Примечание автора: пошагово разбираем, как подключить исследовательские навыки K-Dense-AI: проверить окружение, выбрать и установить нужные Skills, добавить зависимости и убедиться, что Agent их использует. Отдельно рассмотрим ошибки и риски.
Scientific Agent Skills от K-Dense-AI — это открытый набор из 177 исследовательских навыков для кодинговых Agent, таких как Claude Code и Cursor. В нём собраны понятные Agent инструкции для анализа отдельных клеток, хемоинформатики, обзора литературы и поиска по базам данных. Благодаря этому не придётся каждый раз с нуля прописывать процедуру контроля качества, разбираться в документации API и сверять DOI. Но устанавливать всё разом не стоит: навыки позволяют Agent выполнять код, устанавливать пакеты и выходить в интернет. При этом установка файлов навыков не добавляет автоматически зависимости Python.
Это не статья в духе «установил — и всё готово», а руководство из пяти шагов, на каждом из которых можно проверить результат.
Что вы получите: после прочтения вы сможете выбрать 5–10 исследовательских Skills для своей области, установить их в нужную директорию, добавить зависимости и запустить через Agent, а затем по пунктам проверить результаты и расчёты.
Что входит в 177 навыков для научной работы
Репозиторий K-Dense-AI/scientific-agent-skills распространяется под лицензией MIT. По состоянию на 28 октября 2026 года у него 54 959 звёзд и 4 846 форков, текущая версия — 2.72.0, а в каталоге skills/ находится 177 подкаталогов. В README говорится, что библиотекой пользуются «более 250 000 учёных» и что это «библиотека агентных навыков № 1 для науки». Это заявления самих разработчиков, а не данные независимой статистики. Сопутствующая научная статья — arXiv:2609.00065.
Рисунок 1. Главная страница репозитория, снимок от 28 октября 2026 года: 55 тыс. звёзд и 4,8 тыс. форков. В разделе About прямо указаны 177 навыков и более 100 баз данных
Почему именно 177? В версии 2.71.0 навыков было 181. Начиная с версии 2.72.0 четыре навыка для работы с документами — docx, pdf, pptx и xlsx — больше не поставляются вместе с репозиторием. При необходимости их нужно отдельно установить из репозитория Anthropic.
Рисунок 2. В каталоге skills/ на одном экране помещаются десятки папок с навыками. Описание последнего коммита — Remove vendored Anthropic document skills: именно после этого изменения число навыков сократилось со 181 до 177
В README все навыки разделены на 22 большие категории. В таблице ниже они объединены в несколько групп по направлениям; для примера приведены лишь отдельные навыки и пакеты, а не полный список:
| Направление (раздел README) | Примеры навыков / пакетов | Типичные задачи |
|---|---|---|
| Биоинформатика, мультиомика, протеомика и масс-спектрометрия | scanpy, pydeseq2, pyopenms, nextflow, навыки для пакетов, например scVelo |
Контроль качества и кластеризация одноклеточных данных, анализ дифференциальной экспрессии, обработка масс-спектрометрических данных, оркестрация рабочих процессов |
| Хемоинформатика и разработка лекарств, материаловедение | rdkit, pymatgen |
Фильтрация молекул и расчёт дескрипторов, расчёты кристаллических структур и материалов |
| Физика и астрономия, инженерия и моделирование | qiskit, навыки для пакетов, например QuTiP |
Квантовые схемы, моделирование квантовых систем |
| Клинические исследования, медицинский ИИ, регулирование и стандарты | clinical-reports, навыки для пакетов, например pydicom |
Подготовка черновиков клинических отчётов, чтение медицинских изображений |
| Анализ и визуализация данных, машинное обучение, геопространственные данные | scientific-visualization, timesfm-forecasting, навыки для пакетов, например scikit-learn, PyTorch Lightning, GeoPandas |
Графики для публикаций, прогнозирование временных рядов, моделирование, анализ пространственных данных |
| Научная коммуникация, методология исследований | literature-review, scientific-writing, paper-lookup, paperzilla, scientific-slides, research-grants, peer-review, generate-image |
Систематические обзоры, написание статей, слайды для встреч исследовательской группы, заявки на гранты, рецензии |
| Поиск по базам данных | database-lookup, специализированные навыки для DepMap, Imaging Data Commons, PrimeKG, NCATS ARAX, AlphaGenome |
Единый поиск по открытым источникам данных, а также источникам, требующим регистрации или авторизации |
Один только навык database-lookup охватывает 80 источников данных. С учётом специализированных навыков и пакетов для работы с несколькими базами в README заявлена поддержка более 100 баз данных. Навыков для Python-пакетов — более 70, в том числе для RDKit, Scanpy, scikit-learn, PyTorch Lightning, pydicom, QuTiP, GeoPandas, pymatgen, Qiskit, scVelo и TimesFM. Для каждого навыка указаны поддерживаемая версия пакета и способы его использования.
