論文寫作 Skills 來了，從選題到投稿 Claude Code 流水線

今天聊一個對在讀研究生、想發論文的兄弟特別友好的開源工具：

Academic Research Skills（ARS），整個套件圍著 Claude Code 轉，配套還有 Codex CLI 版本

github.com/Imbad0202/academic-research-skills 簡介

ARS 是一套 Claude Code Skills 集合，從研究 → 寫作 → 評審 → 修訂 → 定稿全流程都有，作者把自己用 AI 協作寫論文的工作流完整開源出來：

? AI is your copilot, not the pilot這工具不會替你寫論文，它專門處理那些累活臟活 —— 翻參考文獻、整引用格式、核數據、查邏輯一致性，讓你把腦子留給真正需要思考的部分：定問題、選方法、解讀數據、寫出「我認為……」后面那句話

更狠的是，ARS 不是「降AI味」工具，它不幫你藏「我用了 AI」這個事實，它幫你寫得更好：Style Calibration 學你過去文章的語氣，Writing Quality Check 抓那些一看就是機器味兒的句式

為什么堅持 human-in-the-loop

作者引了一篇 Nature 651: 914-919 的文章 —— Lu et al. (2026) 的 The AI Scientist，第一個全自動 AI 研究系統通過頂會盲審（ICLR 2025 workshop，6.33/10 分，workshop 平均才 4.87）

聽起來牛逼，但他們的 Limitations 里列出了一堆全自動 AI 科研流水線躲不掉的坑：

• 實現 bug

• 幻覺結果

• 走捷徑

• 把 bug 當 insight

• 編造方法論

• 框架鎖死

• 引用幻覺（這條最致命）

ARS 的核心信念是：人類研究員 + AI 增強，比單獨哪一邊都更能躲過這些雷。它在 Stage 2.5 和 Stage 4.5 設置了完整性閘門，跑一個 7 模式的強制檢查清單

v3.3 還吸收了 Google 的 PaperOrchestra（arxiv 2604.05018）的方法：Semantic Scholar API 驗證、防數據泄漏協議、VLM 圖表驗證、得分軌跡追蹤

核心能力一覽

ARS 不是一個 Skill，是四套 agent team 組合：

模塊

智能體數

主要解決的問題

Deep Research

13 個

蘇格拉底式引導、PRISMA 系統綜述、意圖識別、對話健康度監測、Semantic Scholar 驗證

Academic Paper

12 個

Style Calibration、Writing Quality Check、LaTeX 加固、可視化、修訂輔導、引用轉換

Academic Paper Reviewer

7 個

EIC + 3 動態評審 + Devil's Advocate，0–100 打分、攻擊強度保留、R&R 追溯矩陣

Academic Pipeline

10 階段

全流程編排，自適應檢查點、Material Passport、可選 repro_lock 、跨模型完整性驗證

一句話總結 ARS 的設計哲學：全流程分階段，每個階段都強制做完整性檢查，不讓 AI 一口氣把活干到底

安裝

要求：

• Claude Code（最新版）

• 導出 ANTHROPIC_API_KEY

• 可選：Pandoc（DOCX 導出）、tectonic + 思源宋體 TC（APA 7.0 PDF 導出）

30 秒裝好：

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

Codex CLI 用戶用同名插件：

# Codex 版本，同樣的工作流，打包成單個 skill
gh repo clone Imbad0202/academic-research-skills-codex

裝完直接跑：

# 蘇格拉底式對話，幫你梳理論文章節結構
/ars-plan


 # 或者跑文獻綜述
/ars-lit-review "你的研究主題"

全流程命令：

• /ars-plan ：選題與章節結構規劃

• /ars-lit-review ：文獻綜述

• 數據/方法核查（Stage 2.5 閘門）

• 寫作 + 風格對齊（Style Calibration 會拿你過往論文當語料）

• 評審模式：可開啟 calibration，讓你拿自己手工標注的金標準來測它的 FNR/FPR

• 定稿與格式化（APA 7.0 PDF / DOCX）

按官方 docs/PERFORMANCE.md 給的口徑：

? 一篇 15k 詞的論文，跑完整 10 階段流水線，token 成本大約 $4–6

這個數字我覺得挺合理。日常拿 Claude Code Pro 訂閱，配合官方推薦的「Skip Permissions + Agent Team」設置，跑一篇碩士小論文的成本完全可控

最讓我震驚的一個數據

我在 README 的 showcase 部分看到一行字，差點沒坐穩：

? Post-Publication Audit Report：獨立全引用審計，在 3 輪完整性檢查之外又找出 21/68 條問題

也就是說，就算你跑了 3 遍 ARS 內置的引用檢查，仍然有 1/3 的引用問題會漏檢

這數據放在這里，反而讓我更相信作者「human-in-the-loop」的堅持是對的。AI 永遠會漏，但是把漏檢率從 100% 壓到 30%，再交給人收尾，這才是真正能用的工作流

總結

適合兩類人：

• 在讀研究生 ：選題、文獻綜述、寫作風格對齊這三塊直接受益

• 想發英文論文的中國研究者 ：Style Calibration 能學你（或你導師）的英文寫作風格，減少「AI 味」

整套架構最值得抄的設計是「質量閘門」—— 不是寫完一次性輸出，而是分階段卡住，每個階段都強制做完整性檢查。這套思路放到其他長鏈路 Agent 上也通用，搞 Agent 工程的兄弟可以單看 ai_research_failure_modes.md 那份清單，幾乎能直接搬到自己的產品里

許可證 CC BY-NC 4.0（非商用），學術使用沒問題

制作不易，如果這篇文章覺得對你有用，可否點個關注。給我個三連擊：點贊、轉發和在看。若可以再給我加個，謝謝你看我的文章，我們下篇再見！