# ScienceSkills

**Repository Path**: glfapollo/science-skills

## Basic Information

- **Project Name**: ScienceSkills
- **Description**: 从 [science-claw-plus](https://gitee.com/XiaoYRecluse/science-claw-plus) 提取的科研技能集合，为科研工作者提供从文献检索、实验分析到论文撰写的全流程 AI 辅助能力
- **Primary Language**: Unknown
- **License**: MulanPSL-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2026-07-21
- **Last Updated**: 2026-07-21

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Science Skills 🔬

> 从 [science-claw-plus](https://gitee.com/XiaoYRecluse/science-claw-plus) 提取的科研技能集合，为科研工作者提供从文献检索、实验分析到论文撰写的全流程 AI 辅助能力。

## 📊 仓库概览

| 指标 | 数值 |
|------|------|
| Skill 总数 | **264 个** |
| 分类目录 | **13 个** |
| 涵盖领域 | 10+ 个科研领域 |
| 来源仓库 | science-claw-plus |

---

## 📁 目录结构（已分类）

```
science-skills/
├── 01-literature/           (14) 文献检索与调研
├── 02-databases/            (29) 数据库查询
├── 03-bioinformatics/       (46) 生物信息学分析
├── 04-chemistry/            (11) 化学与药物发现
├── 05-writing/              (19) 学术写作与出版
├── 06-visualization/        (16) 可视化与图表
├── 07-statistics/           (10) 统计分析
├── 08-ml-dl/                (10) 机器学习与深度学习
├── 09-clinical/             (5)  临床研究
├── 10-research-tools/       (18) 研究工具与方法
├── 11-specialized/          (18) 专业工具
├── 12-dev-tools/            (13) 开发工具
└── 13-tooluniverse/         (55) ToolUniverse 专业工具集
```

---

## 🗂️ 各分类详解

### 01-literature (14 个) - 文献检索与调研

快速查找和分析学术文献的工具集。

| Skill | 功能 |
|-------|------|
| `pubmed-search` | PubMed 生物医学文献语义搜索，支持全文获取 |
| `arxiv-search` | arXiv 论文搜索，专注物理、数学、计算机科学 |
| `biorxiv-search` | bioRxiv 预印本搜索 |
| `medrxiv-search` | medRxiv 医学预印本搜索 |
| `literature-search` | 通用学术文献综合检索 |
| `academic-literature-search` | 学术文献深度调研 |
| `drug-discovery-search` | 药物发现相关文献 |
| `patents-search` | 专利文献搜索 |
| `clinical-trials-search` | 临床试验注册信息查询 |
| `perplexity-search` | Perplexity AI 驱动的实时文献调研 |
| `literature-review` | 系统性文献综述 |
| `biomedical-search` | 生物医学文献搜索 |
| `drug-labels-search` | 药物标签与说明书搜索 |
| `open-targets-search` | Open Targets 药物靶点搜索 |

**使用场景：** 快速查找某个主题的最新研究进展、综述文献、临床试验信息等。

---

### 02-databases (29 个) - 数据库查询

访问全球主要科学数据库的工具集。

#### 基因与蛋白数据库
- `gene-database` - 基因功能与表达
- `uniprot-database` - UniProt 蛋白质序列
- `pdb-database` - 蛋白质结构 (RCSB PDB)
- `ensembl-database` - Ensembl 基因组注释
- `reactome-database` - Reactome 信号通路

#### 药物与化学数据库
- `chembl-database` - ChEMBL 生物活性数据
- `drugbank-database` - DrugBank 药物信息
- `pubchem-database` - PubChem 化学化合物
- `zinc-database` - ZINC 化合物库
- `hmdb-database` - HMDB 代谢物数据库
- `brenda-database` - BRENDA 酶数据库

#### 临床与医学数据库
- `clinicaltrials-database` - ClinicalTrials.gov
- `clinvar-database` - ClinVar 基因变异
- `fda-database` - FDA 批准药物
- `clinpgx-database` - 药物基因组学

#### 其他专业数据库
- `kegg-database` - KEGG 代谢通路
- `geo-database` - GEO 基因表达
- `gwas-database` - GWAS 全基因组关联
- `string-database` - STRING 蛋白互作
- `openalex-database` - OpenAlex 学术出版
- `opentargets-database` - Open Targets 药物靶点
- `cosmic-database` - COSMIC 癌症突变
- `ena-database` - ENA 核酸序列
- `metabolomics-workbench-database` - 代谢组学
- `uspto-database` - 美国专利数据库
- `biorxiv-database` - bioRxiv 预印本
- `pubmed-database` - PubMed 文献
- `chembl-search` - ChEMBL 搜索
- `drugbank-search` - DrugBank 搜索

