用 academic-research-skills 搭建 Claude Code 论文研究流水线

academic-research-skills，简称 ARS，是一套给 Claude Code 使用的学术研究 Skill（技能包）。它不是单纯帮你“生成一段论文文字”的提示词集合，而是把论文生产过程拆成多个阶段：选题、文献调研、研究问题设计、初稿写作、模拟审稿、修订、格式化和定稿。

它在 GitHub 上已有约 6.4k stars，核心吸引力很明确：把原本分散在多个工具、多个提示词、多个文档里的学术工作，收敛成一套可执行的流水线。

更重要的是，ARS 的设计重点不只是“让 AI（人工智能）写得更多”，而是尽量降低 AI 在学术场景里最危险的几类问题：编造引用、捏造数据、过度迎合用户、审稿标准泄漏、修订时引入新错误。

ARS 解决的不是写作问题，而是流程问题

很多人用大语言模型写论文时，常见做法是打开聊天窗口，然后反复输入：

• 帮我找文献
• 帮我写大纲
• 帮我润色这一段
• 帮我生成摘要
• 帮我模拟审稿意见
• 帮我改成 APA 格式

这种方式能用，但很容易失控。模型前后上下文不稳定，引用来源没有校验，审稿和写作混在同一个对话里，模型可能为了满足用户要求而放弃批判性判断。

ARS 的思路是把论文工作拆成几个互相隔离、互相检查的角色团队。每个团队负责一类任务，并且在关键节点设置检查闸门。

flowchart TB
    P[Academic Pipeline<br/>流程编排器] --> R[Deep Research<br/>研究团队]
    P --> W[Academic Paper<br/>写作团队]
    P --> V[Academic Paper Reviewer<br/>审稿团队]

    R --> R1[文献调研]
    R --> R2[研究问题构建]
    R --> R3[方法论设计]
    R --> R4[引用真实性核验]

    W --> W1[论文大纲]
    W --> W2[草稿写作]
    W --> W3[摘要与图表]
    W --> W4[格式与引用转换]

    V --> V1[主编评估]
    V --> V2[领域审稿]
    V --> V3[魔鬼代言人质疑]
    V --> V4[修改路线图]

    P --> G1[Stage 2.5<br/>完整性闸门]
    P --> G2[Stage 4.5<br/>修订后完整性闸门]

从结构上看，ARS 更像一个“论文项目管理系统”，Claude Code 负责执行每个阶段的代理任务。它可以帮研究者组织材料、生成草稿和发现问题，但不应该替代研究者判断研究问题是否成立、数据是否真实、结论是否可信。

四个 Skill 分别负责什么

ARS 主要由四个 Skill 组成。它们的关系可以理解为：Deep Research 负责研究基础，Academic Paper 负责写作产出，Academic Paper Reviewer 负责审稿反馈，Academic Pipeline 负责把前面几个团队串起来。

Deep Research：先把研究问题和文献底座搭好

Deep Research 是一个 13 Agent 的研究团队，负责论文最前期的工作。它会围绕研究主题做文献调研，帮助构建研究问题，并参与方法论设计。

它里面有几个关键角色：

• 文献溯源 Agent：通过 Semantic Scholar API（应用程序编程接口）检查引用是否真实存在。
• 苏格拉底导师 Agent：通过追问帮助研究者澄清研究问题，而不是直接替研究者下结论。
• 魔鬼代言人 Agent：专门寻找选题、假设和方法中的薄弱点，避免早期思路被模型顺着用户意图一路强化。

如果研究任务是系统综述，Deep Research 还能生成 PRISMA（系统评价和荟萃分析优先报告项目）相关结构，帮助整理检索、筛选和纳入标准。

Academic Paper：把研究材料组织成论文草稿

Academic Paper 是 12 Agent 的写作团队，覆盖从大纲到成稿的大部分写作工作。

它能处理的任务包括：

• 设计论文结构和章节大纲
• 根据研究材料组织论证链
• 生成初稿和章节草稿
• 生成中英文摘要
• 生成图表说明或可视化建议
• 转换引用格式
• 输出 Markdown、DOCX、LaTeX
• 编译成 APA 7.0 或 IEEE 格式的 PDF

