Claude / Codex + 全方位科研工具 Skills 实操教程

来源：htmlDecode("爱AI的大刘")

原文链接：https://mp.weixin.qq.com/s/AlH_gFgOou9zyElFGxuubg

✍️ 作者: 大刘
📝 编辑: 大刘
🎨 排版: 大刘
我自己做科研也有些年头了。
我真的建议你用 Claude / Codex 做科研。
我用的 Skill 是 Academic-Research-Skills（下面我都简称 ** ARS ** ）。
这个 Skill 基本覆盖了 ** 研究 → 撰写 → 审稿 → 修改 → 定稿 ** 整条链路。
但它的真身，是底下四个各管一摊的 skill、二十多个工作模式、近四十个 agent，外加一整套专防「AI 编假文献」的诚信系统。
所以今天这篇，我想做到全网最全，给你讲讲我自己结合它做科研的经验。
我们开始。

一、30 秒装好

最快的一种，两行命令。
如果你用的是 Claude Code，直接： ● ● ● /plugin marketplace add Imbad0202/academic-research-skills
/plugin install academic-research-skills
运行 /ars-plan ，随便描述一篇你想写的论文，它会用苏格拉底式对话开始帮你规划章节。
想做个单次小测试，可以 /ars-lit-review "你的主题" 。
** 用 Codex 的朋友 ** ：官方有一个姐妹版仓库 Imbad0202/academic-research-skills-codex ，把全套打包成单一的 $academic-research-suite skill，并提供 ars-* 别名，工作流内容一致。
这篇我们专注讲 Claude Code 版，Codex 版你知道有这么个东西、按它仓库说明装就行了。

二、13 条命令速查表

这是很多人最想要的一张表。
我把 13 条命令对应到底层哪个 skill、哪个 mode，一次给你列全。
先扫一眼有个全貌，下一节我再把背后的四块能力一块块拆开讲透。命令调用 skill mode 一句话用途 /ars-full academic-pipeline 全流程编排从研究到定稿，10 阶段一条龙（旗舰命令） /ars-plan academic-paper plan 苏格拉底式对话，帮你逐章规划论文结构 /ars-outline academic-paper outline-only 生成详细大纲 + 证据地图（不写全文） /ars-lit-review academic-paper lit-review 把已有文献整理成综述章节 /ars-reviewer academic-paper-reviewer full（也接 quick 等）模拟 5 人同行评审 /ars-revision academic-paper revision 按审稿意见直接生成修改稿 + 逐点回复 /ars-revision-coach academic-paper revision-coach 解读审稿意见，出修改路线图（不动稿件） /ars-abstract academic-paper abstract-only 生成双语摘要 + 关键词 /ars-citation-check academic-paper citation-check 检查引用规范、文内与列表是否匹配 /ars-disclosure academic-paper disclosure 生成符合期刊规范的 AI 使用声明 /ars-format-convert academic-paper format-convert 格式转换（MD/LaTeX/DOCX/PDF + 引用格式互换） /ars-mark-read 脚本无标记某篇文献「我已亲自读过并核实」 /ars-unmark-read 脚本无撤销上面的已读标记
看出来了吧。除了 /ars-full 调的是「全流程调度器」，其余命令，其实都是把底层那四个 skill 的某个具体模式，做成了一个顺手的快捷入口。
所以下一节，我带你回到源头，把那四块能力讲透。