**使用场景：** 查询基因信息、蛋白结构、药物数据、临床试验、代谢通路等。

---

### 03-bioinformatics (46 个) - 生物信息学分析

最大的分类，包含单细胞、序列、结构等多种分析工具。

#### 核心分析工具
- `scanpy` - 单细胞 RNA-seq 分析（质控→降维→聚类→注释）
- `anndata` - AnnData 数据格式处理
- `scvi-tools` - 单细胞深度学习
- `biopython` - 序列分析、比对、结构
- `lamindb` - 生物数据管理与追踪
- `pyhealth` - 医疗健康数据分析

#### 高级分析
- `cellxgene-census` - 单细胞数据库查询
- `deeptools` - 基因组数据可视化
- `etetoolkit` - 进化树分析
- `gget` - 基因组数据快速查询
- `histolab` - 病理图像分析
- `pathml` - 病理机器学习
- `pydeseq2` - RNA-seq 差异表达
- `pysam` - SAM/BAM 文件处理
- `pyopenms` - 质谱数据分析
- `flowio` - 流式细胞术数据
- `matchms` - 质谱光谱匹配
- `bioservices` - 生物数据库接口
- `cobrapy` - 代谢网络分析
- `arboreto` - 基因调控网络推断
- `geniml` - 基因表达推断
- 以及其他 31 个专业工具

**🔬 scanpy 完整分析流程示例：**

```python
import scanpy as sc

# 1. 加载 10X 数据
adata = sc.read_10x_mtx('path/to/data/')

# 2. 质控
adata.var['mt'] = adata.var_names.str.startswith('MT-')
sc.pp.calculate_qc_metrics(adata, qc_vars=['mt'], inplace=True)
sc.pp.filter_cells(adata, min_genes=200)
sc.pp.filter_genes(adata, min_cells=3)

# 3. 归一化与特征选择
sc.pp.normalize_total(adata, target_sum=1e4)
sc.pp.log1p(adata)
sc.pp.highly_variable_genes(adata, n_top_genes=2000)

# 4. 降维
sc.tl.pca(adata, svd_solver='arpack')
sc.pp.neighbors(adata, n_neighbors=10, n_pcs=40)
sc.tl.umap(adata)

# 5. 聚类
sc.tl.leiden(adata, resolution=0.5)
sc.pl.umap(adata, color='leiden')

# 6. 保存结果
adata.write('results/processed_data.h5ad')
```

---

### 04-chemistry (11 个) - 化学与药物发现

分子设计、药物发现、化学信息学工具。

| Skill | 功能 |
|-------|------|
| `rdkit` | 化学信息学（分子指纹、SMILES、QSAR） |
| `medchem` | 药物化学（先导化合物优化） |
| `deepchem` | 深度学习药物发现 |
| `torchdrug` | 图神经网络的药物发现 |
| `molfeat` | 分子特征快速计算 |
| `datamol` | 分子数据处理 |
| `diffdock` | 分子对接预测 |
| `esm` | 蛋白质语言模型 |
| `pymatgen` | 材料科学计算 |
| `rowan` | 晶体结构分析 |
| `chemistry` | 通用化学工具 |

**🧪 RDKit 示例：**

```python
from rdkit import Chem
from rdkit.Chem import Descriptors, AllChem

# 从 SMILES 创建分子
mol = Chem.MolFromSmiles('CC(=O)OC1=CC=CC=C1C(=O)O')  # 阿司匹林

# 计算分子描述符
mw = Descriptors.MolWt(mol)  # 分子量
logp = Descriptors.MolLogP(mol)  # 脂溶性
tpsa = Descriptors.TPSA(mol)  # 表面积

# 生成分子指纹进行相似性搜索
fp = AllChem.GetMorganFingerprintAsBitVect(mol, 2, nBits=2048)
```

