukung 4K dan ukuran khusus) dan apiyi-gpt-image-2-all-gen (API hasil rekayasa balik, $0.025 per panggilan, mendukung penyuntingan gambar lewat percakapan). Setelah memasangnya di Cursor, Codex CLI, Gemini CLI, OpenCode, GitHub Copilot, atau Amp, cukup katakan “gunakan apiyi-gpt-image-2-gen untuk membuat gambar berukuran 3840×2160”. Kunci digunakan melalui variabel lingkungan APIYI_API_KEY.

Gambar 3: Halaman kumpulan Skills dalam dokumentasi APIYI. Kedua skill pembuatan gambar mencantumkan identitas model, metode penagihan, dan cara memeriksa kesalahan instalasi.

Yang akan terlihat: uv menampilkan daftar paket yang telah diselesaikan dependensinya dan diinstal.

Kriteria keberhasilan: Jalankan sendiri python -c "import scanpy, anndata; print(scanpy.__version__, anndata.__version__)" dan pastikan nomor versi yang keluar sesuai dengan kolom compatibility. Untuk skill yang memerlukan kunci, gunakan echo $OPENROUTER_API_KEY | head -c 6 untuk memastikan variabel lingkungan sudah aktif.

Langkah 5: Memicu Skills riset dan memverifikasi hasilnya

Waktu: sekitar 10 menit　Prasyarat: dependensi sudah terpasang　Tingkat kesulitan: rendah

Yang perlu dilakukan: mulai ulang aplikasi host agar direktori skill dipindai kembali. Lalu, masukkan petunjuk di kotak percakapan. Agent akan mengerjakan sisanya: membaca SKILL.md, menjalankan skrip, dan menghasilkan file keluaran. Penulisan petunjuk yang disarankan adalah “kalimat pembuka umum + nama skill”:

Awali dengan Use available skills you have access to whenever possible.
Lalu sebutkan skill-nya, misalnya “gunakan skill literature-review untuk membuat tinjauan sistematis”

Yang akan terlihat: respons Agent akan menjelaskan skill yang dibacanya dan mencantumkan perintah yang akan dijalankan.

Kriteria verifikasi (ketiganya harus diperiksa):

Apakah Agent menyebutkan dengan jelas skill yang digunakan? Jika tidak, tanyakan “skill apa yang kamu gunakan?”
Di direktori mana file keluaran disimpan, dan apakah file tersebut benar-benar ada? Periksa sendiri dengan ls
Apakah angka dalam hasilnya sesuai dengan sumber? Apakah DOI bisa dibuka dan ID entri database bisa ditemukan?

Perintah pemeliharaan rutin (jalankan sendiri): npx skills check untuk memeriksa pembaruan, npx skills update untuk memperbarui, dan npx skills remove untuk mencopot. Secara default, installer mengumpulkan data penggunaan anonim. Tambahkan DISABLE_TELEMETRY=1 atau DO_NOT_TRACK=1 untuk menonaktifkannya.

🎯 Hitung biayanya setelah berhasil dijalankan: Skill itu sendiri gratis dan bersifat sumber terbuka. Biaya sebenarnya berasal dari pemanggilan model saat menjalankan skill. Satu alur kerja analisis sel tunggal sering kali membutuhkan beberapa putaran membaca dokumentasi, menulis kode, dan memperbaiki kesalahan, sehingga penggunaan token bisa cukup besar. Jika host mendukung endpoint kustom yang kompatibel dengan OpenAI, kamu bisa mengatur base_url ke https://api.apiyi.com/v1 dan menggunakan satu Key melalui APIYI apiyi.com untuk beralih antara model seperti Claude, GPT, dan Gemini. Dengan begitu, kamu bisa membandingkan hasil dan biaya saat menjalankan skill yang sama pada model berbeda. Di Claude Code, misalnya, kamu hanya perlu mengatur dua variabel lingkungan: arahkan ANTHROPIC_BASE_URL ke https://api.apiyi.com dan isi ANTHROPIC_AUTH_TOKEN dengan Key kamu. Setelah itu, skill tetap bisa digunakan di Claude Code seperti biasa.

Gambar 4: Konfigurasi Claude Code dalam dokumentasi APIYI hanya memerlukan dua variabel lingkungan (Key dalam tangkapan layar sudah disamarkan)

Model	Input	Output	Pembacaan cache	Platform yang tersedia
claude-opus-5-5	$4 / juta token	$20 / juta token	$0.2 / juta token	APIYI apiyi.com

Lihat daftar model di platform untuk informasi model dan harga terkini. Petunjuk untuk skill riset akan berulang kali menyertakan file SKILL.md yang sama. Harga pembacaan cache hanya seperdua puluh harga input, sehingga bisa menghemat biaya dalam sesi panjang.

