完成学术研究全流程

学术研究全流程10阶段：文献检索→写作→引用格式化→同行评审模拟

详细介绍

Academic Research Skills for Claude Code

一套完整的学术研究 Claude Code 技能包，涵盖从研究到论文出版的全流程。

30 秒安装 （Claude Code CLI / VS Code / JetBrains，v3.7.0+）：

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

安装后运行 /ars-plan ，ARS 会用苏格拉底式对话帮你规划章节结构。需要前置条件或传统 symlink 安装，请看 快速安装 。

AI 是你的副驾驶，不是机长。 这个工具不会替你写论文。它处理繁琐工作：搜文献、排格式、验数据、查逻辑一致性。这样你就能专注在真正需要思考的事上：定义问题、选择方法、解读数据意义、写出「我认为」后面那句话。

和 humanizer 不同，这个工具不是帮你隐藏使用 AI 协作的事实，而是帮你把关文章质量。风格校准会从你过去的文章中学习你的声音，写作质量检查会识别让文字读起来像机器生成的模式。目标是质量，不是掩饰。

为什么选「人机协作」而不是「全自动」？

Lu 等人（2026， Nature 651:914-919）发表的 The AI Scientist 是第一个端到端全自动的 AI 研究系统，其生成的论文通过 ICLR 2025 workshop 的盲审（评分 6.33/10，workshop 平均 4.87）。他们自己的 Limitations 段落也列出了这类系统会遇到的结构性失败模式：实现错误、幻觉实验结果、取巧特征依赖、实现错误被包装成「意外发现」、方法论伪造、框架锁定、引用幻觉。

ARS 建立在这个前提上： 人类研究者 + AI 的组合，比纯自动或纯人工更能避开这些失败模式 。Stage 2.5 与 Stage 4.5 学术诚信闸门运行 7 类阻断式检查清单（见 academic-pipeline/references/ai_research_failure_modes.md ），reviewer 也提供 opt-in 的 calibration mode 用用户提供的 gold set 测量 FNR/FPR。

Zhao 等人 （2026-05）盘点了 arXiv、bioRxiv、SSRN、PMC 上 250 万篇论文中的 1.11 亿条引用，保守估计 2025 年单年就有 146,932 条幻觉引用，并观察到 2024 年中是上升的拐点；bioRxiv-to-PMC 这条配对的「预印本进入正式发表版本」幻觉存活率达 85.3%。他们把「真实引用被用来支撑被引文献其实没有提出的主张」描述为当前未解的问题。ARS v3.7.1 为来源 provenance 加上 trust-chain frontmatter，v3.7.3 为未来的 claim-level 审计铺设 locator 基础设施（三层引用 anchor），并在引用阶段呈现 advisory 风险信号（ARS 内部把这条 claim-faithfulness 缺口标记为「L3」，此为 ARS 的用词，不是论文的用词）。v3.7.x 的设计动机来自 Zhao 等人的 corpus-scale 发现；ARS 本身的 corpus-scale 评估仍是未来工作。

v3.8 补上 L3 缺口的另一半。v3.7.3 让每一条引用都带 locator anchor，v3.8 在这个基础上加一道 opt-in 审计（ ARS_CLAIM_AUDIT=1 ）：获取每个 anchor 指向的原始文本，判断论文里的 claim 是否真有被该引用支撑。五类新的 HIGH-WARN annotation（claim-not-supported、negative-constraint-violation、fabricated-reference、anchorless、constraint-violation-uncited）会在 formatter terminal hard gate 直接阻止输出。Calibration 随 release 提供 20 条 gold set，采用 FNR<0.15、FPR<0.10 双阈值；正式放大投入前要先有 calibration 证据（v3.8 spec §5）。

v3.3 的灵感来自 PaperOrchestra （Song, Song, Pfister & Yoon, 2026, Google）：Semantic Scholar API 验证、反泄露协议、VLM 图表验证、分数轨迹追踪。

架构与 pipeline

👉 docs/ARCHITECTURE.md — 完整 pipeline 视图：流程图、阶段 × 维度矩阵、数据访问流、skill 依赖图、质量闸门、模式清单。

这份架构文档取代了原本散在 README 各处的 pipeline 描述。关于「哪个阶段跑什么」的所有信息都集中在一个地方。

快速安装

前置条件

Claude Code （建议最新版；plugin packaging 需要近期版本）

已导出 ANTHROPIC_API_KEY ，或在第一次运行 claude 时设置

选用： Pandoc 用于 DOCX 输出，tectonic + 思源宋体 TC 用于 APA 7.0 PDF（纯 Markdown 输出不需要这两者）

Plugin 安装（v3.7.0+，推荐）：

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

验证可用： 运行 /ars-plan 并描述你正在写的论文，ARS 会用苏格拉底式对话帮你规划章节结构。如果想做单次测试，可以运行 /ars-lit-review "你的主题" 。

