企业官网建设流程全解析

Academic Research Skills 完整指南：从文献到发表跑通学术论文

【免费下载链接】academic-research-skillsAcademic Research Skills for Claude Code: research → write → review → revise → finalize项目地址: https://gitcode.com/GitHub_Trending/ac/academic-research-skills

让 AI 写论文的坑你多半踩过：引用是编的、实验对不上、初稿没人审。Academic Research Skills（ARS）是 Claude Code 学术研究技能套件，从查文献到终稿接管脏活，拍板权归你。🧭

它到底在解决什么问题

文献追不全、引用查不实。你打开电脑想追一批文献，结果东拼西凑还缺关键几篇；更要命的是 AI 写的"参考文献"可能根本不存在。ARS 引用的一项审计估计，仅 2025 年 arXiv 等档案就有约 14.7 万条幻觉引用。所以写完初稿，你需要有人逐条核对：这条引用真实存在吗？原文真的支持你的说法吗？

初稿写完了，却不敢投。底稿放在那里，你不知道它投出去会挨多少枪。ARS 内置模拟同行评审团：主编角色拍板（接收 / 小修 / 大修 / 拒稿），三位动态审稿人分别从方法学、领域、跨学科角度开火，还有位魔鬼代言人专门攻击你的前提——你反驳它，它要等你的反驳打分到 4 分以上才会让步，不会一怼就认。

实验要真做，平台要真换。你的研究得先跑实验，但 AI 只写代码不替你跑；或者你想从 Claude Code 换到 Codex CLI，怕整套流程全断。这两块 ARS 够不着的环节，都有官方配套项目接棒（下一节细说）。

一句话定位：相当于在你终端里摆了一间编辑部——文献管理员、代笔、三位匿名审稿人、出版编辑各就各位，按接力顺序传棒。

跟着一个任务走完核心流程

拿一个真实任务走一遍：你告诉它"我想写 AI 对高等教育质量保障影响的研究论文"。十阶段状态机从这接管，每个阶段都以用户确认点收尾，中途停下几小时甚至几天都不丢线。阶段衔接如下：

Stage 1 研究 → Stage 2 写作 →完整性门禁 2.5→ Stage 3 评审 → 修改辅导 → Stage 4 修改 → Stage 3' 复审 →终完整性门禁 4.5→ Stage 5 定稿 → Stage 6 流程小结

Stage 1 研究：13 智能体的 deep-research 团队产出 RQ Brief（研究问题简报）、方法论蓝图和经 Semantic Scholar 验证的注释书目。Stage 2 写作：12 智能体的 academic-paper 团队先交大纲等你批准再动笔，双语摘要、LaTeX 排版、引用格式转换也归它。这两个阶段都是决策型确认点，你点头"问题就定这么问、大纲就这版"，流水线才往前走。

流水线里最关键的是两道完整性门禁。Stage 2.5 和 4.5 由机器先跑 7 类 AI 失败模式清单（幻觉引用、编造实验结果、方法学造假、早期阶段框锁等），PASS 之后才轮到你确认；FAIL 会退回 Stage 2，最多 3 轮修改。为什么这么设计：验证的 AI 和生成的 AI 共享同一个认知框架，"让 AI 自查"抓不住幻觉，必须用阻断式清单逐项过。仓库 examples/showcase/ 里有一真实战例：Stage 2.5 抓出 15 条问题参考文献（6–8 条疑似编造）加 3 处统计错误，全部修复、复验 PASS 后才放行进入评审。

另一条贯穿机制是Material Passport：各阶段产物都登记在这份护照里，跨会话重开时把它粘回新会话就能从断点续跑。Stage 6 收尾产出论文创建过程记录和 1–100 分协作质量评估。完整的阶段 × 技能 × 门禁矩阵在 docs/ARCHITECTURE.md。