三、四块核心能力

ARS 真正的能力，全在这四个 skill 里。
我按「做科研的真实顺序」来讲：先查、再写、再审、最后一条龙。
3.1 deep-research：查文献、做研究
整条链路就从它起步，一支 ** 13 个 agent ** 的研究团队。
它有 ** 7 个模式 ** ，按你的需要从轻到重排开。
1. ** full（完整研究） ** ：默认模式。从零到一跑完整的研究六阶段，产出一份可引用的 APA 7.0 报告， ** 3,000–8,000 词 ** （含摘要、方法、发现、讨论、参考文献）。触发语像 "Research [主题]"。中途有 3 个检查点等你确认。
2. ** quick（快速研究） ** ：时间紧、只想要个主题概览时用。产出 ** 500–1,500 词 ** 的研究简报，基本直接给你，不啰嗦。
3. ** review（文本评审） ** ：你已经有一篇文章或草稿，想让它做个专业评审，给出 Accept / Minor / Major / Reject 的判断 + 修改建议。
4. ** lit-review（文献回顾） ** ：系统检索 + 综合分析，产出 ** 带注释的书目 + 主题综述 + 研究缺口 ** ，1,500–4,000 词。它和后面 academic-paper 的 lit-review 有分工，我下面会专门说。
5. ** fact-check（事实查核） ** 。这个我要重点点名。
它只激活一个 agent（ source_verification_agent ），对你给的每一条声明 ** 逐条 ** 出裁决： VERIFIED （已验证）/ PLAUSIBLE （看似可信）/ UNVERIFIABLE （无法核实）/ FABRICATED （疑似伪造）。
你要对付「AI 编引用」，这就是最好使的一招：拿不准的声明，丢给它一条一条检查。
6. ** socratic（苏格拉底式引导） ** 。我个人觉得最有意思的一个。
它有一条规矩： ** 绝不直接给你答案 ** 。
当你只有一个模糊想法、不知道怎么把它变成一个真正的研究问题时，它会用 5 层提问（澄清 → 追问假设 → 逼问证据 → 换视角 → 推后果）一轮轮逼着你自己想清楚。
8 到 15 轮对话下来，你会得到一个聚焦的研究问题和方法方向。
对刚入门的研究生，这个比直接要答案有用得多。
7. ** systematic-review（系统性回顾 / Meta 分析） ** ：最重的一个。符合 ** PRISMA 2020 ** 规范，能产出 5,000–15,000 词的系统性回顾，带森林图数据和 GRADE 证据表。临床、循证决策这种严肃场景才需要动用它。
这个 skill 里还藏着几个我觉得做得很扎实的机制。
它会把你书目里的每条文献拿去查 ** Semantic Scholar API ** （外加 OpenAlex、Crossref 做三重交叉验证），自动给文献定可信度等级、检测掠夺性期刊。
这些，都是在替你防「假文献」。
3.2 academic-paper：把研究写成论文
一支 ** 12 个 agent ** 的写作团队， ** 10 个模式 ** 。
前面速查表里那一串 /ars-* 命令，大半都来自这个 skill：模式干什么对应命令 full 端到端写完整论文（8 个 Phase：配置→文献→结构→论证→初稿→引用摘要→评审→排版）无（走 pipeline） plan 苏格拉底式逐章规划，约 20–30 轮对话，出 Chapter Plan，不直接写稿 /ars-plan outline-only 详细大纲 + 证据分配 + 字数分布 /ars-outline lit-review 设计检索策略 + 注释书目 + 文献矩阵 /ars-lit-review revision 按审稿意见 ** 直接改稿 ** ，生成修订追踪 /ars-revision revision-coach 把杂乱的审稿意见解析成 ** 修改路线图 ** ，不动稿件 /ars-revision-coach abstract-only 双语摘要（中文 + 英文，各自独立撰写非翻译）+ 关键词 /ars-abstract citation-check 核查引用格式、文内与列表是否匹配、DOI 完整性 /ars-citation-check format-convert 格式与引用体系转换 /ars-format-convert disclosure 生成期刊专属的 AI 使用声明 /ars-disclosure
这里有两个新手最容易搞混的地方，我帮你掰开。
** 先说 revision 和 revision-coach。 **
前者 ** 直接帮你改论文 ** 、出修订稿；后者 ** 只规划修改策略 ** 、不碰稿件。
我的建议是：先用 coach 理清路线、人工过一遍策略，再用 revision 落地执行。别一上来就让它直接重写。
** 再说两种 lit-review。 **
deep-research 的 lit-review 是「研究工具」，负责 ** 搜和发现 ** 文献；academic-paper 的 lit-review 是「写作工具」，负责把文献 ** 整理成综述章节 ** 。
正确姿势是串起来用：先用 deep-research 搜，再用 academic-paper 写。
这个 skill 里还有两件「防 AI 味」的功夫，我特别想夸一下。
** 风格校准（Style Calibration）。 **
你在配置访谈时上传 ** 3 篇以上 ** 自己过去的论文，它会学你的句子节奏、用词偏好、引用融入方式，生成一份「风格档案」。
写稿时照着你的声音来，目标是让成稿读起来 ** 像你写的 ** ，不是像机器写的。
** 写作质量检查（Writing Quality Check）。 **
写稿过程里，它会自动揪 AI 腔：查 26 个 AI 高频词（delve、tapestry、leverage 那一类）、限制破折号数量（全文 ≤3 个）、删掉「In the realm of…」这类开头废话、禁止生硬地「凑三点」。
它防的，就是「一眼假」的机器文风。
3.3 academic-paper-reviewer：投稿前先自审
一支 ** 7 个 agent ** 的多视角评审团， ** 6 个模式 ** 。
这是我觉得对认真投稿的人价值最大的一块。在真审稿人之前，先让 AI 替你挨一顿打。
先看这支评审团的构成， ** 5 位虚拟审稿人 + 1 主编 + 1 综合编辑 ** ：角色评审重点主编（EIC）期刊契合度、原创性、整体质量方法审稿人（R1）研究设计、统计有效性、可重复性领域审稿人（R2）文献覆盖、理论框架、学科贡献视角审稿人（R3）跨学科连接、实践影响、伦理政策含义 ** 魔鬼代言人 ** 专挑核心论点的毛病、逻辑谬误、最强反驳
它的打分是 ** 0–100 分制 ** ，5 个维度加权：
原创性 ** 20% ** / 方法严谨性 ** 25% ** / 证据充分性 ** 25% ** / 论证连贯性 ** 15% ** / 写作质量 ** 15% **
分数直接映射决策： ** ≥80 接受 / 65–79 小修 / 50–64 大修 / <50 拒稿 ** 。
6 个模式分别是：
1. full ：默认，全面审稿
2. re-review ：修改后复审
3. quick ：约 15 分钟快评
4. methodology-focus ：深挖方法论
5. guided ：苏格拉底式引导你自己改
6. calibration ：用你标注的 gold paper 测这套审稿系统准不准，给出 FNR / FPR / AUC
这里有一条规则，我觉得设计得特别狠、也特别有用，必须单独讲：
** 魔鬼代言人发现的「关键问题」（CRITICAL），会直接阻塞「接受」决策，什么意思，就是一票否决权，哪怕其余 4 位审稿人都给了高分。 **
什么算 CRITICAL？
四种之一：核心假设可被证伪、结论推不出来、数据和结论打架、有个更简洁的替代解释更符合数据。
只要它揪出一条，你不正面回应，这篇就过不了。
它还有个「攻击强度保持协议」：你拿一句话反复糊弄，它不让步，分数照样压着。
它最狠的就是这一下： ** 逼你直面论文最脆弱的那个点，不让你绕过去。 **
这正是一个好审稿人该干的事。
对了，还有一条铁律：审稿人 ** 只读、绝不改你的原稿 ** 。
所有评审意见、决策、路线图，都作为独立文档产出。你的稿子它一个字都不会动。
3.4 academic-pipeline：10 阶段一条龙
这是旗舰，对应 /ars-full 。
它把前面三个 skill 串成一条 ** 10 阶段 ** 流水线，自动调度。
我把每个阶段干什么、调谁、产出什么，给你列全：阶段名称调用产物 1 研究 deep-research 研究问题简报、文献、综合分析 2 撰写 academic-paper 论文草稿 ** 2.5 ** ** 完整性验证 ** integrity 验证 agent 验证报告 ** （强制，不可跳过） ** 3 审稿 reviewer 5 份审稿意见 + 编辑决策 + 修改路线图 4 修改 academic-paper 修改稿 + 逐点回复 3' 复审 reviewer 复审报告（验证修改是否到位） 4' 再修改 academic-paper 第二轮修改稿（如需） ** 4.5 ** ** 最终验证 ** integrity 验证 agent 最终验证 ** （须 100% 通过才能定稿） ** 5 定稿 academic-paper MD → DOCX → LaTeX → PDF 6 过程总结调度器过程记录 + 人机协作质量评分
你注意到那两个加粗的 ** 2.5 ** 和 ** 4.5 ** 了吗？
这两道，才是这套插件最较真的地方：专门拦「AI 编假文献、编假数据」。
** 不可跳过，失败就堵在那里，逼你修完重验。 **