其中一个实用设计是风格校准。模型可以学习已有写作样本的语言习惯，让输出更接近研究者原有风格，而不是生成一眼可见的模板化 AI 文体。

不过，风格校准只能处理表达方式，不能替代事实校验。论文里的实验数据、统计结果、引用依据，仍然需要单独检查。

Academic Paper Reviewer：模拟期刊审稿，而不是只做润色

Academic Paper Reviewer 是 7 Agent 的审稿团队。它模拟真实学术期刊的评审过程，由 EIC（Editor-in-Chief，主编）统筹，多个领域审稿人从不同角度评价论文，再加入魔鬼代言人负责高强度质疑。

评分采用 0 到 100 的量化标准：

这种量化不是为了把学术判断机械化，而是为了让修订过程更可追踪。比如方法论从 72 分提升到 81 分，但实验结果解释从 76 分降到 63 分，就说明修订时可能补强了一个地方，却破坏了另一个地方。

Academic Pipeline：把研究、写作、审稿、修订接成流水线

Academic Pipeline 是整个系统的编排层。它把研究、写作和审稿团队串成一条 10 阶段流程，并在中间加入检查点。

可以把它理解成这样的状态机：

flowchart LR
    A[研究规划] --> B[文献与方法设计]
    B --> C[论文草稿]
    C --> D[Stage 2.5<br/>完整性检查]
    D --> E[模拟同行评审]
    E --> F[修订]
    F --> G[Stage 4.5<br/>修订后检查]
    G --> H[最终检查]
    H --> I[发表准备]
    I --> J[流程总结与记录]

它支持从中间阶段进入。如果已经有初稿，可以直接从 Stage 2.5 的完整性检查开始；如果已经拿到审稿意见，可以从修订阶段切入，而不需要重新跑完整流程。

项目给出的成本参考是：一篇约 1.5 万字的论文，完整跑完流程大约消耗 4 到 6 美元的模型调用成本。单独使用文献综述、审稿或格式化等子模块时，成本会低很多。

关键设计：系统性降低 AI 学术风险

ARS 的价值不只在于多 Agent 分工，而在于它在流程里加入了若干“防错结构”。这些结构针对的是大语言模型在学术场景里的典型失败模式。

引用核验：先确认文献真的存在

AI 写论文最危险的问题之一是引用幻觉。它可能编造不存在的论文，也可能给出看似真实但细节错误的引用，例如标题相似、年份错误、DOI（数字对象唯一标识符）能打开但内容不匹配。

ARS 在 Deep Research 阶段加入引用核验。候选引用会经过 Semantic Scholar API 检索，再用 Levenshtein 相似度算法做模糊匹配，只有相似度达到 0.70 以上才算通过。

flowchart LR
    A[模型生成候选引用] --> B[查询 Semantic Scholar API]
    B --> C{是否找到候选文献}
    C -- 否 --> X[标记为可疑引用]
    C -- 是 --> D[计算标题/元数据相似度]
    D --> E{Levenshtein 相似度 ≥ 0.70}
    E -- 否 --> X
    E -- 是 --> F[暂时通过存在性核验]
    F --> G[人工检查引用是否支撑论文论点]

这里要区分两个概念：引用存在，不等于引用支持当前论点。API 可以帮助确认文献是否真实存在，但无法完全判断某篇论文是否真的证明了当前句子的主张。存在性核验只是第一道防线，语义层面的证据检查仍然需要研究者参与。

完整性闸门：让模型证明自己没有明显出错

ARS 在 Stage 2.5 和 Stage 4.5 设置了两道完整性闸门。它们会运行一份 7 项 AI 失败模式检查清单，用来识别引用幻觉、数据捏造、方法论造假、统计错误等问题。

