Imbad0202/academic-research-skills · 上手攻略
- 仓库：Imbad0202/academic-research-skills
- 链接：https://github.com/Imbad0202/academic-research-skills
- 分类：engineering / skill
- 作者：Jay
- 更新：2026-07-12
是什么
Academic Research Skills（ARS） 是一套专为 Claude Code 设计的完整学术研究流水线 Skill，覆盖从选题调研→撰写→评审→修改→定稿的全流程。安装后，你的 Claude Code 就变成了一个严格的学术写作助手——它会进行文献检索、结构规划、风格校准、引用核查（L3 风险评估）、事实核查，并内置多道 integrity gates 防止 AI 常见的"幻觉陷阱"。
v3.8+ 版本引入了引用声明审计（Citation Claim Audit）功能，可对每一条引用进行溯源验证，检测"引用内容与声称不符"的问题——这是 Zhao et al.（2026）对 1.11 亿引用的大规模审计中发现的最严重问题之一。
解决什么问题
AI 辅助学术写作面临一个根本矛盾：全自动流水线（如 AI Scientist）会在盲审中出现幻觉结果、引用虚构、框架锁定等问题。ARS 的解决思路是人机协同（Human + AI > Either Alone）：AI 处理机械性工作（文献检索、格式、引用一致性），人类专注于定义问题、选择方法、解释数据和撰写核心论点。
同时，ARS 内置了两道 integrity gates（Stage 2.5 和 Stage 4.5）——7 模式阻塞清单，会在检测到严重问题时拒绝输出，直到问题被修复。
快速安装
⚠️ 前提：Claude Code（最新版）+
ANTHROPIC_API_KEY环境变量
推荐安装（v3.7.0+，插件方式）
# 在 Claude Code CLI 中运行
/plugin marketplace add Imbad0202/academic-research-skills
/plugin install academic-research-skills
# 验证安装
/ars-plan
# 描述你正在写的论文，ARS 会以苏格拉底式对话帮你规划章节结构
# 或快速测试单次文献综述
/ars-lit-review "your research topic"
传统安装（symlink）
cd ~/.claude/skills
git clone https://github.com/Imbad0202/academic-research-skills.git
cd academic-research-skills
# 参考 docs/SETUP.md 完成符号链接配置
可选依赖
| 工具 | 用途 | 是否必须 |
|---|---|---|
| Pandoc | DOCX 输出 | 否（Markdown 无需） |
| tectonic + Source Han Serif TC | APA 7.0 PDF 输出 | 否 |
| Python 3 | PreToolUse 写守卫（可选） | 否（无 Python 时静默跳过） |
| Git Bash（Windows） | 守卫脚本运行环境 | 仅 Windows 用户需要 |
核心用法
/ars-plan —— 论文结构规划（苏格拉底式对话）
# 在 Claude Code 中运行
/ars-plan
# 描述：I'm writing a paper about reinforcement learning in robotics
# ARS 会通过问答引导你完成：
# → 研究问题定义
# → 方法论选择
# → 章节大纲制定
六阶段完整流水线
| 阶段 | 内容 | 门控 |
|---|---|---|
| 1. RESEARCH | 深度研究：RQ Brief + 方法论蓝图 | 人工决策 |
| 2. WRITE | 大纲审批 → 起草 | 人工决策 |
| 2.5 INTEGRITY | 7 模式失败检查（L1–L3 风险） | 机器验证 → 人工确认 |
| 3. REVIEW | 学术评审：Accept / Minor / Major / Reject | 人工决策 |
| 3→4 Revision Coaching | 最多 8 轮苏格拉底式修改辅导 | 可跳过 |
| 4. REVISE | 修改确认 | 人工决策 |
| 4.5 FINAL INTEGRITY | 深度 Mode 2 核查 | 机器验证 → 人工确认 |
| 5. FINALIZE | 输出格式（MD / DOCX / LaTeX / PDF） | 人工决策 |
| 6. PROCESS SUMMARY | 语言确认 + 协作质量回顾 | 人工确认 |
两类门控的区别
- 人工决策门控：用户需要做出实质性选择（如选哪个分支、审批大纲、决定修改策略）
- 机器验证 + 人工确认：自动化检查通过后，用户只需确认报告内容（如 integrity 检查结果）
