Кэп, попроси обычного агента про вариант гена или структуру белка - он уверенно навешает галлюцинаций, потому что тянет ответ из памяти модели, а не из реальной базы.
В науке такая отсебятина стоит сожжённого гранта. Google DeepMind выкатил science-skills - пачку скиллов, которая прибивает агента гвоздями к настоящим научным источникам.
В ЧЕМ СУТЬ ИННОВАЦИИ:
Это анти-галлюциноген для науки. 37 скиллов дают агенту прямой провод к 30+ авторитетным базам и инструментам: AlphaGenome, AlphaFold DB, UniProt, PDB, ChEMBL, PubChem, Ensembl, gnomAD, ClinVar, PubMed, arXiv, bioRxiv и дальше по списку.
Агент ходит в источник и приносит грунтованный ответ вместо выдумки. Бонус - токен-эффективность: в контекст грузится только нужный скилл, а не вся дока разом.
КАК ЭТО РАБОТАЕТ ПОД КАПОТОМ:
• Каждый скилл - папка skills/<name>/ с файлом SKILL.md (YAML-фронтматтер: name + description под роутинг), плюс хелпер-скрипты и опциональные референсы. Тот же формат скиллов, что у Claude и Antigravity.
• Python, зависимости через пакет-менеджер uv (ставится сам при первом запуске).
• Часть скиллов (AlphaGenome и завязанные на внешние API) просит ключ, часть (ClinVar и подобные) - опционально.
• Прогрессивная загрузка: агент подтягивает SKILL.md только когда задача реально требует домена.
ЧТО ВНУТРИ (выборка из 37):
• Геномика: alphagenome_single_variant_analysis, ensembl, gnomad, clinvar, dbsnp, gtex, encode
• Структурка: alphafold_database, pdb, foldseek_structural_search, pymol, protein MSA
• Химия и мишени: chembl, pubchem, opentargets, openfda
• Литература: pubmed, arxiv, biorxiv, europepmc, openalex
• workflow_skill_creator - скилл, который собирает тебе новые скиллы
КАК ПОЩУПАТЬ (Гайд для инженеров):
npx skills add google-deepmind/science-skills/
# либо через Google Antigravity: Settings -> Build with Google Plugins
# uv подтянется сам, API-ключи агент попросит по ходуПРУФЫ:
1.8k звёзд, 179 форков, репа официальная от Google DeepMind, Apache-2.0, пушат на этой неделе. Накрутка отпадает - это не ноунейм с подозрительными звёздами. Возраст месяц, список скиллов ещё будет расти.
ВЫВОД:
Доменное знание переезжает из весов модели в устанавливаемые скиллы, прибитые к авторитетным базам. Паттерн читается даже вне геномики: агенту нужен провод к источнику, а не доверие к его памяти. Кто грузит в агента «знания» вместо живого доступа к базе, будет собирать красивые галлюцинации уверенным тоном.
🎯 ТАРГЕТ-МЕТРИКИ (КООРДИНАТЫ ЭВОЛЮЦИИ):
• Слой ИИ-индустрии: Applications - доменный агентный слой для научных воркфлоу
• Уровень специалиста: 3-4 - для тех, кто собирает агентный пайплайн под предметную область
• Уровень компании: 2-3 - исследовательская команда, которая грунтует агента на реальные базы
Status: Science grounded. Hallucinations evicted. 🤖💻
🔗 github.com/google-deepmind/science-skills
#AI #СигизмундМнение