Структура папки отдельного навыка для научных исследований
Каждый навык хранится в отдельной папке. Файл SKILL.md обязателен, а папки references/, scripts/ и assets/ добавляются по необходимости. Например, во front matter навыка scanpy указаны лицензия BSD-3-Clause, Python 3.12+, metadata.version 1.8 и last-reviewed 2026-10-01.
Есть нюанс, который легко упустить: весь репозиторий распространяется под лицензией MIT, но у каждого навыка в поле license файла SKILL.md указана собственная лицензия, которая может отличаться от лицензии репозитория. Если планируете коммерческое использование или повторное распространение, проверьте лицензию каждого навыка.
Подключение навыков для научных исследований за 5 шагов
Весь процесс состоит из пяти шагов: проверка окружения → выбор навыков из списка → установка только нужных → настройка зависимостей и учётных данных → запуск и проверка результата. На каждом шаге будет указано, кто выполняет действие: вы сами вводите команду, её выполняет инструмент командной строки или действует агент.
Шаг 1. Разберитесь, как устанавливаются научные Skills и что для этого нужно
Время: около 5 минут Что понадобится: доступ к терминалу Сложность: низкая (если всё уже установлено, шаг можно пропустить)
Что нужно сделать: самостоятельно выполните команды проверки по очереди. Так вы поймёте, можно ли сразу приступать к установке, нужно ли сначала установить недостающие инструменты или ваша среда не поддерживается.
node -v: установщикуnpx skillsтребуется Node.js 22.20 или новееpython3 --version: инструментам из репозитория требуется Python 3.13+ (требования отдельных навыков указаны в их разделе compatibility)uv --version: uv используется для установки зависимостей навыковgh --version: нужен только для установки через GitHub CLI; требуется версия выше 2.90.0- Система: macOS, Linux или Windows + WSL2
Что вы увидите: каждая команда выведет номер версии. Если появится сообщение command not found, соответствующий инструмент ещё не установлен.
Критерии проверки: версия Node — не ниже v22.20, Python — не ниже 3.13, uv выводит номер версии без ошибок, а ваша среда поддерживает стандарт Agent Skills. Установщик skills (npm-пакет vercel-labs/skills, лицензия MIT, последняя версия — 1.7.4) официально поддерживает более 70 сред, в том числе Claude Code, Cursor, Codex, Gemini CLI, Antigravity и OpenClaw. Сами навыки не привязаны к модели: вы сами решаете, какую модель использовать в своей среде. На шаге 5 мы расскажем, как подключить модель через APIYI.
Шаг 2. Составьте список научных Skills и выберите, что установить
Время: около 10 минут Условие: шаг 1 пройден Сложность: низкая (пропускать не рекомендуется)
Что сделать: самостоятельно запустите команду, которая только покажет список навыков, но не установит их. Инструмент командной строки скачает репозиторий и прочитает названия и описания всех навыков, но не установит ни один из них на ваш компьютер.
npx skills add K-Dense-AI/scientific-agent-skills --list
Что вы увидите: в терминале появится список из 177 навыков с названиями и краткими описаниями.
По результатам проверки: сначала команда клонирует весь репозиторий на компьютер, а он весит больше 400 МБ. При медленном соединении терминал может надолго зависнуть на Cloning repository…, а через 300 секунд появится ошибка Clone timed out. Чтобы увеличить время ожидания, запустите команду ещё раз с SKILLS_CLONE_TIMEOUT_MS=600000 (10 минут). Другой вариант — сначала выполнить git clone, а затем запустить skills add для локального каталога.