生态伙伴的分工与交接

把 ARS 生态想成一场接力赛：主项是 ARS 跑完十个阶段，几位队友各管一段它够不着的路。

Experiment Agent：管 Stage 1（研究）到 Stage 2（写作）之间"跑实验"这段路。交接零侵入：暂停 ARS 流水线，在独立会话里执行代码实验或人类受试研究，再带着 Material Passport 把结果带回 Stage 2，ARS 本身一行都不用改。边界：ARS 自己从不跑实验——Stage 1 会在护照上写一个失败关闭的实验接收声明，跑过外部实验就必须逐条登记 provenance，纯文献研究也必须显式声明 no_experiments_declared，门禁只审计"文中主张"与"申报来源"是否一致（判 ALIGNED / OVERSTATED / NOT_SUPPORTED_BY_PROVENANCE），不评判实验本身做得对不对。

Teaching Skills：把 ARS 同一套架构搬到教学侧，流程映射为课程设计 → 备课 → 评估 → 授课 → 教学反思。它的 sotl（教学与学习研究）模式在课堂探究项目走到发表阶段时，直接把材料交接给 ARS 的 deep-research / academic-paper 完成出版。边界：教学闭环归它，写作与发表仍归 ARS。

Codex 版：官方姐妹分发，给 Codex CLI 用户。同一套 workflow 内容打包成单一 $academic-research-suite 技能，保留熟悉的 ars-* 别名。边界：只是打包方式变了，流程、门禁和人机协作设计原样不动，不用重新学一遍。

类似地，Claude Science 和 Pi 也各有导入 / 包装方式：带过去的是研究、写作、评审的方法论内容，Claude Code 的斜杠命令和 hooks 不随迁移。

30 秒上手路径

前置只有一项：装好最新版 Claude Code 并配置 ANTHROPIC_API_KEY（Pandoc / tectonic 可选，用于 DOCX / PDF 导出）。

1. 装插件→ 预期：命令菜单出现/ars-*命令组 → 约 30 秒：

/plugin marketplace add Imbad0202/academic-research-skills /plugin install academic-research-skills

2. 快速试跑→ 在会话里执行/ars-lit-review "你的主题"→ 预期：产出一份文献综述，你能直观感受它怎么检索、引用和核验 → 1–2 分钟。
3. 验证正式入口可用→ 执行/ars-plan并描述你正在写的论文 → 预期：ARS 用苏格拉底式对话帮你梳理章节结构，说明整条流水线就绪 ✅ → 30 秒进入对话，对话本身约 5 分钟。

第 3 步跑通后，跟着各阶段确认点就能把任务推到终稿；四个技能也都能单独用（deep-research 8 种模式、academic-paper 11 种、评审 6 种、编排器还支持已有稿件从 Stage 2.5 或 Stage 4 中途进场）。

延伸阅读与避坑提醒

• docs/PERFORMANCE.md（解决"跑一次要花多少 token、各模式多久、effort 和模型怎么配"的疑问）
• docs/DATA_FLOWS.md（解决"哪些请求会离开我的机器、本地引用缓存存多久、怎么关掉"的疑问）
• docs/RISK_REGISTER.md（解决"项目自己登记了哪些已知风险、现有控制覆盖到什么程度"的疑问）

两个提醒：一篇 1.5 万词论文跑完整十阶段约消耗 20 万+ 输入、10 万+ 输出 token，按 2026-09 牌价约 3–7 美元，开跑前心里先有数；ARS 只校验稿件与所报告的过程（引用存在性、主张与来源对齐等），不证明实验真的做了、数据是真的，持续一致的编造可以骗过这些检查，对每条主张负责的最后一步永远是你。

引用是编的、初稿没人审——ARS 的回答始终同一句：每一步都过流水线，每个决定都留在你手里。

【免费下载链接】academic-research-skillsAcademic Research Skills for Claude Code: research → write → review → revise → finalize项目地址: https://gitcode.com/GitHub_Trending/ac/academic-research-skills