四、推荐工作流

讲了这么多零件，最后给你几条我自己做的时候的 SOP。
** 场景一：从零写一篇完整论文 ** ● ● ● /ars-plan ← 苏格拉底对话，先把结构想透
/ars-outline ← 出详细大纲 + 证据地图（你人工确认一遍）
/ars-full ← 基于大纲走全流程：写全文 + 自动审稿 + 修改
/ars-citation-check ← 投稿前最后查一遍引用
/ars-abstract ← 生成双语摘要
/ars-disclosure ← 生成 AI 使用声明
** 场景二：已有草稿，准备投稿 ** ● ● ● /ars-reviewer ← 先让 5 人评审团挑一遍毛病
/ars-citation-check ← 查引用完整性
/ars-abstract ← 完善双语摘要
/ars-format-convert ← 转成目标期刊要的格式
/ars-disclosure ← 生成 AI 声明
** 场景三：收到审稿意见，要大修 ** ● ● ● /ars-revision-coach ← 先解读意见、出修改路线图
（你人工确认修改策略）
/ars-revision ← 再生成修改稿 + 逐点回复信
/ars-reviewer（re-review 模式）← 验证大修是否真解决了核心问题
** 场景四：只想做文献综述 ** ● ● ● （先在 deep-research 里搜文献）
/ars-lit-review ← 把搜到的文献整理成综述章节
/ars-mark-read ← 标记你已经亲自读过、核实过的那几篇

写在最后

说回我自己。
我用它做科研这段时间，最实在的价值，其实不是帮我「写得多漂亮」。
而是把我从那些最耗人、最磨人的活里捞了出来：满世界翻文献、一条条对引用格式、反复核数据有没有自相矛盾、投稿前把格式转来转去。
这些事，以前能耗掉我整块整块的时间，人还越弄越烦。
现在交给它，我省下来的精力，能放回真正只有我能做的地方：这个问题值不值得做、这个方法对不对、这个结果到底说明了什么。
这，就是我推荐你也用它的唯一理由。
它不会替你变聪明，也接管不了你的判断。
希望它能帮你省下力气， ** 去做那件真正值得的事 ** 。
以上，既然看到这里了，
如果觉得不错，随手点个赞、在看、转发三连吧，
如果想第一时间收到推送，也可以给我个星标⭐～
谢谢你看我的文章
** 你的关注是我持续更新的动力～ **
** 我是谁 **
我是 AI大刘，北大毕业，大模型研究方向，腾讯犀牛鸟，先后在腾讯、百度的大模型研发部门，现在给多家国企做AI顾问（也期待大家和我咨询交流欢迎链接我～