👉 docs/SETUP.md — 完整指南：安装 Claude Code、设置 API key、选用的 Pandoc/tectonic（DOCX/PDF）、跨模型验证（ ARS_CROSS_MODEL ），以及六种安装方式（Plugin、项目 skills、全局 skills、 claude.ai Project、repo clone、Claude Science 导入）。

使用 Claude Science？ 四个 skill 可直接导入： Skills → Import from GitHub ，粘贴 https://github.com/Imbad0202/academic-research-skills ，点 Preview ，再点 Import 4 skills （需本 repo v3.14.0+——导入器读取 marketplace manifest 中显式声明的 skill 路径）。导入是一次性快照：ARS 更新后需重新导入。导入的 skill 承载 ARS 方法论（研究／写作／评审协议）；Claude Code 专属机制——slash commands、hooks、subagent 编排——不会转移。详见 docs/SETUP.md Method 5。

用 Codex CLI？ 请安装姐妹版： Imbad0202/academic-research-skills-codex 。同一套 workflow 内容，Codex 原生打包为单一 $academic-research-suite skill，提供 ars-* 别名。

性能与费用

👉 docs/PERFORMANCE.md — 各模式 token 预算、完整 pipeline 估算（一篇 15k 字论文约 ~$4–6），以及建议的 Claude Code 设置（Auto 模式；Agent Team 选用）。

使用指南与文章

学术写作不该是一个人的事：一套开源 AI 协作工具如何改变研究者的工作流 — 完整使用指南（繁体中文）

Academic Writing Shouldn't Be a Solo Act — Full pipeline walkthrough (English)

功能特色一览

Deep Research — 13 个 Agent 的研究团队，支持苏格拉底引导、PRISMA 系统性回顾、意图检测、对话健康度监控、可选跨模型 DA、Semantic Scholar API 验证。

Academic Paper — 12 个 Agent 的论文撰写团队，含风格校准、写作质量检查、LaTeX 输出强化、可视化、修订教练、引用格式转换、反泄露协议、VLM 图表验证。

Academic Paper Reviewer — 7 个 Agent 的多视角同行评审，0-100 质量量表（主编 + 3 位动态审查者 + 魔鬼代言人），含让步门槛协议、攻击强度保持、可选跨模型 DA critique / calibration、R&R 追溯矩阵、只读约束。

Academic Pipeline — 10 阶段全流程调度器，含自适应 checkpoint、主张验证、材料护照、可选 repro_lock 、可选跨模型学术诚信验证、中途强化机制、分数轨迹追踪。

数据访问层级标注 （v3.3.2+）— 每个 skill 声明 data_access_level （ raw / redacted / verified_only ），由 scripts/check_data_access_level.py 强制执行。设计灵感来自 Anthropic 的 automated-w2s-researcher（2026）。详见 shared/ground_truth_isolation_pattern.md 。

任务类型标注 （v3.3.2+）— 每个 skill 声明 task_type （ open-ended 或 outcome-gradable ）。目前 ARS 所有 skills 皆为 open-ended 。

Benchmark 报告 Schema （v3.3.5+）— JSON Schema + lint script，要求诚实的 benchmark 比较报告。详见 shared/benchmark_report_pattern.md 。

Artifact 可复现性 Lockfile （v3.3.5+）— Material Passport 添加可选 repro_lock 子区块。 是配置文档化，不是重播保证 — LLM 输出不是逐字节可复现。详见 shared/artifact_reproducibility_pattern.md 。

实验来源凭证登录 （#260）— Material Passport 可选的 experiment_provenance[] 记录研究者在 外部 跑过的实验（ARS 从不执行实验），论文主张通过 claim_intent_manifest.planned_experiment_ids[] 与之 join。诚信 gate（Stage 2.5/4.5）逐条比对实验支撑型主张与登录凭证 — ALIGNED / OVERSTATED / NOT_SUPPORTED_BY_PROVENANCE / PROVENANCE_INSUFFICIENT — 但不判定实验本身是否正确 。fail-closed 的 experiment_intake_declaration 让「有没有跑实验」成为 Stage 1 明确决定。详见 shared/handoff_schemas.md 。