Tiga skenario nyata saat Skills riset pertama kali dijalankan

Skenario satu: Analisis sel tunggal

Petunjuk: Use available skills you have access to whenever possible. Lalu lanjutkan dengan “gunakan scanpy untuk QC, normalisasi, reduksi dimensi, dan pengelompokan; gunakan cellxgene-census sebagai referensi tipe sel; gunakan database-lookup untuk mencari gen penanda; dan gunakan pydeseq2 untuk analisis ekspresi diferensial”. Agent akan membaca setiap skill tersebut secara berurutan, lalu membuat dan menjalankan skrip analisis.

Saat memeriksa hasilnya, fokus pada tiga hal: apakah ambang batas QC sudah dicantumkan, apakah file hasil pengelompokan tersedia, dan apakah gen diferensial bisa ditemukan di sumber data yang dikembalikan oleh database-lookup.

Skenario dua: Tinjauan literatur

Petunjuk: “Gunakan skill literature-review untuk membuat tinjauan sistematis tentang topik tertentu, gunakan paper-lookup untuk melengkapi literatur, lalu gunakan scientific-writing untuk menyusunnya menjadi draf awal.” Skill ini memvalidasi DOI secara daring, jadi buka setiap DOI untuk memastikan literaturnya benar-benar ada serta nama penulis dan tahunnya benar.

Skenario tiga: Penyaringan senyawa

Petunjuk: “Gunakan database-lookup untuk mengambil sejumlah kandidat molekul dari PubChem dan ChEMBL, gunakan rdkit untuk menyaringnya berdasarkan berat molekul 300–500 dan logP 2–4, lalu hasilkan file CSV.” Saat memeriksa hasilnya, cek sendiri beberapa entri: hitung ulang berat molekul dengan RDKit dan lihat apakah hasilnya sesuai dengan CSV; lalu cari ID senyawa di PubChem untuk memastikan datanya cocok.

Tabel pemecahan masalah Skills untuk riset

Gejala	Penyebab umum	Solusi
Skill tidak dimuat	Direktori salah, atau `SKILL.md` tidak ada di direktori skill	Periksa tabel direktori pada langkah 3; mulai ulang IDE setelah memperbaikinya; di Cursor, buka Settings → Rules untuk memeriksa apakah skill dikenali
Dependensi Python tidak tersedia	Hanya file skill yang dipasang, tanpa dependensinya	Ikuti bagian compatibility di `SKILL.md` untuk memasang dependensi dengan `uv pip install`, lalu pastikan environment yang aktif sudah sesuai
Terkena batas permintaan database	Permintaan batch terlalu cepat atau melebihi kuota gratis	Periksa dokumentasi database, gunakan cache, bagi permintaan ke beberapa batch, dan kurangi jumlah permintaan bersamaan
Error autentikasi	Key belum diatur, kedaluwarsa, atau tidak memiliki izin yang cukup	Gunakan `echo` untuk memeriksa variabel environment, lalu periksa izin di dashboard layanan terkait
Path lama `scientific-skills/` mengembalikan 404	Sejak v2.43.0, path skill berubah menjadi `skills/`	Perbarui path di skrip lokal dan bookmark, atau instal ulang
Ingin menghapus dan menginstal ulang	Versi tidak konsisten atau symlink tidak berfungsi	Jalankan `npx skills remove`, lalu `npx skills add`; gunakan `gh skill install --pin` jika perlu mengunci versi
Terhenti di `Cloning repository…` lalu muncul `Clone timed out`	Ukuran repositori lebih dari 400 MB, sehingga 300 detik tidak cukup	Jalankan lagi dengan `SKILLS_CLONE_TIMEOUT_MS=600000`, atau gunakan `git clone` terlebih dahulu lalu instal dari path lokal

Risiko dan Penafian Skills untuk Riset Ilmiah

Harap baca bagian ini sampai selesai. Scientific Agent Skills adalah proyek sumber terbuka dari komunitas, bukan API resmi dari platform mana pun. Kami hanya merekomendasikannya, bukan menjamin keamanannya.

