Academic Research Skills
AI 副驾驶 × 人类机长的论文全流程
仓库概览
📦 仓库名片
🧩 五大 Skill 一览
| Skill | 角色比喻 | 规模 |
|---|---|---|
deep-research | 🔍 侦察兵：选题 + 文献地毯式调研 | 13 个智能体 · 8 种模式 |
academic-paper | ✍️ 写作团：从提纲到全文的论文施工队 | 12 个智能体 · 11 种模式 |
academic-paper-reviewer | 🧐 评审团：7 人模拟同行评审 | 7 个智能体 · 6 种模式 |
academic-pipeline | 🎛️ 总导演：10 阶段全流程调度 | 编排器（不亲自写稿） |
sr-screener | 🛟 筛选员：系统综述的文献初筛 | 4 智能体 · 8 种模式 |
它解决什么问题
🤔 背景：为什么需要它？
让 AI 全自动写论文，听起来很爽，但现实很骨感。2026 年《Nature》上 Lu 等人的研究造出了 The AI Scientist——第一个通过顶会盲审发表论文的全自动 AI 科研系统。但它的"局限"章节列出了一串翻车模式：实现 bug、幻觉出不存在的实验结果、走捷径、把 bug 包装成"新发现"、编造引用文献、思维锁死……
更扎心的是 Zhao 等人（2026-05）审计了 250 万篇论文里的 1.11 亿条引用，保守估计 2025 年一年就有约 14.7 万条"幻觉引用"——看起来像真文献、实则查无此文，或者文献存在但根本没说过那个结论。AI 写论文，最大的坑不是写得不好，而是一本正经地胡说八道。
写论文就像盖房子：选题是选址打地基，文献调研是看遍全城的建筑图纸，写论文是砌墙装修，同行评审是质检员验收。
裸用大模型写论文 = 请了一个嘴皮子很溜但从不看图纸、还会伪造质检报告的包工头——房子盖得飞快，验收时一推就倒。
而这个 Skill 包 = 给你配齐 施工队（academic-paper）+ 监理（integrity gates 诚信门）+ 验收团（paper-reviewer）+ 项目经理（pipeline）。监理会在砌墙前和交房前两次强制验货：引用真的存在吗？数据对得上吗？结论有证据吗？通不过就不许交房。你依然是业主兼总设计师——地段你选、户型你定，AI 只负责把脏活累活干漂亮。
🎯 它解决的三个核心痛点
- 引用幻觉：AI 编造的参考文献混进论文 → 诚信门用 Semantic Scholar 真实数据库逐条核验，v3.8 还加了"声明-来源一致性"审计（引用的文献真支持你的结论吗？）。
- 思维锁死与谄媚：AI 自己审自己的稿子只会说好话 → 评审团里专门设了一个魔鬼代言人（Devil's Advocate）唱反调，还有"让步阈值协议"防止它被你一反驳就投降。
- 流程失控：长论文写到一半断了、忘了改到哪 → 总导演用 Material Passport（材料护照）记录每阶段产出，用 Run Ledger（运行台账）记下你的每句话，断点可续、可审计。
作者在 README 里明确写了能力边界：这套系统核验的是"稿件和报告的过程"（引用是否存在、声明与来源是否对齐、图表是否保真），不能证明实验真的做过、原始数据是真的、结果可复现。一个前后一致的造假依然可能通过检查。学术诚信的最终责任人永远是你。
仓库结构导览
academic-research-skills/
├── deep-research/ 🔍 13智能体调研团（8种模式：full/quick/socratic/systematic-review…）
│ ├── SKILL.md ← 技能说明书：触发词、执行流程
│ ├── agents/ ← 13个智能体分工（选题/检索/核验/综合/伦理审查…）
│ └── references/ ← 操作手册（PRISMA规范、引用格式…）
├── academic-paper/ ✍️ 12智能体写作团（11种模式：full/plan/revision/abstract…）
│ ├── SKILL.md
│ ├── agents/ ← intake/structure/draft/citation/formatter/peer-review…
│ ├── references/ ← 写作风格指南、APA7中文引用、LaTeX模板…
│ └── templates/ ← 输出模板（双语摘要、修订回应信…）
