科学家发布163项可审计研究流程的开源库，供语言模型按需加载
Scientific Agent Skills以16个实践领域的程序性知识帮助研究智能体生成站得住脚的分析；项目明确未报告任务级评估结果。
AI解读：语言模型分析实验时通常会返回能运行的代码，但结果能否在审稿或复核中站得住脚，取决于统计检验、标识符命名空间等程序性选择。Scientific Agent Skills试图把这类规则沉淀为 163 个版本化、人类可读的指令文件，覆盖基因组学、化学信息学、医学影像等 16 个领域；智能体只在相关任务出现时才加载对应文件，而不是一次读入所有说明，从而把常驻描述的开销控制在 20 万token窗口的 7.1%。对科研人员来说，这套库的价值在于让分析步骤可追溯、可复核，但有两点限制：项目作者明确表示没有做任务级效果评估，也没有公布宿主模型的选用率，因此它目前仍是一种研究方法论基础设施，而非被验证过的智能体性能增强工具。真正受影响的是需要可辩护数据分析的研究者与工具开发者：前者可以把程序性知识组件嵌入本地流程，后者则能在论文之外获得一套可复用的开源基准内容。
arXiv论文《Scientific Agent Skills: A Library of Procedural Knowledge for Research Agents》于 2026 年 8 月 30 日首次提交，9 月 2 日更新为v2。作者提出，语言模型智能体被要求分析实验时通常能返回可运行代码，但分析是否站得住脚取决于程序性选择：领域接受哪种检验、哪个标识符命名空间具有权威性、结果必须附带哪些注意事项。
库的结构与覆盖范围
该项目是一个开放库，包含 163 项程序性技能，分布在 16 个实践领域，包括基因组学、化学信息学、医学影像、研究设计和科学传播。每个技能是一个目录，核心为带版本号、人类可读的指令文件。智能体仅在任务需要时加载相应文件；目录中通常还包含参考资料和可运行脚本。项目采用开放许可，代码托管在GitHub（github.com/K-Dense-AI/scientific-agent-skills）。
- 163 项技能的常驻描述合计占 20 万token窗口的 7.1%。
- 文档化工作流的中位数占窗口的 23.9%；但在 46 个被分析的工作流中，有 29 个若加载全部参考文件会超出窗口。
- 论文共 31 页，含 16 幅图、2 张表和 1 份清单；v2新增了工作流如何组合技能的图示、引言示例对应的技能条款、程序性技能附录，并列出支持的宿主和固定安装路径。
评估范围与公开数据
作者在摘要中明确表示：未报告任务级评估，也未报告宿主选择率。项目目前测量的仅是文档语料库的两项属性——常驻描述的成本与工作流内存占用。
论文作者为Timothy Kassis、Vinayak Agarwal、Yuhuan He、Darshil Patel和Aubrey M. Brueckner；文章提交分类为计算与语言（cs.CL）及人工智能（cs.AI），arXiv编号为 2609.00065。