Skill memiliki kemampuan untuk mengeksekusi tindakan. Skill dapat mengarahkan Agent untuk menjalankan kode apa pun, memasang paket, mengirim permintaan jaringan, dan mengubah file di perangkat lokal. Skill yang berbahaya atau ditulis dengan buruk dapat mengarahkan Agent ke tindakan yang tidak diinginkan. Berikut langkah yang disarankan:

Sebelum memasang, baca SKILL.md untuk mengetahui paket yang digunakan dan layanan eksternal yang dihubungi
Periksa riwayat kontribusi: skill yang mencantumkan K-Dense-AI sebagai pembuatnya telah melalui peninjauan internal, sedangkan kontribusi komunitas hanya ditinjau sebatas kemampuan tim
Lakukan pemindaian sendiri: jalankan uv pip install cisco-ai-skill-scanner, lalu jalankan skill-scanner scan <path> --use-behavioral, dengan mengganti <path> menjadi direktori skill. Tim resmi melakukan pemindaian inkremental setiap minggu dan pemindaian ulang menyeluruh setidaknya setiap 30 hari. Hasilnya dipublikasikan di docs/security-report.md

Ketentuan layanan pihak ketiga. Beberapa skill mengharuskan Anda mendaftar ke database pihak ketiga atau menggunakan Key sendiri. Dalam hal ini, patuhi ketentuan dan batas kuota layanan tersebut. Pengambilan data secara massal dapat dikenai pembatasan laju, bahkan berujung pada pemblokiran akun. Sebaiknya uji terlebih dahulu menggunakan akun terpisah atau di lingkungan terisolasi.

Batasan klinis dan regulasi. Skill terkait klinis, medis, dan regulasi hanya boleh digunakan untuk riset dan penyusunan draf, bukan untuk menggantikan keputusan diagnosis, pelepasan, atau sertifikasi.

Tanggung jawab. Pengguna bertanggung jawab atas penilaian dan segala konsekuensi penggunaan skill ini. Platform dan penulis artikel ini tidak bertanggung jawab atas konsekuensi tersebut.

Pertanyaan Umum FAQ

Q1: Apa sebenarnya Scientific Agent Skills itu?

Scientific Agent Skills adalah pustaka keterampilan riset yang dikelola K-Dense-AI. Pustaka ini berisi 177 folder keterampilan yang mengikuti standar Agent Skills. Setiap keterampilan memberi tahu Agent cara menjalankan alur kerja riset tertentu, paket yang perlu dipanggil, dan database yang perlu dihubungkan. Ini bukan model atau layanan API.

Q2: Mengapa tidak disarankan memasang semua 177 Skills riset dengan satu perintah?

Pertama, README resminya secara jelas menyarankan agar tidak memasang semuanya sekaligus. Kedua, semakin banyak keterampilan yang dipasang, semakin sulit bagi Agent untuk memilih keterampilan yang tepat. Ketiga, setiap keterampilan dapat menjalankan kode, jadi semakin banyak yang dipasang, semakin banyak pula yang perlu diperiksa. Pilih saja 5–10 keterampilan sesuai bidang risetmu.

Q3: Mengapa sekarang jumlahnya 177, bukan 181?

Mulai versi 2.72.0, empat keterampilan dokumen—docx, pdf, pptx, dan xlsx—tidak lagi disertakan dalam repositori. Jika diperlukan, pasang secara terpisah dari repositori skills milik Anthropic.

Q4: Kalau keterampilannya gratis, biaya utamanya berasal dari mana?

Biaya utamanya berasal dari pemanggilan model saat menjalankan keterampilan. Beberapa keterampilan juga dapat menimbulkan biaya layanan pihak ketiga. Misalnya, `generate-image` menggunakan OpenRouter yang mengenakan biaya per penggunaan. Untuk model, kamu bisa menggunakan APIYI apiyi.com dengan biaya sesuai pemakaian tanpa biaya bulanan tetap. Cocok untuk mencoba alur kerja kecil dan mengukur konsumsi token sebelum memilih model untuk penggunaan jangka panjang.

Q5: Sudah dipasang di Cursor, tetapi Agent tidak menggunakan keterampilannya. Apa yang harus dilakukan?

Pertama, periksa di Settings → Rules apakah keterampilan sudah dikenali. Lalu, tambahkan `Use available skills you have access to whenever possible.` di awal petunjuk dan sebutkan langsung nama keterampilan yang ingin digunakan. Jika masih tidak dipanggil, coba bandingkan dengan model lain. Melalui APIYI apiyi.com, kamu bisa beralih antara berbagai model dengan satu kunci API, sehingga lebih mudah mencari penyebabnya.

Q6: Bagaimana memastikan hasil riset dapat direproduksi?

Gunakan `gh skill install –pin` untuk mengunci keterampilan ke versi atau commit tertentu. Kunci juga versi dependensi Python dalam lingkungan uv yang terpisah, lalu catat tanggal metadata.version dan last-reviewed di `SKILL.md`.

Q7: Apakah semua keterampilan ini berlisensi MIT?