实际产出展示

查看完整 10 阶段 pipeline 的实际产出 — 包含 同行评审报告、学术诚信验证报告、完稿论文 ：

浏览所有 pipeline 产出 →

产出物
说明

完稿论文（英文）
APA 7.0 格式，LaTeX 编译

完稿论文（中文）
中文版，APA 7.0

学术诚信报告 — 审稿前
Stage 2.5：发现 15 个虚构引用 + 3 个统计错误

学术诚信报告 — 最终
Stage 4.5：确认零回归

同行评审第一轮
主编 + 3 审查者 + 魔鬼代言人

再审
修订后验证审查

同行评审第二轮
跟踪审查

回复审查意见
逐点回复

出版后审计报告
独立全引用审计：发现 21/68 篇问题，在 3 轮学术诚信审查后仍被漏掉

搭配工具：Experiment Agent

如果你的研究需要在写作前做实验（代码或人工研究）， Experiment Agent 技能填补 ARS Stage 1（研究）和 Stage 2（写作）之间的空缺。

ARS Stage 1 研究 → RQ Brief + Methodology Blueprint
↓
experiment-agent → 运行/管理实验 → 验证结果
↓
ARS Stage 2 写作 → 用验证过的实验结果撰写论文

功能 ：执行代码实验（Python、R 等）并实时监控、管理人工研究 protocol 与 IRB 伦理审查、11 种统计谬误检测、可复现性验证。

搭配使用方式 ：ARS pipeline 完成 Stage 1 后暂停，在另一个 experiment-agent session 中执行实验，完成后将结果（含 Material Passport）带回 ARS Stage 2。ARS 不需要任何修改。详见 experiment-agent README 。

使用方式

快速开始

# 启动完整研究 pipeline
你: "我想做一篇关于 AI 对高等教育质量保障影响的研究论文"

# 苏格拉底引导模式
你: "引导我研究 AI 在教育评估中的应用"

# 引导式论文撰写
你: "引导我写一篇关于少子化影响的论文"

# 审查现有论文
你: "帮我审查这篇论文"（接着提供论文）

# 查看 pipeline 进度
你: "进度" 或 "status"

个别 Skill 使用

Deep Research（深度研究，8 种模式）

"研究 AI 对高等教育的影响" → full mode（完整研究）
"给我一份 X 的快速摘要" → quick mode（快速简报）
"帮我做 X 的系统性文献回顾，含 PRISMA" → systematic-review mode
"引导我研究 X" → socratic mode（苏格拉底引导）
"帮我核查这些说法" → fact-check mode（事实核查）
"帮我做文献回顾" → lit-review mode（文献回顾）
"审查这篇论文的研究质量" → review mode（论文审查）

Academic Paper（学术论文撰写，11 种模式）

"帮我写一篇论文" → full mode（完整撰写）
"引导我写论文" → plan mode（引导规划）
"先帮我搭论文大纲" → outline-only mode（只做大纲）
"我有初稿，这是审稿意见" → revision mode（修订）
"帮我整理这些审稿意见成修订路线图" → revision-coach mode
"帮我写这篇的摘要" → abstract-only mode（摘要）
"把这批数据写成文献回顾论文" → lit-review mode（文献回顾论文）
"转换成 LaTeX" / "引用格式转 IEEE" → format-convert mode（格式转换）
"检查引用格式" → citation-check mode（引用检查）
"帮我生成 NeurIPS 的 AI 使用声明" → disclosure mode（AI 使用声明）

Academic Paper Reviewer（论文审查，6 种模式）

"审查这篇论文" → full mode（主编 + R1/R2/R3 + 魔鬼代言人）
"快速评估这篇论文" → quick mode（快速评估）
"引导我改进这篇论文" → guided mode（引导改进）
"检查研究方法" → methodology-focus mode（方法论聚焦）
"验收修订" → re-review mode（再审验收）
"用我的 gold set 校准 reviewer" → calibration mode（校准）

Academic Pipeline（全流程调度器）

"我想做一篇完整的研究论文" → 从 Stage 1 开始完整 pipeline
"我已经有论文，帮我审查" → 从 Stage 2.5 进入（先做学术诚信审查）
"我收到审稿意见了" → 从 Stage 4 进入

Pipeline 结束时自动产出 Stage 6：过程记录 — 含论文创建过程记录与 6 维度协作质量评估（1–100 分）。

支持语言

繁体中文 — 用户以中文对话时默认使用

English — 用户以英文对话时默认使用

学术论文自动产出双语摘要（中文 + English）

使用其他语言？ 苏格拉底模式（deep-research）和 Plan 模式（academic-paper）采用 意图匹配 启动 — 检测你的请求含义，而非比对特定关键字。这代表它们 支持任何语言 ，无需额外设置。

不过，一般的 Trigger Keywords 区块（决定 skill 是否被启动）仍以英文和繁体中文为主。如果你发现 skill 在你的语言下触发不稳定，可以在各 SKILL.md 的 ### Trigger Keywords 区块中加入你的语言的关键字，提高匹配信心。

