Imbad0202/academic-research-skills

Claude Code 的学术研究技能 是一套工具，将 AI 助手 Claude Code 转变为学者的研究伙伴。它覆盖整个研究工作流程——从文献检索、论文写作到同行评审——同时让人类研究者在每个步骤中保持主导权。

核心理念：AI 提供辅助，人类做出决策。 该项目明确拒绝完全自动化。它引用的研究表明，完全自主的 AI 研究系统会犯错误，例如虚构引用或捏造方法。相反，它构建了检查点，AI 承担繁重工作（查找参考文献、格式化引用、检查一致性），但在继续之前会要求人类确认。目标是写出更好的论文，而不是隐藏 AI 的使用。

包含内容：

• Deep Research：一个由 13 个代理组成的团队，帮助进行文献检索和系统综述。
• Academic Paper：一个带有风格校准（学习你的写作风格）、质量检查和图表验证的 12 代理写作助手。
• Academic Paper Reviewer：一个提供多角度反馈的 7 代理同行评审模拟器。
• Academic Pipeline：一个 10 阶段协调器，引导论文从想法到发表，并带有完整性检查。
• SR-Screener：用于系统综述中筛选研究的工具，具有盲法评审和质量控制。

主要特点：

• 引用验证：检查引用的来源是否确实支持所做的声明。
• 声明审计：一个可选模式，获取来源并判断声明是否得到支持。
• 风格校准：从你过去的作品中学习你的写作风格，减少机器生成的感觉。
• 数据访问透明度：每个技能都声明其使用的数据以及哪些数据会离开你的机器。
• 可复现性锁定文件：记录配置，但不保证逐字节复现（LLM 输出不是确定性的）。

安装和使用：

• 通过 Claude Code 插件安装：先执行 /plugin marketplace add Imbad0202/academic-research-skills，然后执行 /plugin install academic-research-skills。
• 适用于 Claude Code CLI、VS Code、JetBrains，同时也有适用于 Claude Science、Pi 和 Codex CLI 的版本。
• 从 /ars-plan 开始，通过引导式对话规划论文结构。

重要限制：

• ARS 检查稿件和报告的过程（引用、声明一致性、方法论），但无法验证实验是否真正运行、原始数据是否真实，或结果是否可复现。一份完全捏造的报告也可能通过检查。
• 某些检查是抽样或 AI 介导的，并非详尽无遗。
• 该项目是开源的（CC BY-NC 4.0 许可证），并且正在积极开发中（v3.23.1）。

简而言之，这是一个用于学术写作的复杂 AI 副驾驶，旨在提高质量和减少错误，同时明确人类仍是作者，并对每项声明负责。