Belum tentu. Repositori secara keseluruhan berlisensi MIT, tetapi setiap keterampilan memiliki kolom license sendiri. Misalnya, `scanpy` menggunakan BSD-3-Clause. Periksa lisensi satu per satu sebelum digunakan secara komersial.

Poin Utama Skills untuk Riset

Apa itu: 177 keterampilan riset sumber terbuka yang mencakup 22 kategori utama dalam README
Cara memasang: Gunakan --list untuk melihat daftar, lalu gunakan -s dan -a untuk memasang hanya yang dibutuhkan
Prasyarat: Node.js 22.20+, Python 3.13+, uv, dan host yang mendukung standar Agent Skills
Kesalahan yang paling sering terjadi: Memasang file keterampilan bukan berarti memasang dependensinya. Buat satu lingkungan uv untuk setiap alur kerja
Cara memverifikasi hasil: Pastikan keterampilan yang digunakan, direktori penyimpanan hasil, dan kecocokan angka dengan sumbernya
Keamanan: Baca SKILL.md sebelum memasang, lalu pindai dengan Cisco Scanner
Biaya: Keterampilan tersedia gratis. Pemanggilan model dapat diakses dan dibandingkan melalui APIYI apiyi.com

Kesimpulan

Ke-177 Skills untuk riset ini berguna, tetapi sebaiknya digunakan secara bertahap. Jangan langsung memasang terlalu banyak:

Periksa sebelum memasang: Pastikan versi lingkungan dan dukungan host sudah sesuai, lalu pilih 5–10 keterampilan dengan --list
Pisahkan pemasangan keterampilan dan dependensi: Pasang file keterampilan dengan npx skills add, lalu pasang dependensi Python dengan uv. Keduanya harus dilakukan
Pastikan hasil bisa diperiksa: Setiap kali menjalankan alur kerja, periksa keterampilan yang digunakan, lokasi hasil, dan sumber angkanya

Cobalah satu alur kerja kecil yang paling familier terlebih dahulu, misalnya melakukan klasterisasi scanpy pada dataset kecil. Setelah berhasil dari awal hingga akhir, tambahkan keterampilan secara bertahap. Untuk model, coba jalankan melalui APIYI apiyi.com dengan pembayaran sesuai pemakaian, lalu tentukan model untuk penggunaan jangka panjang berdasarkan konsumsi token.

📚 Referensi

Repositori Scientific Agent Skills: kode sumber skill, README, dan laporan keamanan
Tautan: github.com/K-Dense-AI/scientific-agent-skills
Keterangan: berisi 177 skill, cara instalasi, panduan pemecahan masalah, dan docs/security-report.md
Penginstal skills: perintah dan parameter npx skills
Tautan: github.com/vercel-labs/skills
Keterangan: lihat perintah add / list / check / update / remove serta daftar direktori untuk lebih dari 70 host
Repositori Anthropic Skills: skill dokumen docx, pdf, pptx, dan xlsx
Tautan: github.com/anthropics/skills
Keterangan: setelah versi 2.72.0, keempat skill dokumen ini perlu diinstal secara terpisah dari repositori ini
Makalah pendamping: Scientific Agent Skills: A Library of Procedural Knowledge for Research Agents
Tautan: arxiv.org/abs/2609.00065
Keterangan: pelajari konsep desain di balik pustaka skill ini
Dokumentasi APIYI · Integrasi Claude Code: variabel lingkungan, grup, dan pemecahan masalah
Tautan: docs.apiyi.com/scenarios/programming/claude-code
Keterangan: hubungkan Claude Code ke APIYI dengan dua variabel lingkungan. Setelah skill terinstal, jalankan model melalui integrasi ini
Dokumentasi APIYI · Skill pembuatan gambar GPT-Image 2: dua skill pembuatan gambar dari komunitas
Tautan: docs.apiyi.com/scenarios/ecosystem/apiyi-gpt-image-skills
Keterangan: parameter, penagihan, dan kesalahan umum untuk apiyi-gpt-image-2-gen dan apiyi-gpt-image-2-all-gen
Daftar harga model APIYI: model, jenis, metode penagihan, dan harga satuan
Tautan: docs.apiyi.com/models
Keterangan: harga satuan claude-opus-5-5 yang dikutip dalam artikel ini mengacu pada daftar tersebut. Harga dapat berubah, jadi periksa kembali sebelum digunakan

Penulis: Tim Teknis APIYI
Diskusi teknis: Hubungi kami melalui halaman utama situs APIYI. Untuk panduan integrasi model lainnya, kunjungi pusat dokumentasi di docs.apiyi.com