Критерий готовности: у вас есть список из 5–10 навыков-кандидатов. В README прямо сказано: «Do not install everything at once» — не устанавливайте всё сразу. Чем больше навыков установлено, тем сложнее агенту выбрать нужный и тем больше кода вам придётся проверить.
Можно выбирать по направлению:
- Биоинформатика:
scanpy,pydeseq2,database-lookup; для масс-спектрометрии добавьтеpyopenms - Хемоинформатика:
rdkit,database-lookup; для работы с материалами добавьтеpymatgen - Литература и подготовка текстов:
literature-review,paper-lookup,scientific-writing,peer-review - Визуализация данных:
scientific-visualization; для временных рядов добавьтеtimesfm-forecasting - Лабораторная автоматизация: названия навыков в этой категории уточните в выводе
--list; для оркестрации процессов можно начать сnextflow
Шаг 3: установите только нужные исследовательские Skills
Время: около 5 минут Что понадобится: список выбранных навыков Сложность: средняя
Что делать: запустите команду установки самостоятельно — инструмент командной строки запишет навыки в каталог выбранного агента. «Одна команда» из заголовка — это npx skills add K-Dense-AI/scientific-agent-skills. Если запустить её без параметров, откроется интерактивный режим, где можно выбрать навыки и агента. Если выбрать все навыки, установится весь набор — делать это не рекомендуется.
Значение параметров:
-s/--skill: указывает имя навыка,'*'означает все навыки-a/--agent: указывает агента, напримерclaude-codeилиcodex-g: устанавливает в пользовательский каталог (глобально); без этого параметра установка выполняется в текущий проект--copy: копирует файлы; по умолчанию используются символические ссылки (symlink), поэтому на компьютере хранится только одна копия и обновлять её проще-y: пропускает подтверждение, подходит для скриптов и CI
Готовые команды для неинтерактивной установки (на примере Claude Code и установки на уровне проекта, по одному навыку в каждой строке):
npx skills add K-Dense-AI/scientific-agent-skills -s scanpy -a claude-code -ynpx skills add K-Dense-AI/scientific-agent-skills -s database-lookup -a claude-code -ynpx skills add K-Dense-AI/scientific-agent-skills -s pydeseq2 -a claude-code -y
Для глобальной установки добавьте в конец команды -g; чтобы использовать копии вместо символических ссылок, добавьте --copy. Как установить несколько навыков за раз, смотрите в справке npx skills add --help.
| Агент | Каталог проекта | Глобальный каталог |
|---|---|---|
| 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/ |
Как выбрать между установкой в проект и глобальной: навыки, связанные с конкретной задачей, например pydeseq2 для отдельного проекта по анализу данных, устанавливайте в проект — так ими будет проще поделиться с коллегами вместе с проектом. Навыки для повседневной работы с литературой и текстами устанавливайте глобально.
Что вы увидите: установщик сообщит об успешной установке каждого навыка и покажет путь к нему.
Как проверить результат: самостоятельно запустите npx skills list или ls .claude/skills/ и убедитесь, что каталоги только что установленных навыков на месте и в каждом из них есть файл SKILL.md.
Есть ещё два способа установки:
gh skill install K-Dense-AI/scientific-agent-skills --agent claude-code --pin v2.71.0: с помощью--pinможно зафиксировать определённую версию или SHA коммита — это пригодится, когда важна воспроизводимость результатовgit cloneв~/.agents/skills/scientific-agent-skills(на уровне пользователя) или.agents/skills/scientific-agent-skills(на уровне проекта)
Шаг 4: Установите Python-зависимости и настройте ключи для научных Skills
Время: 10–30 минут (зависит от размера пакетов) Предварительное условие: навыки уже установлены Сложность: средняя (пропускать нельзя)
Что нужно сделать: на этом шаге чаще всего возникают проблемы, поэтому повторим: установить файлы навыка ≠ установить зависимости. Откройте SKILL.md каждого навыка, проверьте поле compatibility и установите зависимости с помощью uv. Учтите, что uv sync устанавливает только инструменты разработки и проверки самого репозитория, а не все пакеты для научных вычислений.
