HKUSTDial/Supervisor-Skills

解决的问题

Supervisor-Skills 解决了学术研究中的「最后一公里问题」，即学生常常难以将理论指导转化为实际执行。它通过提供资深研究者的学术直觉、品味和判断力，弥合了拥有强大LLM与产出高质量研究之间的差距，帮助用户避免在想法生成、论文写作和投稿过程中常见的陷阱。

如何工作

该项目采用双轨架构，结合理论指南和可执行的AI技能：

• 手册（理论指南）： 系统性框架，涵盖研究全生命周期，包括如何评估论文质量、生成与优化想法、撰写引言、设计科学图表、分析顶级会议论文等。
• AI技能（可执行提示）： 将学术经验提炼为结构化提示，可导入LLM（如Claude、GPT-4、DeepSeek或Kimi）。这些技能可自动化特定任务，如想法评估、基于证据的论文写作、语言润色和深度文献调研。

适用人群

主要面向需要持续、高质量指导以开展研究并撰写顶级AI与数据科学会议论文（如SIGMOD、VLDB、ICML、NeurIPS）的研究生和早期研究者。

亮点

• 完整的科研生命周期： 覆盖从初始想法评估到最终投稿前审查的全过程。
• 基于证据的写作： paper-writer 技能确保事实性陈述可追溯至原始资料或已验证文献，防止AI幻觉。
• 学术级润色： paper-polish 技能专注于去除“AI味”表达，同时忠实保留原意进行语言优化。
• 可视化辅助集成： 包含 drawio-reconstruction 技能，可将参考图像转换为可编辑的Draw.io文件。
• 深度研究能力： deep-research 技能支持多视角检索与交叉对比的调查级文献综述。