---

### 05-writing (19 个) - 学术写作与出版

从论文撰写到出版的完整工具链。

| Skill | 功能 |
|-------|------|
| `scientific-writing` | IMRAD 结构论文撰写（核心技能） |
| `article-writing` | 科技论文辅助写作 |
| `peer-review` | 同行评审意见生成 |
| `review-writing` | 综述文章撰写 |
| `citation-management` | 引用格式管理（APA/AMA/Vancouver） |
| `latex-posters` | LaTeX 学术海报制作 |
| `pptx-generation` | 学术演示文稿生成 |
| `pptx-posters` | PowerPoint 海报制作 |
| `protocol-writing` | 实验方案撰写 |
| `patent-drafting` | 专利申请文件撰写 |
| `clinical-reports` | 临床报告撰写 |
| `treatment-plans` | 治疗方案文档 |
| `regulatory-submission` | 监管文件提交 |
| `iso-13485-certification` | ISO 13485 认证文档 |
| `literature` | 文献管理 |
| `writing` | 通用写作工具 |
| `pumc-create-docx` | Word 文档生成 |
| `pumc-thesis-review` | 论文审阅 |
| `pumc-thesis-writing` | 学位论文撰写 |

**✍️ scientific-writing 使用方法：**

```
两阶段写作流程：

阶段 1 → 创建大纲（使用 research-lookup 获取文献）
阶段 2 → 将要点扩展为完整段落

关键原则：永远使用完整段落，绝不以列表形式提交终稿
```

---

### 06-visualization (16 个) - 可视化与图表

数据可视化和图表生成工具。

| Skill | 功能 |
|-------|------|
| `matplotlib` | 基础绑图（折线、柱状、散点） |
| `plotly` | 交互式图表 |
| `seaborn` | 统计可视化 |
| `scientific-visualization` | 科学图表出版级美化 |
| `scientific-diagram-generation` | 流程图、机制图自动生成 |
| `scientific-schematics` | 原理图与技术示意图 |
| `scientific-slides` | 科学幻灯片制作 |
| `frontend-slides` | 前端演示文稿 |
| `venue-templates` | 期刊模板 |
| `generate-image` | 图像生成 |
| `networkx` | 网络图可视化 |
| `umap-learn` | UMAP 降维可视化 |
| `visualization` | 通用可视化 |
| `materials` | 材料科学可视化 |
| `matlab` | MATLAB 绘图 |
| `sympy` | 符号数学可视化 |

---

### 07-statistics (10 个) - 统计分析

统计方法和数据分析工具。

| Skill | 功能 |
|-------|------|
| `statistics` | 基础统计方法 |
| `statsmodels` | 统计建模与检验 |
| `scikit-learn` | 机器学习算法 |
| `statistical-analysis` | 高级统计分析 |
| `shap` | 模型可解释性分析 |
| `pymc` | 贝叶斯统计 |
| `simpy` | 离散事件模拟 |
| `pymoo` | 多目标优化 |
| `stable-baselines3` | 强化学习 |
| `pufferlib` | 高性能强化学习 |

---

### 08-ml-dl (10 个) - 机器学习与深度学习

深度学习和高级机器学习框架。

| Skill | 功能 |
|-------|------|
| `pytorch-lightning` | PyTorch 高级框架 |
| `transformers` | Hugging Face Transformers |
| `qiskit` | 量子计算 |
| `cirq` | 量子电路设计 |
| `pennylane` | 量子机器学习 |
| `qutip` | 量子光学 |
| `torch_geometric` | 图神经网络 |
| `dask` | 分布式计算 |
| `polars` | 高性能数据处理 |
| `vaex` | 大规模数据分析 |

---

### 09-clinical (5 个) - 临床研究

临床数据分析和医学影像处理。

| Skill | 功能 |
|-------|------|
| `clinical` | 临床数据分析 |
| `clinical-decision-support` | 临床决策支持 |
| `pydicom` | DICOM 医学影像处理 |
| `neurokit2` | 神经生理信号分析 |
| `neuropixels-analysis` | 神经电生理分析 |