cat .claude/skills/scanpy/SKILL.md— проверьте поле compatibility. Для навыка scanpy указано: «протестировано на Python 3.13 + Scanpy 1.12.4 + AnnData 0.13.4»uv venv .venv-scrna --python 3.13— создайте отдельное окружение для каждого рабочего процесса, чтобы пакеты для анализа отдельных клеток и хемоинформатики не конфликтовалиsource .venv-scrna/bin/activateuv pip install "scanpy[leiden]"
Для некоторых навыков потребуется собственный ключ. Например, generate-image использует API генерации изображений OpenRouter: нужно задать export OPENROUTER_API_KEY=ваш_ключ. Плата взимается за каждый запрос. Просмотр списка моделей и запуск с --dry-run бесплатны — рекомендуем сначала попробовать их. Навыку literature-review нужен доступ к интернету для проверки DOI, а для экспорта в PDF дополнительно потребуются Pandoc и XeLaTeX.
Если вы уже пользуетесь APIYI, отдельный аккаунт OpenRouter для генерации изображений не нужен: в документации APIYI представлены два навыка, созданных сообществом: apiyi-gpt-image-2-gen (доступ к официальному gpt-image-2 через прокси, оплата по токенам, поддержка 4K и произвольных размеров) и apiyi-gpt-image-2-all-gen (доступ через реверс-инжиниринг, $0.025 за запрос, редактирование изображений в диалоге). Установите их в Cursor, Codex CLI, Gemini CLI, OpenCode, GitHub Copilot или Amp, а затем просто скажите: «Используй apiyi-gpt-image-2-gen, чтобы создать изображение 3840×2160». Ключ для обоих навыков задаётся через переменную окружения APIYI_API_KEY.
Рис. 3. Страница с подборкой Skills в документации APIYI: для обоих навыков генерации изображений указаны идентификатор модели, способ тарификации и рекомендации по диагностике ошибок установки
Что вы увидите: uv выведет список разрешённых и установленных пакетов.
Как проверить результат: запустите python -c "import scanpy, anndata; print(scanpy.__version__, anndata.__version__)" и убедитесь, что выведенные версии соответствуют полю compatibility. Для навыков, которым нужен ключ, выполните echo $OPENROUTER_API_KEY | head -c 6, чтобы убедиться, что переменная окружения установлена.
Шаг 5: запустите исследовательские навыки и проверьте результат
Время: около 10 минут Предусловие: зависимости установлены Сложность: низкая
Что делать: перезапустите приложение-хост, чтобы оно заново просканировало каталог навыков. Затем сами введите промпт в чате — остальную работу выполнит агент: прочитает SKILL.md, запустит скрипты и создаст файлы с результатами. Рекомендуемый формат промпта — «общая вводная фраза + название навыка»:
- Начните с фразы
Use available skills you have access to whenever possible. - Затем назовите навык, например: «Используй навык literature-review для систематического обзора литературы»
Что вы увидите: агент сообщит, какой навык он прочитал, и покажет команды, которые собирается выполнить.
Критерии проверки — убедитесь во всех трёх пунктах:
- Агент явно указал, какой навык использовал. Если нет, спросите: «Какой skill ты использовал?»
- Известно, в каком каталоге находятся результаты, и файлы действительно существуют — проверьте это самостоятельно с помощью
ls - Числа в результатах соответствуют источникам: ссылки DOI открываются, а записи в базах данных можно найти по ID
Команды для регулярного обслуживания, которые вы запускаете сами: npx skills check — проверить обновления, npx skills update — установить обновления, npx skills remove — удалить навык. По умолчанию установщик собирает анонимные данные об использовании. Чтобы отключить сбор, добавьте DISABLE_TELEMETRY=1 или DO_NOT_TRACK=1.
🎯 Сначала запустите, потом считайте расходы: сами навыки бесплатны и имеют открытый исходный код. Платить придётся за вызовы моделей при их выполнении. Например, полный цикл анализа отдельных клеток обычно требует многократного чтения документации, написания кода и исправления ошибок, поэтому токенов расходуется немало. Если приложение-хост поддерживает пользовательский эндпоинт, совместимый с OpenAI API, можно задать для base_url значение
https://api.apiyi.com/v1и через APIYI apiyi.com переключаться между моделями Claude, GPT, Gemini и другими с одним ключом. Так вы сможете сравнить результаты и стоимость выполнения одного навыка разными моделями. Для подключения в Claude Code достаточно двух переменных окружения: укажитеhttps://api.apiyi.comвANTHROPIC_BASE_URLи свой ключ вANTHROPIC_AUTH_TOKEN. После настройки навыки по-прежнему будут работать в Claude Code.
