项目概述

Academic Research Skills (ARS) 是一套为 Claude Code 构建的专业学术研究工具集，将完整的研究工作流——从文献调研到论文发表——封装为可编排的 AI 技能管线。

这是一个”工具的工具”——让 AI 更好地帮助研究者，而不是取代研究者。

四大技能包

Deep Research — 深度研究

13 个专业化 Agent 组成的团队，7 种工作模式：

模式 用途
完整研究 端到端学术研究
快速简报 快速文献概览
文献综述 系统性文献回顾
系统综述 含 PRISMA 协议 + Meta 分析
事实核查 声明准确性验证
苏格拉底引导 对话式研究思路引导
论文评审 预提交论文评审

Academic Paper — 论文写作

12 个 Agent 组成的写作流水线，10 种模式：

  • 完整论文 / 大纲 / 摘要 / 文献综述生成
  • 修订与修订教练模式
  • 引用格式检查
  • 格式转换（LaTeX / DOCX / PDF）
  • 双语摘要（中英文）
APA IEEE MLA Chicago Vancouver

Academic Paper Reviewer — 同行评审

模拟 5 位独立审稿人进行多角度评审：

  • EIC（主编）：总体评估与裁决
  • 3 位同行审稿人：方法学、理论贡献、实验设计
  • Devil’s Advocate：专门挑刺，找出最严苛的问题

每位审稿人都有独立的专业领域视角和评分标准（0-100 分制）。

Academic Pipeline — 完整管线

10 阶段端到端工作流：

1
研究 → 写作 → 完整性校验 → 评审 → 修订 → 再评审 → 再修订 → 最终校验 → 定稿

每个阶段都设有强制质量门禁，确保输出可靠。

核心创新

反幻觉校验

强制声明-原文对照检查，确保 AI 生成内容有据可查。这是整个系统中最关键的设计——学术写作容不得半点虚构。

风格校准

根据目标期刊或会议的写作风格自动调整输出，支持自定义风格模板。

苏格拉底引导

不是直接给答案，而是通过提问帮助研究者理清思路、发现盲点。

技术栈

Python LaTeX Pandoc YAML GitHub

项目意义

做这个项目的初衷很简单：学术写作是一件需要极高严谨性的事，而 AI 的”幻觉”问题是最大的障碍。ARS 的核心设计理念就是用流程和校验来对抗幻觉——不是让 AI 替你写作，而是让 AI 成为一个可靠的学术协作者。