---

### 10-research-tools (18 个) - 研究工具与方法

科研方法论、文献管理、研究规划工具。

| Skill | 功能 |
|-------|------|
| `research-grants` | 科研基金申请 |
| `research-lookup` | 研究文献查询 |
| `scholar-evaluation` | 学者评估 |
| `science-communication` | 科学传播 |
| `scientific-brainstorming` | 科学头脑风暴 |
| `scientific-critical-thinking` | 科学批判性思维 |
| `hypothesis-generation` | 假设生成 |
| `reproducibility-checklist` | 可重复性检查清单 |
| `fair-data` | FAIR 数据原则 |
| `exploratory-data-analysis` | 探索性数据分析 |
| `prismer-data-analysis` | 数据分析 |
| `prismer-jupyter` | Jupyter 笔记本 |
| `prismer-latex-writing` | LaTeX 写作 |
| `prismer-ml-experiment` | 机器学习实验 |
| `prismer-paper-search` | 论文搜索 |
| `prismer-peer-review` | 同行评审 |
| `prismer-quant-analysis` | 定量分析 |
| `prismer-theorem-proving` | 定理证明 |

---

### 11-specialized (18 个) - 专业工具

特定领域和专业应用工具。

包括文本人性化、内容引擎、可视化工具、市场研究等专业工具。

---

### 12-dev-tools (13 个) - 开发工具

Skill 开发、工具创建、API 发现等开发相关工具。

| Skill | 功能 |
|-------|------|
| `devtu-auto-discover-apis` | API 自动发现 |
| `devtu-create-tool` | 工具创建 |
| `devtu-docs-quality` | 文档质量检查 |
| `devtu-fix-tool` | 工具修复 |
| `devtu-github` | GitHub 集成 |
| `devtu-optimize-descriptions` | 描述优化 |
| `devtu-optimize-skills` | Skill 优化 |
| `create-tooluniverse-skill` | ToolUniverse Skill 创建 |
| `setup-tooluniverse` | ToolUniverse 设置 |
| `get-available-resources` | 资源查询 |
| `tooluniverse-install-skills` | Skill 安装 |
| `tooluniverse-custom-tool` | 自定义工具 |
| `tooluniverse-sdk` | ToolUniverse SDK |

---

### 13-tooluniverse (55 个) - ToolUniverse 专业工具集

最大的专业工具集合，涵盖药物研究、基因组学、临床研究等多个领域。

#### 🔭 Drug Research 药物研究系列（8 个）
- `tooluniverse-drug-research` - 药物靶点发现
- `tooluniverse-drug-repurposing` - 药物重定位
- `tooluniverse-drug-drug-interaction` - 药物相互作用
- `tooluniverse-drug-target-validation` - 靶点验证
- `tooluniverse-network-pharmacology` - 网络药理学
- `tooluniverse-chemical-compound-retrieval` - 化合物检索
- `tooluniverse-chemical-safety` - 化学安全
- `tooluniverse-target-research` - 靶点研究

#### 🧬 Genomics 基因组学系列（8 个）
- `tooluniverse-gwas-study-explorer` - GWAS 研究探索
- `tooluniverse-gwas-snp-interpretation` - SNP 功能注释
- `tooluniverse-gwas-finemapping` - 精细定位分析
- `tooluniverse-gwas-drug-discovery` - GWAS 药物发现
- `tooluniverse-gwas-trait-to-gene` - 性状到基因
- `tooluniverse-variant-analysis` - 变异分析
- `tooluniverse-variant-interpretation` - 变异解释
- `tooluniverse-structural-variant-analysis` - 结构变异

#### 🏥 Clinical 临床研究系列（6 个）
- `tooluniverse-clinical-trial-design` - 临床试验设计
- `tooluniverse-clinical-trial-matching` - 患者-试验匹配
- `tooluniverse-clinical-guidelines` - 临床指南查询
- `tooluniverse-precision-medicine-stratification` - 精准医学分层
- `tooluniverse-rare-disease-diagnosis` - 罕见病诊断
- `tooluniverse-adverse-event-detection` - 不良事件检测

#### 🧫 Single-Cell 单细胞系列（5 个）
- `tooluniverse-single-cell` - 单细胞数据分析
- `tooluniverse-spatial-transcriptomics` - 空间转录组
- `tooluniverse-spatial-omics-analysis` - 空间组学分析
- `tooluniverse-immune-repertoire-analysis` - 免疫库分析
- `tooluniverse-multi-omics-integration` - 多组学整合

