Academic Research Skills

Academic Research Skills 是一套面向 Claude Code 的学术研究技能集合,覆盖文献调研、论文写作、同行评审到终稿出版的完整流程。四个子技能:deep-research(13 个代理,负责文献检索、系统综述与事实核查,共 7 种模式)、academic-paper(12 个代理,负责论文撰写、风格校准、引用排版与 LaTeX/PDF 输出,共 10 种模式)、academic-paper-reviewer(7 个代理,由 EIC、三位动态评审与 Devil's Advocate 组成多视角审稿,附带 0–100 评分量规,共 6 种模式)和 academic-pipeline(10 阶段编排器,串联全流程)。两道强制性完整性闸门(Stage 2.5 与 Stage 4.5)执行 7 种 AI 失败模式检查(M1 实现缺陷通过自审、M2 虚引文、M3 虚实验数据、M4 捷径依赖、M5 缺陷重述为洞见、M6 方法论捏造、M7 frame-lock);审稿环节的 Devil's Advocate 使用让步阈值协议(每次反驳 1–5 分,≥4 分方允许让步)对抗 sycophancy。工具贯彻 human-in-the-loop 原则:AI 处理文献检索、格式编排与一致性校验,研究者掌握研究问题、方法选择与结果解读,每个阶段需经用户确认方可推进。安装方式为 Claude Code 插件命令,要求 Claude Code v3.7.0+。同一作者提供面向 Codex CLI 的分发包。

社区实测

这是一个为 Claude Code 提供结构化学术研究流程的提示词工具集，覆盖从研究到写作的多个模式，但社区尚无大规模使用反馈。

• 提供多模式学术研究流程（全文、快速、系统综述、苏格拉底式引导、事实核查、文献综述、三向扫描、审阅等）
• 提供从研究到写作的完整论文 pipeline，支持一键启动作文流程

• LLM 在缺乏人类方向指引时容易做出错误假设并钻牛角尖，生成无用结论
• LLM 能合成信息但无法自主判断哪些结论有价值，仍需人类把关

来源

GitHub - Imbad0202/academic-research-skills: Academic Research Skills for Claude Code: research → write → review → revise → finalize · GitHubAcademics Need to Wake Up on AI | Hacker News

截至 2026-08-02