├── academic-paper-reviewer/ 🧐 7智能体评审团（6种模式）
│ ├── agents/ ← 期刊匹配评审员＋3动态评审＋魔鬼代言人
│ └── references/ ← 评审标准、质量量表、各领域顶刊名单
├── academic-pipeline/ 🎛️ 总导演（10阶段编排器）
│ ├── SKILL.md
│ ├── agents/ ← pipeline_orchestrator_agent 等
│ └── references/ ← AI科研失败模式清单、护照/台账规范
├── sr-screener/ 🛟 文献筛选员（8种模式，v3.23新增）
│ ├── SKILL.md
│ └── scripts/ ← 纯Python脚本：解析RIS/去重/分批/PRISMA计数
├── commands/ ⌨️ 16个斜杠命令（/ars-plan /ars-lit-review /ars-citation-check…）
├── shared/ 📚 跨skill共享契约（150+文件：路由规则、证据规范…）
├── examples/ 🖼️ 真实流水线产出展示（含一篇完整论文＋评审报告）
├── docs/ 📖 架构/安装/性能/风险登记册（125个文档）
├── scripts/ 🐍 600+ 确定性检查脚本（引用核验、缩写检查…）
├── evals/ / tests/ 🧪 评测与测试（诚信门用合成金标准校准误报率）
└── hooks/ 🪝 会话钩子🗺️ 导览：每个文件夹是干嘛的
- 5 大 Skill 文件夹是主角：每个都含
SKILL.md（说明书）+agents/（干活的智能体分工）+references/（操作手册）。可以把 Skill 理解成"一支训练有素的 AI 施工队 + 一本施工规范"。 commands/是快捷入口：/ars-plan（苏格拉底式帮你理论文结构）、/ars-lit-review（一句话启动文献综述）、/ars-citation-check（引用体检）。shared/是"宪法"：所有 Skill 共用的路由规则、证据规范、跨模型核验协议，保证各团队说法一致。examples/showcase/最值得看：一篇 2026 年 3 月真实跑完的完整论文（含英文+中文版）、两轮诚信报告、两轮评审报告、给审稿人的逐条回复——连"发表后审计发现 68 条引用仍有 21 条问题"都公开了，诚实得罕见。evals/ + tests/是质检科：诚信门不是拍脑袋的，用合成金标准数据集测出"误杀率 < 15%、误放率 < 10%"才敢上岗。
核心 Skills 深讲
🎯 干什么
你的学术侦察兵团：13 个 AI 智能体分工做深度调研——定研究问题、苏格拉底式陪你聊透方向、系统性搜文献、核验每个来源、跨源综合、评估偏倚风险、做荟萃分析、编 APA 7.0 报告，最后还有编辑+伦理+魔鬼代言人三重质检。
🔄 输入 → 输出
输入：一句话的研究主题（越具体越好）→ 输出：一份带规范引用的深度研究报告（APA 7.0 格式），每个结论都能追溯到来源。
⌨️ 使用例子（可复制）
"Research the impact of AI on higher education quality assurance"直接对 Claude Code 说这句话就行。拿不准方向？说"Guide my research on AI in educational evaluation"，它会用苏格拉底式提问帮你把模糊的想法聊成清晰的研究问题——就像一位耐心的导师，不替你做决定，只帮你想清楚。
🧰 模式速览
8 种模式：full（完整调研）· quick（快速简报）· socratic（引导式对话）· systematic-review（PRISMA 系统综述）· lit-review（文献综述）· fact-check（事实核查）· three-way-scan（三篇论文 WHY/HOW/WHAT 对比）· review（评审某论文的研究质量）
🎯 干什么
你的论文施工队：12 个智能体流水线写作——先访谈你确定论文类型/学科/引用格式，再系统搜文献、设计结构、搭建论证链、逐节起草、并行做引用合规+双语摘要、内部同行评审，最后输出 LaTeX / DOCX / PDF / Markdown。支持 6 种论文结构（IMRaD 实证、主题综述、理论分析、案例研究、政策简报、会议论文）和 5 种引用格式（APA 7.0、Chicago、MLA、IEEE、Vancouver）。