#### 🔬 更多专业领域（28 个）
- `tooluniverse-precision-oncology` - 精准肿瘤学
- `tooluniverse-pharmacovigilance` - 药物警戒
- `tooluniverse-protein-therapeutic-design` - 蛋白药物设计
- `tooluniverse-phylogenetics` - 系统发育分析
- `tooluniverse-antibody-engineering` - 抗体工程
- `tooluniverse-binder-discovery` - 结合蛋白发现
- `tooluniverse-crispr-screen-analysis` - CRISPR 筛选分析
- `tooluniverse-epigenomics` - 表观基因组学
- `tooluniverse-expression-data-retrieval` - 表达数据检索
- `tooluniverse-gene-enrichment` - 基因富集分析
- `tooluniverse-immunotherapy-response-prediction` - 免疫治疗反应预测
- `tooluniverse-infectious-disease` - 传染病研究
- `tooluniverse-literature-deep-research` - 文献深度研究
- `tooluniverse-metabolomics` - 代谢组学
- `tooluniverse-metabolomics-analysis` - 代谢组学分析
- `tooluniverse-multiomic-disease-characterization` - 多组学疾病表征
- `tooluniverse-polygenic-risk-score` - 多基因风险评分
- `tooluniverse-protein-interactions` - 蛋白互作
- `tooluniverse-protein-structure-retrieval` - 蛋白结构检索
- `tooluniverse-proteomics-analysis` - 蛋白质组学分析
- `tooluniverse-rnaseq-deseq2` - RNA-seq 差异表达
- `tooluniverse-sequence-retrieval` - 序列检索
- `tooluniverse-statistical-modeling` - 统计建模
- `tooluniverse-systems-biology` - 系统生物学
- `tooluniverse-disease-research` - 疾病研究
- `tooluniverse-image-analysis` - 图像分析
- `tooluniverse-install-skills` - Skill 安装
- `tooluniverse` - ToolUniverse 主工具

---

## 🚀 安装指南

### 方法一：在 QClaw 中安装（推荐）⭐

#### 步骤 1：找到 QClaw Workspace Skills 目录

```
F:\work\workspace\qclaw\skills\
```

#### 步骤 2：复制 Skill 到 QClaw

**安装单个 Skill：**
```bash
# Windows PowerShell
Copy-Item -Recurse "03-bioinformatics\scanpy" "F:\work\workspace\qclaw\skills\"

# 或使用 cmd
xcopy "03-bioinformatics\scanpy" "F:\work\workspace\qclaw\skills\scanpy" /E /I
```

**批量安装某个分类：**
```bash
# 安装所有文献检索工具到 QClaw
Copy-Item -Recurse "01-literature\*" "F:\work\workspace\qclaw\skills\"

# 安装所有生物信息学工具
Copy-Item -Recurse "03-bioinformatics\*" "F:\work\workspace\qclaw\skills\"
```

#### 步骤 3：重启 QClaw

关闭并重新打开 QClaw，新安装的 skills 会自动加载。

#### 步骤 4：在 QClaw 中使用

在 QClaw 对话中直接使用 skill：

```
你：帮我分析这个单细胞数据

QClaw AI：
→ 自动识别需要 scanpy skill
→ 加载 03-bioinformatics/scanpy
→ 执行分析
```

---

### 方法二：直接安装单个 Skill

将目标 skill 目录复制到 OpenClaw 的 skills 目录：

```bash
# Linux/macOS
cp -r 03-bioinformatics/scanpy ~/.openclaw/skills/

# Windows PowerShell
Copy-Item -Recurse "03-bioinformatics\scanpy" "$env:USERPROFILE\.openclaw\workspace\skills\"
```

---

### 方法三：批量安装某个分类

```bash
# Linux/macOS - 安装所有文献检索工具
cp -r 01-literature/* ~/.openclaw/skills/

# Windows PowerShell - 安装所有生物信息学工具
Copy-Item -Recurse "03-bioinformatics\*" "$env:USERPROFILE\.openclaw\workspace\skills\"
```

---

### 方法四：通过 SkillHub CLI 安装

如果你已安装 SkillHub：

```bash
# 搜索技能
skillhub search scanpy

# 安装单个技能
skillhub install scanpy

# 批量安装（示例）
skillhub install scanpy rdkit scientific-writing
```

### 方法四：Git 克隆整个仓库

```bash
# 克隆整个仓库
git clone https://gitee.com/XiaoYRecluse/science-skills.git

# 或添加为子模块
git submodule add https://gitee.com/XiaoYRecluse/science-skills.git skills/science-skills
```

