Academic Research Skills：五技能学术研究流程

它不是“论文工厂”，而是一套把研究状态显式化的协作流程

Academic Research Skills（ARS）把学术工作拆成研究、写作、完整性检查、同行评审模拟、修订、再复核与定稿，并用一个十阶段编排器把这些环节串起来。它的核心判断是：AI 最适合做检索、格式整理、引用检查、逻辑一致性和重复劳动，研究的核心决定仍应由研究者作出。因此，每个阶段完成后都要等待确认，内部完整性与评审决定也不能自动跳过。

这套设计比“上传题目后生成论文”更值得研究，原因在于它没有把流程控制藏在模型里。阶段状态写入 Material Passport，评审关注点和修订回应通过追溯矩阵关联，未解决问题进入“已确认限制”，而不是在后续轮次中悄悄消失。v3.23.0 仍把输出定位为研究者的工作材料，不声称作者身份，也不把模拟评审包装成正式出版决定。

五个技能怎样分工

技能	负责什么	关键边界
deep-research	用八种模式完成从苏格拉底式问题澄清、快速研究简报、文献综述，到系统综述与事实核查的工作；研究团队角色覆盖研究问题、方法论、书目、来源验证、综合、风险偏倚和伦理等环节。	检索与综合可以辅助判断，但不能替代研究者确定问题、方法和对证据的解释。
academic-paper	提供十一种模式，覆盖论文规划、提纲、全文草稿、摘要、引用检查、格式转换、修订辅导和回应审稿意见。	提纲必须先获确认；材料不足时标记缺口，不用流畅文字填补不存在的数据或文献。
academic-paper-reviewer	用期刊匹配评审、领域评审、方法评审、视角评审和反方论证组成多视角审稿，并支持复审、方法专项、引导式评审和校准模式。	输出是给作者的反馈，不是编辑决定；当前现场评审仍未完成正式校准，不能当成已量化的审稿准确率。
academic-pipeline	编排十个阶段，管理确认点、修订轮次、完整性门禁、状态交接和最终过程记录。	编排器只调度，不代替研究、写作和评审角色完成实质工作；最多保留两轮完整修订，之后未解问题必须显式记录。
sr-screener	把综述方案转成可确认的纳排协议，用两名隔离审稿人和第三名裁决者筛标题、摘要与全文，并输出筛选记录、PRISMA 计数和移交语料。	协议先于筛选，试点先于全量；调用失败不能默认排除，最终筛选责任仍属于人类团队。

插件清单登记了 35 个模式和 43 个提示角色。它们并非全部以独立运行时智能体启动；插件层直接暴露四个智能体，其余大量角色通过会话内提示流程执行。这个区别很重要，因为“写了角色”不等于“每个角色都获得独立上下文、独立工具权限和真正隔离的判断”。

Material Passport 把状态变成可交接的资产

Material Passport 是这项工作流的状态载体，负责记录研究问题、方法蓝图、文献语料、声明式实验来源、完整性结果、修订历史和阶段之间的交接材料。它不是跨论文记忆库，也不会替研究者保存机构格式或长期作者画像；一次运行只会读取本次明确提供的状态。

可选的上下文重置模式会为每次确认点写入边界记录，使新会话能够仅凭账本和摘要继续工作。这个能力解决的是长流程上下文膨胀与中断恢复，不是把模型输出变成完全可复现的软件构建。仓库也明确说明，LLM 生成内容和语义判断具有随机性，确定性校验器可以重放，但不能据此承诺整篇论文逐字节复现。

两层完整性门禁是整套流程最有价值的部分

阶段 2.5 在首次评审前检查参考文献、引用语境、统计数据、原创性和声明；阶段 4.5 在修订结束后重新做一遍，而不是只复查上一次的已知问题。两个门禁都会运行七类 AI 研究失效模式清单：实现错误通过自审、虚构引用、虚构实验结果、依赖捷径、把实现错误包装成新见解、方法虚构，以及过早锁定研究框架。命中疑似问题时，流程必须停下，由研究者确认、附理由覆盖或返回修订。

引用存在性检查会调用多个外部索引进行确定性查询，但“文献存在”不等于“文献支持这句话”。v3.7.3 因此加入定位锚点，v3.8 提供可选的声明与来源对齐审计；该审计默认关闭，仓库也只完成工具链的合成校准，没有公开一套现场判断器的校准结果。引用纠错仍需要研究者读取来源，不能只看通过或失败标记。

实验来源入口要求研究者明确声明本次是否包含自己执行过的实验。如果包含，则逐项记录外部实验的来源、计划与实际差异、负面结果和已知限制，并检查论文声明是否与这些自报记录一致。它不会运行实验，也不会判断实验本身是否正确；一致性检查只能约束“论文有没有夸大研究者已经提交的结果”。

它检查报告过程，不能证明实验真的发生过

这是整个项目最应该被准确传播的边界。ARS 可以检查参考文献、声明与来源的对应、报告方法的一致性、图表与正文的关系、报告规范以及提交包结构；其中一部分是抽样检查，一部分依赖外部索引覆盖，一部分仍由模型判断。

它不能证明所述实验确实执行过，不能证明原始数据真实完整，不能仅凭论文材料复现分析，也不能证明现实世界的干预如描述般发生。如果一份数据完全虚构，但论文、引用、声明和提交包前后一致，它仍可能穿过这些门禁。项目本身把这一失败形态写在定位文档里，明确要求研究者、机构和复现团队继续承担经验研究的最终责任。

安装通道决定哪些控制真正生效

推荐入口是 Claude Code 插件。插件通道会装载斜杠命令、会话启动提醒、写入范围守卫和带有工具白名单的插件智能体；把 skill 目录直接复制到项目中、在仓库里运行、导入 Claude Science，或者通过 Cowork 上传，都会失去其中一部分机制。

控制	实际强度	需要知道的事
阶段确认、完整性门禁、不可跳过的约束	提示词层约束，加审计记录	由会话模型遵循指令执行，不是操作系统或权限系统层面的强制阻断。覆盖决定必须记录理由。
写入范围守卫	可选钩子，条件生效	需要真实 Python、Bash 与插件通道；缺失依赖时会降级为放行，而不是锁死用户。
确定性引用门禁与 Python 校验器	仓库脚本，条件生效	需要通过插件安装或保留仓库检出；只复制五个 skill 目录不足以运行这些脚本。
双盲系统综述筛选	需要子智能体与筛选脚本	插件通道完整；复制安装需要额外复制审稿智能体；没有子智能体时只能退回明确标注的单审快速模式。

因此，“仓库里有这项控制”和“你的安装里真的运行了这项控制”是两回事。版本 3.23.0 专门维护了一张安装通道可用性矩阵，反而比只展示能力清单更可信。

许可证不是开源许可，商业使用要格外小心

仓库采用 CC BY-NC 4.0，属于源码可见但限制商业使用的许可，并不是 OSI 定义下的开源许可。非商业学术研究、教学、方法训练和非商业课题组协作属于允许用途；将其包装为商业 SaaS、客户咨询服务、企业付费部署、商业 API 封装或转售，需要另行获得许可。

安装入口是：

/plugin marketplace add Imbad0202/academic-research-skills
/plugin install academic-research-skills

对于已有代码、数据和审稿意见的研究者，它最有价值的用法不是从空白开始生成全文，而是从某个阶段中途进入，先补完整性检查，再让评审、修订和复审围绕可追溯的状态展开。对于需要跨论文长期记忆、运行真实实验，或者希望完全自动完成研究流程的人，这套工具会主动停在门外。