科学数据正被 AI 代理广泛使用，但现有的数据集表示方式主要面向人类，缺乏对自主发现、解释和调用的支持。这源于数据分散在异构仓库以及数据集描述缺乏结构化。为此我们提出 Scientific Data Skill (SciDSK)，一种面向代理的表示形式，将数据集的描述、科学背景、文件组织、使用流程、质量检查和溯源信息封装为可复用的技能，同时保持原始数据在其所在仓库中。我们制定了结构化的 SciDSK 规范，并构建了系统化的构建流水线，依据权威数据记录和配套材料为每个 SciDSK 打下基础。进一步，我们搭建了 Scientific Data Skill Bank，在六个科学领域统一发布 SciDSK，提供包访问、持久标识和源数据可追溯性。通过数据集检索基准和受控解释案例的评估表明，SciDSK 能提升代理驱动的数据集发现效率，并为数据解释提供更精确、可操作的支持。这验证了将数据集特定知识组织为面向代理的表示的价值。
博主点评：SciDSK 的出现为 AI 代理与科研数据的桥接提供了标准化路径，尤其在跨学科数据共享和自动化分析场景下具有潜在的推广价值。未来若能进一步开放构建工具和扩展到更多领域，必将加速科研数据的智能化利用。