【实用工具】K-Dense-AI 介绍

K-Dense AI

K-Dense AI 是一家专注于构建自主 AI 科学家的公司，致力于将 AI 应用于真实的科学研究场景。他们开发了一系列开源工具，特别是围绕 Claude 的 Agent Skills 框架，为生物信息学、化学信息学、数据科学等领域提供强大的 AI 辅助能力。

官网：https://k-dense.ai/

K-Dense 的核心产品

K-Dense 的核心产品是 K-Dense Analyst（也叫 K-Dense Web），这是一个多智能体 AI 系统，能够自主完成科学研究任务。它采用双循环多智能体架构（Planning Loop + Implementation Loop），可以进行深度研究、编码执行和专业写作输出。

K-Dense 提供三种使用方式：

方案	价格	特点
Open Source	免费	在本地运行，包含智能助手、专业写作、自主机器学习
K-Dense Web	$50 免费额度	托管在云端，包含研究+专业写作、端到端数据分析
K-Dense Enterprise	定制价格	自定义部署、自定义能力和数据连接器

K-Dense 的研究成果

K-Dense 在科学研究领域取得了显著成果：

2025 年 8 月，在 BixBench 生物分析基准测试中，K-Dense Analyst 取得 29.2% 的准确率，超越 GPT-5 的 22.9%（高出约 27%）（https://arxiv.org/abs/2508.07043）
2025 年 9 月，与哈佛医学院 David Sinclair 合作，利用 K-Dense 在数周内完成了一项通常需要数月甚至数年的转录组衰老研究，开发了世界上最好的年龄预测模型，并发现了 4 个新的 RNA 衰老生物标志物（https://www.biorxiv.org/content/10.1101/2025.09.08.674588v1）

K-Dense GitHub 仓库介绍

K-Dense AI 在 GitHub 上开源了多个项目，地址：https://github.com/K-Dense-AI

这些开源仓库是 K-Dense 提供的免费本地运行工具，功能相对基础；K-Dense Web 是功能更强大的商业云端产品。它们不是 K-Dense Web 的内部子组件，而是独立的开源替代方案，都指向 K-Dense Web 作为更强大的付费选择。

仓库	定位	与 K-Dense Web 的关系
claude-scientific-skills	科学技能库	K-Dense Web 和所有开源工具共用的技能基础
claude-skills-mcp	MCP 服务器	让其他 AI 工具也能使用这些技能
karpathy	Agentic ML 工程师	开源版本，如需更强大能力请使用 K-Dense Web
agentic-data-scientist	多智能体数据科学框架	开源版本，如需更强大能力请使用 K-Dense Web
claude-scientific-writer	科学写作工具	开源版本，如需端到端写作请使用 K-Dense Web

claude-scientific-skills

仓库地址：https://github.com/K-Dense-AI/claude-scientific-skills
Stars：5k+
这是 K-Dense 最核心的开源项目，包含 139 个即用型科学技能，可以将 Claude 转变为能够执行复杂多步骤科学工作流的 AI 研究助手。

技能分类

类别	数量	示例
科学数据库	28+	OpenAlex、PubMed、bioRxiv、ChEMBL、UniProt、COSMIC、ClinicalTrials.gov
Python 包	55+	RDKit、Scanpy、PyTorch Lightning、scikit-learn、BioPython、BioServices、PennyLane、Qiskit
科学集成	15+	Benchling、DNAnexus、LatchBio、OMERO、Protocols.io
分析与沟通工具	30+	文献综述、科学写作、同行评审、文档处理、海报、幻灯片、图表
研究与临床工具	10+	假设生成、基金申请写作、临床决策支持、治疗计划、法规合规

代码框架

claude-scientific-skills/
├── scientific-skills/      # 技能定义目录
│   ├── databases/          # 数据库技能（PubMed、UniProt、ChEMBL 等）
│   ├── packages/           # Python 包技能（RDKit、Scanpy 等）
│   ├── integrations/       # 集成技能（Benchling、OMERO 等）
│   ├── analysis/           # 分析工具技能
│   └── communication/      # 沟通工具技能
├── docs/                   # 文档和示例
│   └── examples.md         # 工作流示例
└── .claude-plugin/         # Claude Code 插件配置

