luwill/research-skills

它解决了什么问题

这个项目为 Claude Code 提供了一套专门的「技能」，用于自动化和增强学术研究工作流程。它解决了学术工作中常见的痛点，例如耗时的全面文献检索、AI 生成引用时的幻觉风险、创建高保真学术演示文稿的困难，以及撰写结构化研究提案和医学影像评审报告的挑战。

它如何工作

每个技能都是一种模块化扩展，可安装到 Claude Code 的技能目录中。它们结合了大语言模型编排、专用的 Python/TypeScript 脚本，以及与学术数据源（如 arXiv、PubMed 和 Zotero）的集成，以执行复杂的科研任务：

• 文献检索：使用确定性流水线，结合多源分页和引用闭包，确保高召回率，并提供可量化的覆盖报告。
• 学者幻灯片：注重来源保真度，使用 KaTeX 渲染公式，使用原生 OOXML 生成表格，创建可编辑的 PPTX 或 PDF 演示文稿。
• 论文幻灯片集：使用 Gemini API 生成风格化、AI 生成的幻灯片图像，便于视觉分享。
• 研究提案：采用五阶段「边写边验证」工作流，确保提案中的引用经过验证。
• 医学影像评审：为医学影像 AI 设计了八阶段工作流，整合了 PRISMA 等报告标准，并包含可执行的审计脚本，以确保引用的完整性。

适合谁使用

使用 Claude Code 的学术研究人员、博士生和学者（尤其是 STEM 和医学影像 AI 领域的用户），希望自动化文献综述、提案撰写和演示文稿创建，同时保持严格的学术诚信。

主要亮点

• 引用完整性：多个技能包含硬性检查和验证协议，防止 AI 编造参考文献。
• 可衡量的召回率：文献检索工具提供覆盖报告和饱和曲线，而不仅仅是相关论文列表。
• 保真度优先的演示文稿：Scholar Slides 确保公式和数据以矢量文本/表格形式保留，而非位图图像。
• 结构化工作流：提供多阶段流水线（例如医学评审的八阶段流程），实现从初步收集到最终提交准备的全流程支持。
• 广泛的学术支持：支持中英文双语，并与 Zotero、PubMed 和 arXiv 集成。

该工具真正改变了我做文献综述的方式——现在我能以更高的准确性和效率完成工作，同时确保所有引用都经过验证。— @handle