HKUSTDial/Supervisor-Skills

解決的問題

Supervisor-Skills 解決了學術研究中的「最後一哩問題」，即學生經常難以將理論指導轉化為實際執行。它透過提供資深研究者的學術直覺、品味與判斷力，彌補擁有強大LLM與產出高品質研究之間的差距，幫助使用者避免在想法生成、論文撰寫與投稿過程中常見的陷阱。

如何運作

本專案採用雙軌架構，結合理論指南與可執行的AI技能：

• 手冊（理論指南）： 系統性框架，涵蓋研究全生命週期，包括如何評估論文品質、產生與優化想法、撰寫引言、設計科學圖表、分析頂級會議論文等。
• AI技能（可執行提示）： 將學術經驗萃取為結構化提示，可匯入LLM（如Claude、GPT-4、DeepSeek或Kimi）。這些技能可自動化特定任務，如想法評估、基於證據的論文撰寫、語言潤色與深度文獻調查。

適用對象

主要針對需要持續、高品質指導以進行研究並撰寫頂級AI與資料科學會議論文（如SIGMOD、VLDB、ICML、NeurIPS）的研究生與早期研究者。

亮點

• 完整的科研生命週期： 覆蓋從初始想法評估到最終投稿前審查的全過程。
• 基於證據的撰寫： paper-writer 技能確保事實性陳述可追溯至原始資料或已驗證文獻，防止AI幻覺。
• 學術級潤色： paper-polish 技能專注於去除「AI味」表達，同時忠實保留原意進行語言優化。
• 視覺輔助整合： 包含 drawio-reconstruction 技能，可將參考圖像轉換為可編輯的Draw.io檔案。
• 深度研究能力： deep-research 技能支援多視角檢索與交叉對比的調查級文獻綜述。