安装与使用

前置要求：

Python 3.9+（推荐 3.12+）
uv 包管理器
Claude Code、Cursor 或任何 MCP 兼容客户端

Claude Code 安装：

# 1. 注册 Marketplace
/plugin marketplace add K-Dense-AI/claude-scientific-skills

# 2. 安装技能
# 打开 Claude Code → 选择 "Browse and install plugins"
# → 选择 "claude-scientific-skills" → 选择 "scientific-skills" → 点击 "Install now"

使用示例

单细胞 RNA-seq 分析：

使用你可用的技能。用 Scanpy 加载 10X 数据集，进行 QC 和双细胞去除，与 Cellxgene Census 数据整合，使用 NCBI Gene 标记识别细胞类型，用 PyDESeq2 进行差异表达分析，用 Arboreto 推断基因调控网络，通过 Reactome/KEGG 进行通路富集，用 Open Targets 识别治疗靶点。

claude-skills-mcp

仓库地址：https://github.com/K-Dense-AI/claude-skills-mcp
Stars：248
这是一个 Model Context Protocol (MCP) 服务器，让任何支持 MCP 的 AI 助手（如 Cursor、GPT-5、Gemini 等）都能使用 Claude 的 Skills 系统。它实现了 Anthropic 在 Agent Skills 工程博客中描述的渐进式披露架构。

核心特性

双包架构：轻量前端（约 15 MB）即时启动，后端（约 250 MB）后台下载
语义搜索：使用向量嵌入进行智能技能发现
渐进式披露：多级技能加载（元数据 → 完整内容 → 文件）
零配置：开箱即用
多来源：支持从 GitHub 仓库和本地目录加载

安装与使用

Cursor 用户配置：

// ~/.cursor/mcp.json
{
  "mcpServers": {
    "claude-skills": {
      "command": "uvx",
      "args": ["claude-skills-mcp"]
    }
  }
}

独立运行：

# 使用默认配置运行
uvx claude-skills-mcp

# 使用自定义配置
uvx claude-skills-mcp --example-config > config.json
# 编辑 config.json
uvx claude-skills-mcp --config config.json

MCP 工具

MCP 服务器提供三个工具：

工具	描述
`find_helpful_skills`	基于任务描述的语义搜索，发现相关技能
`read_skill_document`	从技能中检索特定文件（脚本、数据、参考资料）
`list_skills`	查看所有已加载技能的完整清单

默认加载的技能来源：

Anthropic 官方 Skills：https://github.com/anthropics/skills（15 个技能）
K-Dense AI Scientific Skills：https://github.com/K-Dense-AI/claude-scientific-skills（78+ 个技能）
本地目录 ~/.claude/skills（如果存在）

karpathy

仓库地址：https://github.com/K-Dense-AI/karpathy
Stars：1.2k
以著名 AI 研究者 Andrej Karpathy 命名，这是一个自主的机器学习工程师 Agent，基于 Claude Code SDK 和 Google ADK 构建，专注于机器学习和 AutoML 任务。

代码框架

karpathy/
├── karpathy/           # 核心代码目录
├── start.py            # 启动脚本
├── pyproject.toml      # 项目依赖配置
└── .env                # 环境变量配置（需自行创建）

安装与使用

前置要求：

Python 3.13+
uv 包管理器
Claude Code 已安装并认证

安装步骤：

# 1. 克隆仓库
git clone https://github.com/K-Dense-AI/karpathy.git
cd karpathy

# 2. 安装依赖
uv sync

# 3. 配置环境变量（在 karpathy 目录下创建 .env 文件）
OPENROUTER_API_KEY=your_openrouter_api_key_here
AGENT_MODEL=your_model_name_here

启动方式：

1 2	# 运行启动脚本 python start.py

启动后会自动：

创建 sandbox 目录，包含 Claude Scientific Skills
设置 Python 虚拟环境，安装 ML 包（PyTorch、transformers、scikit-learn 等）
复制 .env 文件到 sandbox
启动 ADK Web 界面

