用途：当任务涉及 AI/ML 应用于科学时（如蛋白质、基因组、分子、晶体、气候、星系、脑电、病理等），可借助该技能在 Hugging Science 目录中查找候选数据集、模型、方法学文章与交互式演示。它适合科学数据微调、科学基准评测、复现科学 ML 论文等场景；通用 ML 任务应改用 Hugging Face Hub 一般知识。
主要能力：目录 huggingscience.co 是静态可解析索引，覆盖 17 个学科 slug（astronomy、benchmark、biology、biotechnology、chemistry、climate、conservation、earth-science、ecology、energy、engineering、genomics、materials-science、mathematics、medicine、physics、scientific-reasoning）。提供 llms.txt、llms-full.txt 与 topics/<slug>.md 等 Markdown 文件。另有 Hugging Face 组织 huggingface.co/hugging-science 收录社区提交的数据集、模型与 Spaces。
使用方式：先确定领域，再获取目录内容，可用 bundled 脚本：python scripts/fetch_catalog.py topic biology、python scripts/fetch_catalog.py topic materials-science --filter models、python scripts/fetch_catalog.py search "protein language model"、python scripts/fetch_catalog.py all，也可直接抓取上述 URL。选择资源时综合权衡规模、许可证、模态对齐与新旧替代关系。使用资源前需核对精确的 Hub 仓库与不可变 commit、数据集配置/切分、许可证与预处理/tokenizer 修订。访问 gated 资源时通过环境变量 HF_TOKEN 认证，可从 .env 加载，例如使用 python-dotenv：from dotenv import load_dotenv; load_dotenv()，内容形如 HF_TOKEN=hf_...。
限制：目录为已整理但非穷尽，条目仅是指针，不存在 Hugging Science 推理端点，实际资源须经各自官方加载器或服务使用。科学数据集往往体量巨大且结构特殊，加载前应检查 schema，优先流式读取。Spaces 需实时检查 SDK 与输入输出契约，BoltzGen 演示当前运行时曾返回 503。若链接 404，应重新获取 topic 文件或 llms.txt。目录收录不代表质量、开放性、合规授权或可执行兼容性；评审仅覆盖目录抓取、公开元数据与本地小规模 ESM2 测试，未运行预训练权重、认证推理、大型数据集分片或设计任务。