Academic Research Skills 详细使用教程

Academic Research Skills（ARS）是一套面向 Claude Code 的学术研究工作流。它把深度研究、论文写作、同行评审、修订和最终交付拆成四个相互协作的 Skill，并通过 Material Passport、阶段确认点和学术诚信闸门传递材料。

当前导入版本为 v3.20.1，固定上游提交 946c2494af2f632d9610e075f6f9ac7d08c2544d。

重要：ARS 是研究副驾驶，不是事实或实验真实性证明工具。研究问题、方法选择、原始数据、实验执行、结果解释和最终署名责任仍由研究者承担。

一、它包含什么

Skill	主要用途	常见入口
`deep-research`	研究问题澄清、资料检索、文献综述、系统综述、事实核查	`/ars-lit-review` 或自然语言描述研究任务
`academic-paper`	大纲、论文写作、摘要、修订、引用检查、格式转换、AI 使用声明	`/ars-plan`、`/ars-outline`、`/ars-revision`
`academic-paper-reviewer`	多视角论文评审、方法论检查、再审、审稿意见校准	`/ars-reviewer`
`academic-pipeline`	串联研究、写作、诚信检查、评审、修订和定稿	`/ars-full`

完整流水线会生成研究问题简报、文献与证据材料、论文草稿、完整性核验报告、多角色审稿意见、逐点回复、修订稿、最终交付文件和过程记录。

二、安装前准备

必需条件

安装较新的 Claude Code CLI、VS Code 扩展或 JetBrains 扩展。
能正常启动 Claude Code；按你的账户方式登录，或配置 ANTHROPIC_API_KEY。
为每个研究项目准备独立目录，避免不同论文的材料和状态文件混在一起。

可选工具

Pandoc：需要导出 DOCX 时安装。
tectonic 与相应字体：需要从 LaTeX 生成 PDF 时安装。
Python：核心研究、写作和评审提示工作流不依赖 Python；部分引用核验、缓存、修订补丁和投稿包检查功能需要真实 Python 环境。
第二模型：设置 ARS_CROSS_MODEL 后可启用部分跨模型验证。没有配置时，核心流程仍可运行。

三、推荐安装方式

方式 A：Claude Code Plugin（推荐）

在 Claude Code 中依次运行：

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

安装后用下面的命令验证：

/ars-plan

如果当前 Claude Code 版本显示的是带命名空间命令，可使用：

/academic-research-skills:ars-plan

方式 B：使用 Agent 广场下载包

下载并解压本页面提供的 ZIP。
不要把整个仓库作为一个嵌套 Skill 放进 .claude/skills/academic-research-skills/，否则四个 SKILL.md 会多嵌套一层，Claude Code 无法正确发现。
把下面四个目录分别复制到项目的 .claude/skills/：

deep-research/
academic-paper/
academic-paper-reviewer/
academic-pipeline/

正确目录结构应为：

你的项目/
└── .claude/
    └── skills/
        ├── deep-research/SKILL.md
        ├── academic-paper/SKILL.md
        ├── academic-paper-reviewer/SKILL.md
        └── academic-pipeline/SKILL.md

需要所有项目都可用时，可将四个目录复制到 ~/.claude/skills/。

方式 C：直接在仓库内运行

解压后进入仓库根目录并启动 Claude Code：

cd academic-research-skills
claude

这种方式便于同时查看架构文档、协议、示例和脚本。

Codex 用户注意

本下载包是 Claude Code 原生版本。Codex CLI 用户应优先使用作者维护的姐妹版 Imbad0202/academic-research-skills-codex；它将同一套方法论包装为 Codex 原生 Skill。直接把本仓库当成一个 Codex Skill 安装，无法完整复现 Claude Code 的命令、hooks 和多 Agent 编排。

四、第一次使用：从零完成一篇论文

第 1 步：准备输入材料

建议先建立项目目录，并准备以下内容：

研究主题或初步研究问题；
目标学科、目标读者或期刊；
已收集的 PDF、DOI、参考文献表或 Zotero 导出；
已有数据、实验记录及其来源说明；
篇幅、语言、引用格式和截止日期；
不允许 AI 推断或补写的边界。

若已有论文草稿、审稿意见或返修信，也一并放入项目目录，并在启动时说明文件位置。

第 2 步：先规划，不急着生成全文

运行：

/ars-plan

然后说明主题，例如：

我准备研究生成式 AI 对高校形成性评价的影响。目标是一篇 8,000 字中文论文，
采用 APA 7，当前只有初步想法。请先通过提问帮我收敛研究问题、证据范围和章节结构，
不要直接写正文。

此阶段重点确认研究问题、概念边界、证据标准、方法可行性和论文结构。对系统给出的关键选择逐项确认，不要把含糊选项直接带入后续写作。

第 3 步：启动完整流水线

规划确认后运行：

/ars-full

也可以直接描述：

基于已经确认的研究计划，启动完整学术研究流水线。先研究和建立证据表，
每个关键阶段等待我确认；没有来源支持的内容标为材料缺口，不得编造引用或实验结果。

第 4 步：理解十阶段交付链

完整流程大致按以下顺序运行：

研究：澄清问题、设计检索策略、建立文献与证据材料。
写作：确认大纲后生成草稿、摘要、图表与引用材料。
首次完整性检查（Stage 2.5）：检查引用、主张、方法、实验来源和材料一致性。
同行评审：期刊适配、方法论、领域、跨学科和魔鬼代言人等视角分别审查。
修订指导：把评审意见整理成可执行路线图。
修订：生成逐点回复、修订稿和变更说明。
再审：核验修订是否真正回应意见，并记录仍存在的问题。
必要时再次修订：处理剩余关键缺陷，流程限制无限循环。
最终完整性检查（Stage 4.5）：对最终稿重新检查，未解决问题不能静默跳过。
定稿与过程总结：按选择输出 Markdown、DOCX、LaTeX/PDF及协作过程记录。