🔄 输入 → 输出
输入：研究主题或已有草稿 → 输出：完整论文（含中英文摘要），引用格式合规。
⌨️ 使用例子（可复制）
"Write a paper on the impact of declining birth rates on private university management strategies"想先理思路？用 plan 模式："Guide me through writing a paper on demographic decline"，它会像导师一样带你一步步定结构，而不是直接甩出一篇成品。
🧰 模式速览
11 种模式：full（全文）· plan（引导式规划）· outline-only（只要提纲）· revision（按审稿意见改）· revision-coach（把审稿意见拆成修改路线图）· abstract-only（只写摘要）· lit-review（综述论文）· format-convert（转 LaTeX/换引用格式）· citation-check（引用体检）· disclosure（生成 AI 使用声明）· rebuttal-audit（审计你的 rebuttal 草稿）
🎯 干什么
你的模拟评审团：7 个智能体扮演不同视角的审稿人——1 名"期刊匹配评审员"（判断这稿子适合投哪个档的刊）+ 3 名动态评审（按论文领域现配）+ 1 名魔鬼代言人（专职唱反调、专挑逻辑漏洞）。评审只读不改，给出"标准绑定、证据锚定"的叙事性评价。
🔄 输入 → 输出
输入：你的论文草稿 → 输出：结构化同行评审报告（含修改建议）。注意：它不给"接收/拒稿"的总分映射——作者认为数字总分容易误导决策。
⌨️ 使用例子（可复制）
"Review this paper" （然后把论文贴给它）方法部分心里没底？用 methodology-focus 模式："Check the methodology"，评审团会只盯着方法论开火。改完一轮想复核？用 re-review 模式。
🧰 模式速览
6 种模式：full（完整评审）· quick（快速评估）· guided（引导你改进）· methodology-focus（专审方法）· re-review（验证修改）· calibration（用你提供的金标准校准评审员的误判率）
🎯 干什么
你的项目总导演：自己不写一个字，只负责把 deep-research、academic-paper、academic-paper-reviewer 无缝串成 10 阶段流水线：研究 → 写作 → 诚信门 2.5 → 评审 → 再评审 → 修改 → 诚信门 4.5 → 定稿 → 过程记录。每阶段结束必须你点头才能继续；中途加入也行（已有论文？从 2.5 诚信门直接进；收到审稿意见？从第 4 阶段进）。
🔄 输入 → 输出
输入：一句话的研究想法（或半成品论文、或审稿意见）→ 输出：定稿论文 + 全套审计 artifacts（诚信报告、评审报告、修改追踪矩阵、协作过程记录）。
⌨️ 使用例子（可复制）
"I want to write a research paper on the impact of AI on higher education quality assurance"三句话对应三个入口：从零开始→上面这句；已有论文→"I already have a paper, help me review it"（从 2.5 进）；收到审稿意见→"I received reviewer comments, help me revise"（从第 4 阶段进）。随时说 "status" 查进度。
🧰 模式速览
核心机制：Material Passport（材料护照：每阶段产物的哈希存档）· Run Ledger（运行台账：你的原话一字不改记下来）· R&R Traceability Matrix（每条评审意见 ↔ 你的修改 ↔ 复核结果，一一对应）· Collaboration Depth Observer（观察你是真参与还是"一键甩锅"，只建议不拦路）
🎯 干什么
你的文献筛选员（v3.23 新增，专为系统综述/范围综述设计）：先把你的开题报告变成"纳入排除标准"并请你确认（标准先行，读文献之前就锁死，防止边筛边改标准）；然后两名"盲审 AI 评审员"独立筛标题摘要，有分歧交给第三名仲裁；全程留痕：去重记录、筛选日志、PRISMA 2020 流程图数据、EndNote/Zotero 分组、方法学段落草稿，最后把文献库移交给 academic-paper 写综述。
