研究技能 – 用于学术工作的 Claude Code Skills

简介 – 一套五个 Claude Code “技能”（插件风格的命令行工具），帮助研究人员自动化学术工作流程的部分环节，特别是针对 AI 相关论文。这些技能涵盖：

技能	主要用途
medical‑imaging‑review	为医学影像 AI 建立经过严格检查且具备引用完整性的文献综述。
paper‑slide‑deck	将任何文档转换为 AI 生成的风格化幻灯片图像（17 种视觉主题）。
research‑proposal	以 Nature‑Reviews 风格生成博士级研究提案，并附带已验证的参考文献。
scholar‑slides	创建可编辑的矢量格式幻灯片，确保每个公式、表格、图表和引用均忠实呈现自原始来源。
lit‑search	执行详尽且具时间范围限制的文献检索，并提供可衡量的召回率报告。

---

运作方式

1. 安装 – 每个技能均为一个文件夹，请将其复制到 ~/.claude/skills/。部分技能（scholar‑slides, lit‑search）附带 install.sh，用于创建 Python 虚拟环境、安装 Node/npm 包及所需的系统字体。
2. 调用 – 通过斜线指令（例如 /lit-search）或 CLI 指令（例如 paper-slide-deck content.md --style watercolor）触发技能。README 文件列出了每个技能的确切触发字符串。
3. 核心理念 – 所有与写作相关的技能均共享一套 引用完整性 规范：稳定的引用键 (cite-keys)、主张分类账 (claim-ledger)，以及一个绝不会让手稿在未经检查下通过的审计脚本。完整性防范机制记录于 docs/citation-integrity-core.md。

---

各项技能概览

1. medical‑imaging‑review

• 目标 – 医学影像 AI 的系统性综述。
• 工作流程 – 选择路径（叙述性、方法调查、范畴界定、系统性）。该工具会通过 init_review_project.py 建立项目架构，包含带时间戳的配置文件、主张分类账、参考书目及检查清单文件。审计脚本 (audit_manuscript.py) 会对照分类账检查每一项引用，并报告错误、警告或“未评估”项目。
• 输出 – Markdown 手稿、references.bib、claim_ledger.csv 以及 PRISMA 风格的检查清单。

2. paper‑slide‑deck

• 目标 – 可视化、适合分享的幻灯片图像（不可编辑）。适用于快速概览或社交媒体分享。
• 关键步骤 – 检测 PDF 中的图表，将每个图表对应至全页幻灯片，通过 Gemini‑3‑pro‑image API 生成图像，最后合并为 PPTX 或 PDF。
• 限制 – 数学公式与数据会被栅格化；不适合需要精确数值且需保持可编辑性的论文答辩。

3. research‑proposal

• 目标 – 草拟博士研究提案或研究计划（英文或中文）。
• 流程 – 五阶段管线：需求分析 → 文献收集（含验证） → 大纲核准 → 分章节撰写 → 最终 Markdown 输出。
• 防范机制 – 每一项参考文献均会对照 DOI/PMID/arXiv 或 Zotero 库进行检查；无法验证的项目将被标记。
• 典型输出 – 2,000 至 4,000 字的提案、25 至 50 篇已验证参考文献、3 至 5 个图表建议，准备好进行 pandoc 转换。

4. scholar‑slides

• 目标 – 用于期刊俱乐部、研讨会演讲等场合的高保真、可编辑幻灯片。
• 功能 – 通过 KaTeX 呈现矢量公式、真实表格、精确的图表裁剪、双语支持，以及一个会标记缺失或未验证内容的完整性 QA 闸道。
• 输出 – Reveal.js HTML 幻灯片、矢量 PDF，以及包含演讲者备注的可编辑 PPTX。
• 已知问题 – 图表定位在单栏排版效果最佳；双栏论文可能需要手动确认。

5. lit‑search

• 目标 – 具备透明召回指标的详尽文献检索。
• 方法 – 多来源爬取（OpenAlex, PubMed, Crossref 等），具备完整分页、引用封闭性，以及一份列出“未检索到”内容的 coverage_report.md。
• 深度层级 – 提供不同的成本/精确度层级；可透过 uv run lit depths 预览时间和成本。
• 输出 – dois.md、references.md（多种引用格式）、references.bib、PRISMA 摘要、覆盖范围报告，以及供人工筛选的 CSV 队列。

---

适用对象

• 研究人员：准备系统性综述或提案，且希望拥有可重现、可审计工作流程者。
• 研究生：需要为研讨会快速制作具备引用安全性的幻灯片者。
• 实验室经理：希望以确定性方式收集特定主题所有论文并量化搜索完整性者。
• 任何使用 Claude Code 的用户：偏好插件模型而非编写自定义脚本者。

---

授权

MIT – 可自由使用、修改与重新分发。

---

总结 – 本仓库是一系列真正的开源工具集合，旨在自动化学术写作与演示任务，同时强制执行严格的引用完整性。它明确定位在 AI 辅助研究自动化领域。