EvoScientist/EvoSkills

解决的问题

EvoSkills 提供了一套全面的可安装知识包，旨在为 AI 代理（特别是 EvoScientist）扩展整个学术研究生命周期的领域特定专业知识。它将通用编程代理转变为能够处理从初始构想到文献综述、实验执行、论文撰写到同行评审回应等所有环节的专用科学研究员。

如何工作

该项目作为一个「技能」库运行，可通过命令或 skills.sh 框架安装到代理中。这些技能实现了针对特定研究任务的结构化、多阶段工作流。例如，research-ideation 技能使用角色驱动的精细化和 Elo 排名锦标赛来选择最佳研究想法，而 experiment-pipeline 则强制执行包含尝试预算的四阶段执行框架，以防止陷入“死胡同”。

系统的核心是 evo-memory，一个持久的研究记忆层，可追踪研究周期中成功与失败的方向，使代理能够随着时间推移演化其策略。

适用人群

• AI 研究人员：使用 AI 代理自动化或增强科学发现过程的人。
• 编程代理用户：使用 Claude Code、Cursor 或 Gemini CLI 的用户，希望为其工具添加学术研究功能。
• 学术写作者：需要在论文规划、起草和反驳过程中获得结构化支持的研究人员。

主要亮点

• 端到端研究流程：涵盖构想、规划、实验、写作和评审。
• 自我进化：利用 evo-memory 提炼可复用模式，避免重复过去错误。
• 严谨实验：实施四阶段流程，严格控制尝试预算并进行结构化日志记录。
• 学术工具：包含用于出版级 Matplotlib 图表、基于 Mermaid 的研究谱系图和 LaTeX 论文起草的专用工具。
• 数学严谨性：具备类似陶哲轩风格的奥数证明工作流，支持校准的放弃（abstention）机制，以避免“幻觉式”证明。