🔄 输入 → 输出
输入：数据库导出的文献（RIS / PubMed .nbib / Web of Science / CSV）→ 输出：筛选结果 + PRISMA 数字 + 方法学段落 + 可继续写的文献库。
⌨️ 使用例子（可复制）
"Screen the exports in EndNote_Import/ against screening_protocol.md, starting with a pilot"先小规模试点："Pilot the screening with my seed studies"——用你事先挑好的"种子文献"（肯定该纳入的）做质检，如果筛选员连种子都筛掉了，说明标准或流程有问题，趁早调。支持断点续跑，筛几千篇也不怕中途断掉。
🧰 模式速览
8 种模式：protocol（定标准）· quick（单篇速判）· pilot（试点）· ta-screen（标题摘要筛）· ft-screen（全文筛）· adjudicate（仲裁分歧）· audit（抽查排除）· report（出 PRISMA 数字）
完整工作流
🗺️ 总览：一张图看懂 10 阶段
下面这张图是 academic-pipeline 的完整调度路线。注意两个红色 诚信门（Integrity Gate）：Stage 2.5 在"写完初稿、送评审之前"，Stage 4.5 在"改完终稿、定稿之前"——两次强制安检，引用、声明、数据、图表逐项核验，任何一项不过都不能往下走（除非你书面记录理由强行通过，且会被记进过程记录）。
🔩 另一张图：Skill 内部是怎么组织的
每个 Skill 都是"一支 AI 团队 + 一套规则手册"：agents/ 里是分工明确的智能体，references/ 是操作手册，templates/ 是输出模板。总导演 academic-pipeline 自己不干活，只负责调度——这就是"编排器（orchestrator）"模式。
安装与上手
📋 前置条件
- 安装 Claude Code（最新版；插件打包需要较新版本）
- 设置好
ANTHROPIC_API_KEY环境变量 - 可选：Pandoc（转 DOCX）、tectonic + 思源宋体（编译 APA 7.0 PDF）——只输出 Markdown 的话都不需要
🚀 安装：30 秒搞定（推荐插件方式）
/plugin marketplace add Imbad0202/academic-research-skills
/plugin install academic-research-skills✅ 验证安装成功
在 Claude Code 里输入下面任一句：
/ars-plan
# 然后描述你的论文，ARS 会用苏格拉底式对话帮你理结构
/ars-lit-review "your topic"
# 单发测试：一句话启动文献综述🛤️ 上手三条路（按你的起点选）
| 你的起点 | 说什么 | 从哪进 |
|---|---|---|
| 只有想法 | I want to write a research paper on … | Stage 1 研究 |
| 已有草稿 | I already have a paper, help me review it | Stage 2.5 诚信门 |
| 收到审稿意见 | I received reviewer comments, help me revise | Stage 4 修改 |
场景小故事
📖 故事一：研一新生的文献综述
小林刚读研，导师甩给他一个方向："AI 对高等教育质量保障的影响"，两周后组会汇报。他慌了——这领域论文汗牛充栋，从哪看起？
他打开 Claude Code，输入：/ars-lit-review "AI 对高等教育质量保障的影响"。deep-research 先跟他聊了 10 分钟（socratic 模式），把"质量保障"拆成"评估标准、认证流程、教学评价"三个子问题；然后 13 个智能体分头搜文献、核验来源、做综合；最后交出一份 APA 格式的综述报告，每条结论后都跟着真实可查的引用。组会上导师问"你这个数据哪来的？"，他点开引用，Semantic Scholar 上原文赫然在列——第一次汇报，全场点头。
