177 個技能、100 個資料庫：AI 科學家真正缺的是中間那層管線

這週 GitHub 每週趨勢榜的第五名不是哪個模型，而是一個給科學家用的技能目錄：177 個技能，涵蓋生物、化學、醫學和藥物開發，接上了 100 多個科研資料庫。專案宣稱有 25 萬名科學家在用它。這個數字來自專案本身，只能當廠商說法看；不過 star 數是公開可查的——一個 2025 年 10 月才建立的 repo，已經超過 5.3 萬顆星。

賣點只有一句話：把任何 AI agent 變成 AI 科學家。至於這句話為什麼得靠 177 個檔案才成立，沒人解釋。

因為瓶頸從來不在推理

叫前沿模型講講蛋白質折疊路徑，它講得還算像樣。但你要它去抓某個特定 Uniprot ID 的真實結構，把相關變異拿去跟 ClinVar 對照，再對到參考基因體上，最後畫出保守性分數——它會交出一套看起來全都有、其實有一部分是掰出來的東西。

差的不是聰明程度，是管線。科研工作跑在幾百個專用資料庫和檔案格式上，大多有著各自古怪的 API，而每一處都是語言模型會很有自信地編造欄位名稱的地方。

這裡說的「技能」，是一個懂其中某個介面的小套件：工具吃什麼參數、回傳長什麼樣、哪些識別碼合法、合理的預設值是什麼。差別就在於，你是叫 agent「去查一下這個蛋白質」，還是遞給它一個函式——ID 格式不對時它會直接報錯。

{{INLINE1}}

177 個裡面到底裝了什麼

repo 的主題標籤是現有最誠實的描述：生物資訊、化學資訊、基因體學、蛋白質體學、代謝體學、臨床研究、材料科學、藥物開發、科學計算、科學視覺化。把它當成一張「摩擦力在哪」的地圖來讀，不要當成能力清單。

基因體學很能說明摩擦為什麼這麼大。一次分析可能同時碰到參考組裝、變異資料庫、註釋軌道和一個統計套件，每個都有自己的座標慣例。基因體學裡的差一錯誤不是意外，是一整個 bug 類型。一個把「這個資料庫從 1 開始數、那個從 0 開始數」寫進去的技能，能擋掉一整類錯誤答案——這類錯誤，模型再強也修不好。

化學是同一個形狀，只是更危險。SMILES 字串、InChI key、分子量、實驗閾值，看起來都像純文字，其實一個都不是。agent 要是把 SMILES 當散文處理，它會生出一個根本不存在的分子，而且格式完美。

所以價值主張一點都不光鮮，但很實在：這些技能是關於介面細節的記憶，集中維護在一處，而不是每個實驗室都在 prompt 開頭重寫一遍。

沒人解決的版本散佈問題

把 177 個技能塞進同一個 repo，還有個更安靜的問題：版本鎖定。如果一個技能包的資料庫 API 照自己的節奏在變，這個技能就是一塊會衰減的相容層。某個實驗室鎖了 1.4 版、三月還能跑，九月可能就掛了，而且故障看起來像模型的問題，不是依賴的問題。

軟體世界用 lockfile 和語意化版本解決了這件事，花了大概十五年，而且解得並不好。科研軟體兩樣都沒有，現在卻開始引入一張它沒主動要的依賴圖。

該追問的是「已驗證」這個詞

repo 說自己的技能是「已驗證」的。對一個沒有共同標準的類別來說，這個詞很重，值得問一句：驗證到底驗了什麼？拿已知輸出去測？領域專家審過？還是只是跑了一次沒當掉？

三種都說得通，意思卻差很多。對資料庫連接器來說，「已知查詢能回傳正確紀錄」是紮實的測試。對一個會建議統計方法的分析技能來說，沒有任何測試能定論，因為正確的方法取決於實驗設計。

領域技能和今年稍早佔滿趨勢榜的寫程式技能，差別就在這裡。一個格式化 diff 的技能可以被機械檢查；一個判斷該用 t 檢定還是混合模型的技能不行。把它跟另外 176 個「已驗證」的兄弟一起打包出去，暗示的保證程度，它可能沒有。

相容清單才是策略

repo 說它支援 Cursor、Claude Code、Codex、Pi、Antigravity，以及開放的 Agent Skills 標準。這份清單比功能清單有意思。只跑在一個 agent 上的技能庫，是那個 agent 的功能；能跑在六個上的技能庫，是基礎設施——而基礎設施會被那些不想押寶哪個 agent 會贏的人採用。

這也把這個庫放到一個尷尬的位置。開放的 Agent Skills 標準還很年輕，每個宿主實作得都略有不同：技能放哪、怎麼被發現、拿到什麼權限。在六個宿主上維護 177 個技能，是成長得比技能數量更快的支援負擔。這類專案通常就在這裡走上兩條路：整合收斂，或悄悄縮到兩個平台。

不過對實驗室來說，可攜性正是重點。一個博後為質譜流程寫了技能，他希望明年 PI 的經費買到哪個工具，它就能在哪個工具裡跑。

對一個在動手的科學家來說，變了什麼

三件事，按它們多快會變得重要排。

第一，最不性感的那個：文獻和資料庫查詢不再是模型編造引用的地方。技能查的是真索引，那引用要嘛是真的，要嘛呼叫直接失敗。對一個現在要花好幾小時核對的流程來說，這是可以量測的改善。

第二，可重現性多了一種新產物。用命名的技能、鎖定的版本拼出來的流程，比一份聊天紀錄更可重現，因為它可以重跑。至於有沒有人真的去鎖版本，是另一回事，而軟體供應鏈的早期證據並不樂觀。

第三，也最慢：分工變了。科學家的工作不再是「操作工具」，而是「判斷哪個問題值得花這些算力」。這是大家都在廣告的那個 AI 科研版本。如果它真會到來，靠的是 177 個不光鮮的介面檔案，不是某次突破。

該盯的是什麼

盯技能數量是繼續漲，還是開始縮。一個永遠只加技能的目錄，是一場內容行銷；一個會整合、會淘汰、會公布哪裡壞掉的目錄，才是大家真的在依賴的工具。

還有，盯這些東西有沒有被寫進哪篇論文的方法章節。那一刻，一個技能就不再是方便，而成了科學紀錄的一部分，連帶全部的審查義務。這件事還沒人被迫解過。總會有人，大概一年內。