当一个基于语言模型的智能体被要求分析某项实验时,它通常会返回可运行的代码;但该分析是否经得起推敲,则是另一个问题。一项经得起推敲的分析,依赖于一系列程序性决策:例如,学界公认应采用哪种统计检验方法、以哪个标识符命名空间为准、以及结果必须附带哪些必要的限定说明。为此,我们提出了“科学智能体技能库”(Scientific Agent Skills)——一个开源的程序集,涵盖16个实践领域(包括基因组学、化学信息学、医学影像、研究设计及科学传播等),共计163项此类标准化操作流程。每一项“技能”均以一个独立目录形式组织,其核心是一份经过版本控制、可供人类阅读的操作指南文件;智能体仅在执行相关任务时才加载该文件;该目录中通常还包含参考文献资料及可直接运行的脚本。本文未开展任务层面的效果评估,亦未报告宿主系统对各项技能的选择调用率。我们仅针对该文档语料库测度了两项指标:全部163项技能的常驻式描述文本共占用一个20万词元(token)上下文窗口的7.1%;而所有已文档化的典型工作流中,中位数长度占该窗口的23.9%;不过,在46个典型工作流中,若将每个所涉参考文件全部加载,则其中29个将超出窗口容量。本项目采用开放许可协议,源代码与文档可在 https://github.com/K-Dense-AI/scientific-agent-skills 公开获取。