Рис. 4: Настройка Claude Code в документации APIYI: нужны всего две переменные окружения. Ключ на скриншоте скрыт.
| Модель | Ввод | Вывод | Чтение из кеша | Доступная платформа |
|---|---|---|---|---|
| claude-opus-5-5 | $4 / миллион токенов | $20 / миллион токенов | $0.2 / миллион токенов | APIYI apiyi.com |
Актуальные модели и цены смотрите в списке моделей платформы. В промпты для исследовательских навыков один и тот же SKILL.md включается неоднократно. Чтение из кеша стоит в 20 раз дешевле обычного ввода, поэтому в длинных сессиях можно заметно сэкономить.
Три реальных сценария первого запуска научных Skills
Сценарий первый: анализ отдельных клеток
Промпт: Use available skills you have access to whenever possible. Затем добавьте: «Используй scanpy для контроля качества (QC), нормализации, снижения размерности и кластеризации, cellxgene-census — как справочник по типам клеток, database-lookup — для поиска маркерных генов, а pydeseq2 — для анализа дифференциальной экспрессии». Агент по очереди загрузит эти навыки, создаст и выполнит скрипты анализа.
При проверке обратите внимание на три вещи: указаны ли пороговые значения QC, существует ли файл с результатами кластеризации и можно ли найти гены с дифференциальной экспрессией в источниках данных, возвращённых database-lookup.
Сценарий второй: обзор литературы
Промпт: «Используй навык literature-review, чтобы подготовить систематический обзор по конкретной теме, с помощью paper-lookup дополни список публикаций, а затем примени scientific-writing, чтобы оформить первый черновик». Этот навык проверяет DOI через интернет, но вам всё равно стоит открыть каждый DOI и убедиться, что публикация действительно существует, а её авторы и год указаны верно.
Сценарий третий: скрининг соединений
Промпт: «С помощью database-lookup получи набор молекул-кандидатов из PubChem и ChEMBL, отфильтруй их с помощью rdkit по молекулярной массе 300–500 и logP 2–4 и сохрани результат в CSV». При проверке самостоятельно выберите несколько записей: заново рассчитайте молекулярную массу с помощью RDKit и сравните её со значением в CSV. Затем найдите соединения по их ID в PubChem и убедитесь, что данные совпадают.
Таблица устранения неполадок с научными Skills
| Проблема | Частая причина | Решение |
|---|---|---|
| Навык не загружается | Каталог находится не там, где нужно, или в нём отсутствует SKILL.md |
Проверьте расположение по таблице каталогов в шаге 3. После исправления перезапустите IDE. В Cursor проверьте в Settings → Rules, распознан ли навык |
| Не хватает зависимостей Python | Установлены только файлы навыка, без зависимостей | Установите зависимости через uv pip install согласно разделу compatibility в SKILL.md и убедитесь, что активировано нужное окружение |
| Превышен лимит запросов к базе данных | Слишком много запросов за короткое время или исчерпан бесплатный лимит | Изучите документацию базы данных, добавьте кеширование, отправляйте запросы пакетами и уменьшите число параллельных запросов |
| Ошибка аутентификации | Ключ не задан, срок его действия истёк или у него недостаточно прав | Проверьте переменную окружения с помощью echo и сверьте права в панели управления соответствующего сервиса |
Старый путь scientific-skills/ возвращает 404 |
Начиная с версии v2.43.0 путь к навыкам изменился на skills/ |
Обновите пути в локальных скриптах и закладках или переустановите навыки |
| Нужна переустановка | Путаница с версиями или неработающая символическая ссылка | Выполните npx skills remove, а затем снова npx skills add. Если нужно закрепить версию, используйте gh skill install --pin |
Процесс зависает на Cloning repository…, а затем появляется ошибка Clone timed out |
Репозиторий занимает более 400 МБ, и 300 секунд недостаточно | Повторите запуск с SKILLS_CLONE_TIMEOUT_MS=600000 или сначала выполните git clone, а затем установите навыки из локального каталога |
Риски и отказ от ответственности при использовании научных навыков
Пожалуйста, внимательно прочитайте этот раздел. Scientific Agent Skills — это открытый проект сообщества, а не официальный API какой-либо платформы. Мы лишь рекомендуем его и не ручаемся за него.