Stage 2.5 和 4.5 属于第二类，不会跳过，即使自动化检查通过也必须人工确认才能推进。
引用声明审计（v3.8+，可选）
# 对当前草稿进行引用溯源验证
# ARS_CLAIM_AUDIT=1 启用
# 会检测 5 类高风险引用问题：
# - claim-not-supported（引用不支持声称）
# - negative-constraint-violation
# - fabricated-reference（虚假引用）
# - anchorless（无锚点）
# - constraint-violation-uncited
# 标定参数（需用户提供黄金集）：
# FNR < 0.15 + FPR < 0.10 验收阈值
风格校准
ARS 不是"人性化器"，而是风格校准器：学习你过往作品的写作风格，防止 AI 生成"机器腔"内容。
ARS_CROSS_MODEL 跨模型验证
支持使用不同模型（Claude、GPT、DeepSeek 等）交叉验证研究结果的可靠性。
典型适用场景
- 学位论文写作：从 RQ 到 Finalize 的全程辅助，覆盖答辩前各版本迭代
- 期刊论文投稿：内置 APA 7.0 / 会议格式模板，支持 DOCX 和 PDF 输出
- arXiv 预印本：快速生产符合学术规范的预印本，内置引用核查防止被审稿人挑出引用错误
- 文献综述：自动化文献检索 + 可信度评估 + 引用事实核查（Zhao et al. 2026 同款方法）
- 研究提案：结构化 RQ + 方法论规划，ARS 的 Socratic 对话帮你梳理研究漏洞
- 课程论文 / 学期论文：风格校准功能防止"机器腔"，让 AI 辅助写作看起来更像你自己写的
- 跨学科研究记录：Material Passport 功能（v3.6.4+）支持知识资产的可追溯性管理
Style Calibration：防止 AI 味的秘诀
ARS 的 Style Calibration 不是"人性化器"（那些工具反而会降低学术质量），而是风格匹配器：
- 学习你过往作品的用词、句式、论证风格
- 在 Writing Quality Check 中识别"机器生成感"的典型模式
- 输出更接近你本人写作的学术风格，而非千篇一律的 AI 腔
这对于需要提交 AI 使用声明的期刊（如 Nature、Science 系列）尤为重要——ARS 帮助你在合规使用 AI 的同时保持个人学术声音。
坑与注意
- 不帮你代写：ARS 的目标是帮助你写出更好的论文，而非替你写。它有意识地不伪装人类写作痕迹。如果你的目标是偷懒，ARS 会让你失望。
- Windows Python 陷阱：Windows 上
python3常常是微软商店占位符而非真实 Python，可能导致 PreToolUse 守卫失效。建议从 python.org 安装真实 Python（winget 或官网下载均可）。 - Git Bash 在 Windows 上必需：守卫脚本是 POSIX shell 格式，Windows 原生 PowerShell 无法直接运行，需要 Git Bash 环境（随 Git for Windows 附带）。
- 引用审计需要人工标定：Claim Audit 的 FNR/FPR 验收需要用户提供黄金集（20 条标注数据），开箱后需先做标定才能使用，不标定也可正常走流水线其他阶段。
- v3.7+ 才支持插件安装：旧版 Claude Code 需要使用传统 symlink 方式安装，请先确认版本。
- Integrity Gates 不会跳过：Stage 2.5 和 4.5 的检查是强制性的，即使检查失败重试 3 次后仍不通过，流水线不会自动继续，必须人工介入修复问题。
- 中文支持有限：项目 README 有简体中文版，但 ARS 的核心技能以英文为主，中文论文写作可能需要额外调整 prompt 策略。
与同类对比
| 项目 | 类型 | 核心特色 | 局限 |
|---|---|---|---|
| ARS | Claude Code Skill | 完整流水线 + integrity gates + 引用审计 | 依赖 Claude Code |
| AI Scientist | 全自动研究系统 | ICLR 盲审通过 | 幻觉风险、无人工审批 |
| PaperOrchestra | 研究框架 | VLM 图表验证、语义检索 | 集成度较低 |
| Zotero + AI | 文献管理增强 | 引用管理 + AI 辅助阅读 | 非写作流水线 |
| SciWriFi | 学术写作工具 | LaTeX 模板 + 引用管理 | 非 Agentic |
ARS 的核心差异在于把 integrity gates 作为一等公民——7 模式检查、L3 引用风险评估、声明审计，让 AI 辅助写作有结构性保障而非盲目信任。
一句话推荐结论
ARS 让 Claude Code 变成一个有"学术良知"的论文写作搭档——它不替你写，但它能系统性地拦住 AI 写论文时最常见的引用幻觉和逻辑漏洞，值得每一个严肃对待学术写作的人认真尝试。