然后在浏览器访问 http://localhost:8000，在左上角选择 karpathy Agent 即可开始使用。所有输出文件都会保存在 sandbox 目录中。

agentic-data-scientist

仓库地址：https://github.com/K-Dense-AI/agentic-data-scientist
Stars：479
一个自适应多智能体框架，基于 Google ADK 和 Claude Agent SDK 构建，能够完成复杂的数据科学任务。它将规划与执行分离，持续验证工作进度，并根据进展自适应调整方案。

核心特性

自适应多智能体工作流：迭代规划、执行、验证和反思
智能规划：在开始工作前创建全面的分析计划
持续验证：每一步都根据成功标准跟踪进度
自我纠正：根据执行过程中的发现调整计划
MCP 集成：通过 Model Context Protocol 服务器访问工具
Claude Scientific Skills 集成：直接在工作流中访问 120+ 科学技能

代码框架

agentic-data-scientist/
├── src/agentic_data_scientist/
│   ├── core/           # 核心 API 和会话管理
│   ├── agents/         # Agent 实现
│   │   ├── adk/        # ADK 多智能体工作流
│   │   │   ├── agent.py              # Agent 工厂
│   │   │   ├── stage_orchestrator.py # 阶段编排器
│   │   │   ├── implementation_loop.py# 编码+审查循环
│   │   │   ├── loop_detection.py     # 循环检测
│   │   │   └── review_confirmation.py# 审查决策逻辑
│   │   └── claude_code/# Claude Code 集成
│   ├── prompts/        # 提示词模板
│   │   ├── base/       # Agent 角色提示词
│   │   └── domain/     # 领域特定提示词
│   ├── tools/          # 内置工具（文件操作、网页获取）
│   └── cli/            # CLI 接口
├── tests/              # 测试套件
└── docs/               # 文档

多智能体工作流

用户查询
    │
    ▼
┌─────────────────────────────┐
│   规划阶段                   │
│  Plan Maker → Plan Reviewer │
│  → Plan Parser              │
└─────────────────────────────┘
    │
    ▼
┌─────────────────────────────┐
│   执行阶段（每个阶段重复）.     │
│  Coding Agent → Review Agent│
│  → Criteria Checker         │
│  → Stage Reflector          │
└─────────────────────────────┘
    │
    ▼
┌─────────────────────────────┐
│   总结阶段                   │
│  Summary Agent              │
└─────────────────────────────┘

安装与使用

前置要求：

Python 3.12+
Node.js（用于 Claude Code）
OPENROUTER_API_KEY（用于规划和审查 Agent）
ANTHROPIC_API_KEY（用于编码 Agent）

安装：

# 从 PyPI 安装
uv tool install agentic-data-scientist

# 或使用 uvx（无需安装）
uvx agentic-data-scientist --mode simple "your query here"

配置 API 密钥：

1 2	export OPENROUTER_API_KEY="your_key_here" export ANTHROPIC_API_KEY="your_key_here"

使用示例：

# 编排模式（完整多智能体工作流）- 适合复杂分析
agentic-data-scientist "Perform differential expression analysis" \
  --mode orchestrated --files data.csv

# 简单模式（直接编码，无规划）- 适合快速任务
agentic-data-scientist "Write a Python script to parse CSV files" \
  --mode simple

# 多文件分析
agentic-data-scientist "Compare datasets" \
  --mode orchestrated -f data1.csv -f data2.csv --working-dir ./my_analysis

claude-scientific-writer

仓库地址：https://github.com/K-Dense-AI/claude-scientific-writer
Stars：282
描述：通用科学写作工具

一个深度研究和写作工具，结合 AI 驱动的深度研究与格式化的书面输出。可以生成出版级别的科学论文、报告、海报、基金申请、文献综述等学术文档，所有内容都有实时文献搜索和经过验证的引用支持。

核心特性

实时研究查询：通过 Perplexity Sonar Pro Search 进行文献搜索
智能论文检测：自动识别和引用相关文献
全面的文档转换：支持多种输出格式
AI 图表生成：使用 Nano Banana Pro 生成科学图表
19+ 专业技能：涵盖科学写作的各个方面