支持引用格式

APA 7.0（默认，含中文引用规则）

Chicago（Notes & Author-Date）

MLA

IEEE

Vancouver

支持论文结构

IMRaD（实证研究）

主题式文献回顾

理论分析

个案研究

政策简报

研讨会论文

Skill 详细信息

各 agent 的职责与各阶段产出物现已移至 docs/ARCHITECTURE.md 。版本号保留在此以维持 release metadata 集中管理。

Deep Research (v2.11.0)

13 个 Agent 的研究团队。模式：full、quick、review、lit-review、three-way-scan、fact-check、socratic、systematic-review。完整 agent 名单与产出物：见 ARCHITECTURE.md §3。

Academic Paper (v3.2.0)

12 个 Agent 的论文撰写 pipeline。模式：full、plan、outline-only、revision、revision-coach、abstract-only、lit-review、format-convert、citation-check、disclosure、rebuttal-audit。输出：MD + DOCX（Pandoc 可用时）+ LaTeX（APA 7.0 apa7 class / IEEE / Chicago）→ tectonic 编译 PDF。完整 agent 名单与各 phase 职责：见 ARCHITECTURE.md §3。

Academic Paper Reviewer (v1.10.0)

7 个 Agent 的多视角审查，搭配 0-100 质量量表 。模式：full、re-review、quick、methodology-focus、guided、calibration。 决策对照： ≥80 接受、65-79 小修、50-64 大修、<50 退稿。第一轮审查团队 vs. 精简再审团队的分界：见 ARCHITECTURE.md §3 Stage 3 / Stage 3'。

Academic Pipeline (v3.19.0)

10 阶段调度器，含学术诚信验证、两阶段审查、苏格拉底指导、协作质量评估。Pipeline 保证：每个阶段都需用户确认 checkpoint；学术诚信验证（Stage 2.5 + 4.5）不可跳过；R&R 追溯矩阵（Schema 11）独立验证作者修订主张。v3.4 添加 Compliance Agent（PRISMA-trAIce + RAISE）于 Stage 2.5 / 4.5。v3.5 添加 协作深度观察员 （ collaboration_depth_agent ，仅咨询性质、永不阻挡流程）于每一次 FULL/SLIM checkpoint 与 pipeline 完成时。MANDATORY 学术诚信闸门（2.5 / 4.5）明确跳过观察员，避免稀释合规检查。理论基础：Wang & Zhang (2026), IJETHE 23:11。逐阶段矩阵（agent、产出物、闸门）：见 ARCHITECTURE.md §3。

v3.0 优化：我们发现了 AI 的哪些结构性限制

在使用 ARS 撰写一篇关于 AI 与高等教育的反思文章时，我们遇到了三个结构性问题：

框架锁定 ：AI 在给定框架内越来越精致，但无法质疑框架本身

谄媚倾向 ：每次挑战魔鬼代言人的攻击，它都让步得太快

意图检测错误 ：苏格拉底模式在用户仍在探索时就急着收敛

改了什么

魔鬼代言人让步门槛 ：反驳必须评分 1-5，≥4 才允许让步。不允许连续让步。框架锁定检测。

苏格拉底意图检测 ：检测用户是「探索型」还是「目标型」。探索型模式停用自动收敛。

对话健康度指针 ：每 5 轮后台自检，检测持续同意、回避冲突、过早收敛。

跨模型验证 ：设置 ARS_CROSS_MODEL 激活第二 AI 模型独立审查。详见 docs/SETUP.md 。

AI 自我反思报告 ：Pipeline 结束后自动产出 AI 行为自评。

这些优化不能完全解决 AI 的结构性限制——它们让限制变得可见、可追踪、可被人类介入。

授权条款

本作品采用 CC-BY-NC 4.0 授权。

你可以自由：

分享 — 复制并分发本作品

改编 — 重混、转换、以本作品为基础进行创作

但须遵守以下条件：

署名 — 你必须给予适当署名

非商业性 — 你不得将本作品用于商业目的

署名格式：

Based on Academic Research Skills by Cheng-I Wu
https://github.com/Imbad0202/academic-research-skills

试试这样做

• 围绕这个研究问题启动一条 human-in-the-loop 文献综述流程，先用苏格拉底式问题确认范围。
• 帮我规划一篇 APA 7 论文结构，列出研究问题、材料证据和写作检查点。
• 用多视角审稿模式评审这篇论文草稿，给出 0-100 评分和 R&R 修改矩阵。

作者：Imbad0202 学生研究者 / æ•™è‚²è€ ｜ GitHub Stars 33K ｜ 标签：写作文案 教学研究 已认证

来源：colaos.ai ｜ Skill ID：academic-research-skills