每个关键阶段都有用户确认点。你可以要求查看证据、修改范围或回退，但不要为了赶进度跳过研究设计与完整性检查。

第 5 步：保存状态和中间产物

不要只保留最终论文。建议至少保存：

研究问题简报与检索策略；
文献矩阵和来源核验结果；
Material Passport；
每轮评审报告与修订路线图；
Point-by-Point Response；
修订前后稿件和 Delta Report；
最终完整性报告与过程总结。

这些文件用于审计研究过程、恢复中断会话和向合作者说明哪些判断由谁做出。

五、只运行某一项任务

文献综述

/ars-lit-review "生成式 AI 在高校形成性评价中的应用"

建议补充时间范围、数据库、纳入/排除标准、语言范围和所需引用格式。如果要做系统综述，明确要求 PRISMA 流程及筛选记录。

论文大纲

/ars-outline

示例要求：

根据 research-brief.md 和 literature-matrix.md 生成 IMRaD 大纲。
每个二级标题列出核心主张、证据来源、材料缺口和预计字数，先让我确认再写正文。

审查现有论文

/ars-reviewer

然后提供论文路径、目标期刊及希望重点检查的方面。若只关心研究设计，可明确选择 methodology-focus；若修订完成需要验收，使用 re-review，而不是重新做一轮无上下文的全文评审。

处理审稿意见

/ars-revision-coach

先让系统把意见拆成“必须修改、需要解释、可合理反驳、格式性修改”，确认路线图后再运行：

/ars-revision

要求同步生成逐点回复，并为每项修改标注稿件位置和修改理由。

引用检查与格式转换

/ars-citation-check
/ars-format-convert

引用存在不等于引用能够支持当前主张。除了格式和 DOI 是否存在，还应检查原文定位信息、引用语境及主张强度是否匹配。

六、常用命令速查

命令	用途
`/ars-full`	完整流水线
`/ars-plan`	苏格拉底式论文规划
`/ars-lit-review`	文献综述
`/ars-outline`	论文大纲
`/ars-reviewer`	多角色论文评审
`/ars-revision-coach`	审稿意见解析与修订规划
`/ars-revision`	执行论文修订
`/ars-abstract`	生成或检查摘要
`/ars-citation-check`	引用检查
`/ars-format-convert`	LaTeX、引用样式等格式转换
`/ars-disclosure`	生成符合目标期刊要求的 AI 使用声明
`/ars-rebuttal-audit`	核查回复审稿人文本是否完整、准确

七、提高结果质量的做法

先给材料边界：告诉系统哪些文件是权威来源，哪些只是待核线索。
把事实、推断和建议分开：要求每项结论标明证据状态。
控制每次任务范围：先确认研究问题和大纲，再逐节写作，避免一次性生成整篇论文。
要求定位信息：引用最好保留 DOI、页码、章节或原文片段，方便人工复核。
记录负面结果：实验失败、无显著差异和方法限制不能从材料护照中删除。
保留人工决定：研究方法、样本排除、统计方案、期刊选择和最终结论应由研究者确认。
最终人工阅读全文：重点核查数据、图表、引用、作者贡献、利益冲突、伦理审批和 AI 使用声明。

八、常见问题

安装后没有出现命令

确认四个 Skill 的 SKILL.md 没有被多嵌套一层。
Plugin 安装时尝试完整命名空间命令 /academic-research-skills:ars-plan。
更新 Claude Code 后重新打开项目。
若使用手动复制，确认目录位于当前项目 .claude/skills/ 或用户目录 ~/.claude/skills/。

中文请求没有稳定触发 Skill

简体中文通常可由意图识别处理，但部分通用触发词主要为英文和繁体中文。最稳妥的方式是直接使用 /ars-* 命令，并在命令后用中文描述任务。

无法导出 DOCX 或 PDF

Markdown 输出不依赖 Pandoc 或 tectonic。DOCX 需要 Pandoc；LaTeX 转 PDF 需要 tectonic 和可用字体。先确认正文与引用正确，再处理排版依赖。

流程声称引用已验证，是否可以直接投稿

不可以。自动核验可能只覆盖登记或抽样范围，且部分判断由模型完成。引用存在性、原文是否真正支撑主张、实验是否真实执行、原始数据是否可靠，都需要研究者复核。

九、许可与署名

本项目采用 CC BY-NC 4.0，允许分享和改编，但要求署名且仅限非商业用途。使用或再发布时应保留以下署名：

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

项目作者：Cheng-I Wu（吳政宜）。Agent 广场条目为上游项目的版本化镜像与中文使用导览，不改变上游许可证，也不代表平台对研究结果作学术背书。

十、进一步阅读

README.zh-CN.md：官方简体中文总览。
QUICKSTART.md：快速使用说明。
docs/SETUP.md：完整安装与可选功能配置。
docs/ARCHITECTURE.md：阶段、Agent、材料和质量闸门架构。
MODE_REGISTRY.md：模式注册表。
POSITIONING.md：能力边界与诚信检查说明。
examples/showcase/：完整流水线产出示例。

Academic Research Skills 学术研究全链路

产品介绍