Навыки могут выполнять действия. Они способны поручать агенту выполнение произвольного кода, установку пакетов, отправку сетевых запросов и изменение локальных файлов. Вредоносный или плохо написанный навык может привести к нежелательным действиям агента. Рекомендуем:
- Перед установкой прочитать
SKILL.mdи выяснить, какие пакеты использует навык и к каким внешним сервисам подключается. - Проверить историю изменений: навыки за авторством K-Dense-AI прошли внутреннюю проверку, а вклады сообщества проверяются по мере возможности.
- Самостоятельно выполнить проверку: сначала запустить
uv pip install cisco-ai-skill-scanner, затем —skill-scanner scan <path> --use-behavioral, заменив<path>на путь к каталогу навыка. Авторы проекта еженедельно проводят инкрементальную проверку и не реже одного раза в 30 дней — полную. Результаты публикуются вdocs/security-report.md.
Ограничения сторонних сервисов. Для некоторых навыков нужно зарегистрироваться в сторонних базах данных или использовать собственный ключ. В таких случаях необходимо соблюдать условия использования сервисов и установленные квоты. При массовом сборе данных скорость запросов могут ограничить, а аккаунт — заблокировать. Рекомендуем сначала провести тесты с дополнительного аккаунта или в изолированной среде.
Клинические и регуляторные ограничения. Навыки, связанные с медициной, клинической практикой и нормативными требованиями, предназначены только для исследований и подготовки черновиков. Они не заменяют решения о постановке диагноза, допуске или сертификации.
Ответственность. Пользователь самостоятельно оценивает и принимает на себя все последствия использования этих навыков. Платформа и автор статьи ответственности за них не несут.
Частые вопросы FAQ
Q1: Что такое Scientific Agent Skills?
Это библиотека исследовательских навыков, которую поддерживает K-Dense-AI. Она содержит 177 папок с навыками по стандарту Agent Skills. Они объясняют агенту, как выполнять исследовательские задачи, какие пакеты вызывать и к каким базам данных подключаться. Это не модель и не API-сервис.
Q2: Почему не стоит устанавливать все 177 исследовательских навыков одной командой?
Во-первых, в официальном README прямо сказано, что устанавливать всё сразу не нужно. Во-вторых, чем больше навыков, тем сложнее агенту выбрать подходящий. В-третьих, каждый навык может выполнять код, поэтому больше навыков — больше содержимого для проверки. Обычно достаточно выбрать 5–10 навыков для своих задач.
Q3: Почему сейчас навыков 177, а не 181?
Начиная с версии 2.72.0, четыре навыка для работы с документами — docx, pdf, pptx и xlsx — больше не входят в репозиторий. При необходимости их можно установить отдельно из репозитория skills компании Anthropic.
Q4: Если навыки бесплатные, за что тогда придётся платить?
Основные расходы связаны с вызовами модели при выполнении навыков. Некоторые навыки также могут использовать платные сторонние сервисы: например, `generate-image` работает через OpenRouter с оплатой за каждый вызов. Модели можно вызывать через APIYI apiyi.com с оплатой по фактическому использованию, без фиксированной ежемесячной платы. Удобно сначала протестировать небольшой процесс, оценить расход токенов и затем выбрать модель для постоянной работы.
Q5: Я установил навыки в Cursor, но агент их не использует. Что делать?
Сначала проверьте в Settings → Rules, что навыки распознаны. Затем добавьте в начало промпта `Use available skills you have access to whenever possible.` и явно укажите нужный навык. Если агент всё равно его не вызывает, попробуйте другую модель для сравнения. Через APIYI apiyi.com можно переключаться между разными моделями с одним ключом, что упрощает поиск причины.
Q6: Как обеспечить воспроизводимость результатов исследования?
Используйте `gh skill install —pin`, чтобы закрепить навык за определённой версией или коммитом. Зафиксируйте версии зависимостей Python в отдельном окружении uv. Также запишите metadata.version и дату last-reviewed из `SKILL.md`.