代码框架

claude-scientific-writer/
├── scientific_writer/  # 核心 Python 包
├── skills/             # 技能定义目录
│   ├── citation-management/    # 引用管理
│   ├── clinical-reports/       # 临床报告
│   ├── hypothesis-generation/  # 假设生成
│   ├── latex-posters/          # LaTeX 海报
│   ├── market-research-reports/# 市场研究报告
│   ├── peer-review/            # 同行评审
│   ├── research-grants/        # 研究基金申请
│   ├── research-lookup/        # 研究查询
│   ├── scientific-slides/      # 科学幻灯片
│   └── ...                     # 更多技能
├── templates/          # 文档模板
├── commands/           # CLI 命令定义
├── docs/               # 文档和示例
│   └── examples/       # 输出示例（论文、海报、幻灯片等）
└── .claude/            # Claude 配置

安装与使用

前置要求：

Python 3.10-3.12
ANTHROPIC_API_KEY（必需）
OPENROUTER_API_KEY（可选，用于研究查询）

安装方式：

# 方式 1：作为 Claude Code 插件（推荐）
/plugin marketplace add https://github.com/K-Dense-AI/claude-scientific-writer
/plugin install claude-scientific-writer
# 重启 Claude Code 后运行
/scientific-writer:init

# 方式 2：从 PyPI 安装
pip install scientific-writer

# 方式 3：从源码安装
git clone https://github.com/K-Dense-AI/claude-scientific-writer.git
cd claude-scientific-writer
uv sync

配置 API 密钥：

1
2
3

# 创建 .env 文件
echo "ANTHROPIC_API_KEY=your_key" > .env
echo "OPENROUTER_API_KEY=your_openrouter_key" >> .env

CLI 使用：

1 2	# 启动交互式界面 scientific-writer

Python API 使用：

import asyncio
from scientific_writer import generate_paper

async def main():
    async for update in generate_paper(
        query=(
            "Create a Nature paper on CRISPR gene editing. "
            "Present editing_efficiency.csv (5 cell lines, n=200 cells each). "
            "Include Western blot (protein_knockout.png) showing target depletion."
        ),
        data_files=[
            "editing_efficiency.csv",
            "protein_knockout.png",
        ]
    ):
        if update["type"] == "progress":
            print(f"[{update['stage']}] {update['message']}")
        else:
            print(f"PDF: {update['files']['pdf_final']}")

asyncio.run(main())

作为 Claude Code 插件使用（推荐）：

# 创建论文
> Create a Nature paper on CRISPR gene editing. Present experimental_data.csv,
  include Western_blot.png and flow_cytometry.png showing 87% editing efficiency.

# 生成基金申请
> Generate an NSF grant proposal presenting preliminary data from quantum_results.csv
  (99.2% gate fidelity), circuit_topology.png, and error_rates.csv.

# 使用特定技能
> @research-lookup Find papers on mRNA vaccine efficacy (2022-2024).
> @peer-review Evaluate this manuscript.

可用技能列表

技能	描述
scientific-schematics	AI 图表生成（CONSORT、神经网络、通路图等）
research-lookup	实时文献搜索
peer-review	系统性稿件评估
citation-management	BibTeX 和引用处理
clinical-reports	医学文档标准
research-grants	NSF、NIH、DOE 提案支持
scientific-slides	研究演示文稿
latex-posters	会议海报生成
hypothesis-generation	科学假设开发
market-research-reports	50+ 页市场分析报告

总结

K-Dense AI 的开源项目主要围绕以下几个方向：

科学技能：为 Claude 提供丰富的科学研究能力（claude-scientific-skills）
技能检索：通过 MCP 让任何 AI 都能使用这些技能（claude-skills-mcp）
专业写作：科学论文写作辅助（claude-scientific-writer）
自主 Agent：机器学习工程师和数据科学家 Agent（karpathy、agentic-data-scientist）

如果你在使用 Claude Code 或其他支持 MCP 的 AI 工具进行科学研究，K-Dense AI 的这些开源项目值得一试。

K-Dense AI

K-Dense 的核心产品

K-Dense 的研究成果

K-Dense GitHub 仓库介绍

claude-scientific-skills

技能分类

代码框架

安装与使用

使用示例

claude-skills-mcp

核心特性

安装与使用

MCP 工具

karpathy

代码框架

安装与使用

agentic-data-scientist

核心特性

代码框架

多智能体工作流

安装与使用

claude-scientific-writer

核心特性

代码框架

安装与使用

可用技能列表

总结

相关链接