📖 故事二：被审稿人"暴击"后的修改
陈博士的论文投出去，审稿意见回来了：Reviewer 2 列了 14 条意见，从"方法论证不足"到"图 3 坐标轴误导"，看得她手抖。
她把意见贴给 academic-paper 的 revision-coach 模式。AI 先把 14 条意见分类（致命问题 / 可修补 / 误解澄清 / 无理要求），生成修改路线图；她逐条确认策略后，施工队开工：补论证、重画图、写逐条回复信（revision_response_template）。改完再进 paper-reviewer 的 re-review 模式复核一遍，确认 14 条全部闭环。她说："以前改稿像在黑暗里拆弹，现在像照着清单打勾。"
📖 故事三：系统综述的 3000 篇文献筛选
做循证医学的王医生要写系统综述，从 PubMed 导出了 3000 多篇文献的题录。按传统做法，两个人要吭哧筛两周，还容易标准漂移。
他用 sr-screener：先定好纳入排除标准并签字确认；做 pilot——把 20 篇"种子文献"（肯定该纳入的经典论文）混进去盲测，筛选员 20 篇全中，标准靠谱；然后两名盲审 AI 分批筛 3000 篇，分歧的 180 篇交给仲裁员；最后输出 PRISMA 流程图数字（3000 → 去重 2741 → 初筛纳入 312 → 全文筛纳入 47）、筛选日志 Excel、方法学段落草稿。他感慨："以前最怕学生问'这篇为啥排除'，现在每条排除都有记录、有理由。"
术语翻卡
点击卡片翻转，查看高中生版解释（共 12 张）
自测题
ARS 是 human-in-the-loop 设计：AI 负责找文献、调格式、验数据等执行工作，选题、方法、结论解读等关键决策永远由人做，每阶段结束都要用户确认才能继续。
Stage 2.5（初稿写完、送评审前）和 Stage 4.5（终稿修改完、定稿前）是两次强制安检：核验引用存在性、声明-来源一致性、实验-结果对齐等，不通过不能往下走。
作者发现 AI 自我辩论会"谄媚"（一批评就投降）和"思维锁死"，于是给魔鬼代言人立规矩：反驳先打 1–5 分，≥4 分才能让步，≤3 分必须坚持原判。
sr-screener 的三条铁律：① 标准先行并经用户确认；② no silent defaults（失败≠排除）；③ AI 是决策支持，最终签字的是人。pilot 用种子文献质检流程是否靠谱。
academic-paper-reviewer 就是 7 智能体模拟评审团：期刊匹配评审员 + 3 名动态评审 + 魔鬼代言人，只读不改，输出结构化评审报告。
作者在 POSITIONING.md 里诚实声明了边界：ARS 检查的是"报告的过程"，不是现实本身。学术诚信的最终责任人永远是作者本人。记住：工具越强大，诚实越重要。
总结与延伸
🎓 一句话总结
Imbad0202/academic-research-skills 是一套 50,000+ stars 的 Claude Code 学术技能包：5 大 Skill（调研 / 写作 / 评审 / 总导演 / 文献筛选）像一支配合默契的科研团队，在 human-in-the-loop（人在回路）原则下，带你走完 research → write → review → revise → finalize 全程，并用两次诚信门逼 AI 对每条引用、每个结论讲证据。
💭 延伸思考（留给你的三个问题）
- 如果 AI 能把"写"的部分全包了，人类研究者最不可替代的能力是什么？（提示：想想"提出好问题"和"为结论负责"）
- 诚信门能防住"一本正经的胡说八道"，但作者承认防不住"前后一致的造假"。技术防线和学术诚信之间，界限到底该画在哪？
- 魔鬼代言人的"让步阈值协议"其实是在给 AI 立"人格规则"。你觉得未来的 AI 助手，应该有哪些"不许谄媚"的底线？
🔗 仓库原链
https://github.com/Imbad0202/academic-research-skills
安装：/plugin marketplace add Imbad0202/academic-research-skills → /plugin install academic-research-skills → /ars-plan 开始。许可证 CC BY-NC 4.0（署名、非商用）。配套 Codex 版：Imbad0202/academic-research-skills-codex。