Q7: Все эти навыки распространяются по лицензии MIT?
Не обязательно. Репозиторий в целом распространяется по лицензии MIT, но у каждого навыка есть собственное поле license. Например, у `scanpy` это BSD-3-Clause. Перед коммерческим использованием проверьте лицензию каждого навыка.
Главное о научно-исследовательских Skills
- Что это: 177 навыков с открытым исходным кодом, охватывающих 22 основные категории из README
- Как установить: сначала просмотрите список с помощью
--list, затем установите только нужные навыки с помощью-sи-a - Что потребуется: Node.js 22.20+, Python 3.13+, uv и хост-приложение с поддержкой стандарта Agent Skills
- Частая ошибка: установка файлов навыков не означает установку зависимостей. Для каждого рабочего процесса создавайте отдельное окружение uv
- Как проверить результат: выясните, какой навык использовался, где лежат созданные файлы и совпадают ли численные данные с источниками
- Безопасность: перед установкой прочитайте
SKILL.mdи проверьте файлы сканером Cisco - Стоимость: навыки бесплатны; для вызова моделей можно использовать единый доступ через APIYI apiyi.com и сравнивать модели
Итоги
Эти 177 исследовательских Skills могут быть полезны, но лучше двигаться по порядку и не устанавливать всё сразу:
- Сначала проверка, потом установка: убедитесь, что версии компонентов подходят, а хост-приложение поддерживает стандарт. Затем выберите 5–10 навыков с помощью
--list - Устанавливайте навыки и зависимости отдельно: файлы навыков устанавливаются через
npx skills add, а зависимости Python — через uv. Нужны оба шага - Проверяйте результаты: после каждого запуска смотрите, какой навык использовался, где находятся созданные файлы и откуда взялись численные данные
Для начала попробуйте от начала до конца выполнить небольшой знакомый процесс — например, кластеризацию маленького набора данных с помощью scanpy. Затем постепенно добавляйте навыки. Для работы с моделями можно начать с APIYI apiyi.com и оплаты по факту использования, а затем выбрать модель для постоянной работы с учётом расхода токенов.
📚 Полезные материалы
- Репозиторий Scientific Agent Skills: исходный код навыков, README и отчёт о безопасности
- Ссылка:
github.com/K-Dense-AI/scientific-agent-skills -
Описание: 177 навыков, инструкции по установке и устранению неполадок, а также
docs/security-report.md -
Установщик skills: команды и параметры npx skills
- Ссылка:
github.com/vercel-labs/skills -
Описание: команды add / list / check / update / remove и таблица соответствия каталогов для более чем 70 хостов
-
Репозиторий Anthropic Skills: навыки для работы с документами docx, pdf, pptx и xlsx
- Ссылка:
github.com/anthropics/skills -
Описание: начиная с версии 2.72.0 эти четыре навыка нужно устанавливать отдельно из этого репозитория
-
Сопутствующая статья: Scientific Agent Skills: A Library of Procedural Knowledge for Research Agents
- Ссылка:
arxiv.org/abs/2609.00065 -
Описание: принципы, на которых построена библиотека навыков
-
Документация APIYI · Подключение Claude Code: переменные окружения, группы и устранение неполадок
- Ссылка:
docs.apiyi.com/scenarios/programming/claude-code -
Описание: как подключить Claude Code к APIYI с помощью двух переменных окружения и запустить модель после установки навыков
-
Документация APIYI · Навыки GPT-Image 2 для генерации изображений: два навыка, созданных сообществом
- Ссылка:
docs.apiyi.com/scenarios/ecosystem/apiyi-gpt-image-skills -
Описание: параметры, тарификация и типичные ошибки
apiyi-gpt-image-2-genиapiyi-gpt-image-2-all-gen -
Таблица цен на модели APIYI: модели, типы, способы тарификации и цены
- Ссылка:
docs.apiyi.com/models - Описание: цена claude-opus-5-5 в этой статье указана по данным таблицы. Цены меняются, поэтому перед использованием проверьте их ещё раз
Автор: техническая команда APIYI
Технические вопросы: свяжитесь с нами через главную страницу сайта APIYI. Больше информации о подключении моделей — в документации на docs.apiyi.com