---

## 📍 QClaw 相关路径

| 路径 | 说明 |
|------|------|
| `F:\work\workspace\qclaw\skills\` | **推荐安装位置**（QClaw Workspace） |
| `E:\program\Tencent\QClaw\resources\openclaw\config\skills\` | 系统内置 Skills |
| `E:\program\Tencent\QClaw\resources\openclaw\node_modules\openclaw\skills\` | OpenClaw 社区 Skills |

**建议：** 将 Science Skills 安装到 `F:\work\workspace\qclaw\skills\` 目录，这样可以随时更新和管理。
>F:\work\workspace\qclaw 这是我的QClaw工作目录；
>E:\program\Tencent\QClaw 这是我的QClaw安装目录；
>以上目录可以自定以，请以自己的为准！

---

## 📖 使用示例

### 示例 1：文献调研

```
你：帮我做一篇关于 mRNA 疫苗最新进展的文献调研

AI（使用 01-literature/pubmed-search + literature-review）：
→ 搜索 PubMed 获取近两年 mRNA 疫苗相关文献
→ 按有效性、安全性、变异株适配等分类整理
→ 生成结构化调研报告
```

### 示例 2：药物靶点分析

```
你：我想找阿尔茨海默病的潜在药物靶点

AI（使用 02-databases/chembl-database + gene-database + 13-tooluniverse/tooluniverse-drug-research）：
→ 查询 AD 相关基因通路
→ 筛选已有活性化合物但未成药的靶点
→ 提供靶点优先级列表和化合物信息
```

### 示例 3：单细胞数据分析

```
你：帮我分析这个 10X 单细胞数据，生成细胞注释

AI（使用 03-bioinformatics/scanpy + cellxgene-census）：
→ 自动质控与过滤
→ 降维聚类
→ marker 基因识别
→ 自动匹配参考数据库进行细胞类型注释
→ 生成 publication-ready 可视化图表
```

### 示例 4：论文撰写

```
你：帮我写一篇关于乳腺癌早筛方法的论文引言

AI（使用 05-writing/scientific-writing + 10-research-tools/research-lookup）：
→ 调研相关文献
→ 按「背景→现有方法→Gap→本研究目的」结构撰写
→ 自动插入引用
→ 检查术语一致性和学术规范
```

---

## ⚙️ 依赖环境

部分 skill 需要额外依赖，以下是常见需求：

### Python 环境
```bash
# 建议使用 conda 或 venv 创建独立环境
conda create -n science python=3.10
conda activate science

# 常用科学计算包
pip install scanpy anndata scipy pandas numpy matplotlib seaborn scikit-learn statsmodels
```

### 各分类依赖

| 分类 | 必需依赖 |
|------|----------|
| 03-bioinformatics | scanpy, anndata, scipy, pandas |
| 04-chemistry | rdkit, deepchem |
| 06-visualization | matplotlib, seaborn, plotly |
| 07-statistics | scikit-learn, numpy, scipy, statsmodels |
| 08-ml-dl | pytorch, tensorflow, transformers |
| 01-literature | Node.js 18+（某些工具） |

---

## 📂 快速导航

| 需求 | 推荐分类 |
|------|----------|
| 查找文献 | `01-literature/` |
| 查询数据库 | `02-databases/` |
| 分析生物数据 | `03-bioinformatics/` |
| 药物发现 | `04-chemistry/` + `13-tooluniverse/` |
| 写论文 | `05-writing/` |
| 绘制图表 | `06-visualization/` |
| 统计分析 | `07-statistics/` |
| 机器学习 | `08-ml-dl/` |
| 临床研究 | `09-clinical/` + `13-tooluniverse/` |
| 研究方法 | `10-research-tools/` |
| 专业工具 | `11-specialized/` + `13-tooluniverse/` |

---

## 🔗 相关资源

- **原项目**: [science-claw-plus](https://gitee.com/XiaoYRecluse/science-claw-plus)
- **OpenClaw 文档**: https://docs.openclaw.ai
- **SkillHub 市场**: https://clawhub.com

---

## 📄 许可证

本仓库技能遵循原仓库许可证。具体许可证信息请参阅各 skill 目录下的 `SKILL.md` 文件中的 `license` 字段。

---

## 🤝 贡献

欢迎提交 Issue 和 Pull Request！如果你有新的科研技能想要添加，请：

1. Fork 本仓库
2. 在合适的分类目录下创建新的 skill 目录（遵循 `SKILL.md` 格式）
3. 添加测试和使用文档
4. 提交 Pull Request

---

*Science Skills - 让科研更高效* 🚀