可以把这类检查理解成围绕七个方向展开：

闸门机制的核心规则是：在 Stage 2.5 被标记为 SUSPECTED 的问题，到了 Stage 4.5 必须变成 CLEAR；如果要人工覆盖，需要留下覆盖记录。

flowchart TB
    A[Stage 2 草稿] --> B[Stage 2.5 完整性闸门]
    B --> C{是否发现 SUSPECTED 问题}
    C -- 否 --> D[进入审稿阶段]
    C -- 是 --> E[记录问题清单]
    E --> F[修订或人工覆盖]
    F --> G[Stage 4.5 再检查]
    G --> H{是否变为 CLEAR}
    H -- 是 --> I[进入最终检查]
    H -- 否 --> J[继续修订或保留人工记录]

这种设计把“相信 AI 不会出错”改成了“要求 AI 留下可核查的证据”。在学术写作里，这比单纯提高生成质量更重要。

反谄媚协议：不让模型为了配合用户而降低标准

大语言模型有一个常见问题：容易顺着用户走。用户要求它接受某个解释，它可能就接受；用户要求它改写结论，它可能忽略证据边界。

ARS 在审稿团队里加入 Devil’s Advocate，也就是魔鬼代言人。这个角色专门提出反驳和质疑，但它的反驳不会被无条件接受。系统会给反驳强度打 1 到 5 分，如果低于 4 分，写作团队不允许轻易让步。

sequenceDiagram
    participant W as 写作团队
    participant D as 魔鬼代言人
    participant R as 审稿团队
    participant P as 流程编排器

    W->>R: 提交论文草稿
    R->>D: 请求高强度质疑
    D-->>R: 输出反驳意见
    R->>P: 评估反驳强度 1-5
    alt 反驳强度低于 4
        P-->>W: 不允许直接让步，保留原论证或要求更强证据
    else 反驳强度达到 4 或 5
        P-->>W: 进入修订，补充证据或调整结论
    end

这套机制还会追踪评分轨迹。修订之后，审稿强度不能突然降低；某个维度的分数如果下降，会被标记为回归。这和软件工程里的回归测试类似：修复一个问题时，不能引入新的问题。

三层数据隔离：写作模型不能偷看评分标准

ARS 把数据流分成三层：

这个设计是为了避免模型“看答案”。如果写作团队知道详细评分标准和金标数据，它可能不是真的改好了论文，而是在迎合表面评分规则。

flowchart TB
    L1[Layer 1<br/>原始输入] --> C[完整性检查]
    C --> L2[Layer 2<br/>已验证产物]

    L3[Layer 3<br/>评分标准 / 金标数据] --> R[审稿团队]
    L2 --> W[写作团队]
    W --> R
    R --> F[自然语言反馈]
    F --> W

    L3 -.禁止进入.-> W

具体执行时，写作团队和审稿团队分成独立调用。写作团队只能拿到类似“第二章论证跳跃，需要补充对比实验”这样的自然语言反馈，而不能看到每个维度的详细权重或参考答案。

repro_lock：记录配置，但不承诺字节级复现

ARS 会为产物生成 repro_lock 文件，用来记录运行配置。它的价值是“知道当时怎么跑的”，而不是保证以后能逐字节重放同样结果。

原因很现实：LLM（Large Language Model，大语言模型）不是传统确定性程序。模型服务商可能更新权重但不改变模型 ID，外部 API 的检索结果每天也可能变化，同一个提示词在不同时间运行可能得到不同输出。

repro_lock 可以理解成这样的配置记录：

model: claude-opus-4.7
workflow: academic-pipeline
stage: full
input_files:
  - research_question.md
  - notes.md
external_apis:
  - semantic_scholar
outputs:
  - draft.md
  - review_report.md
  - final.pdf
note: LLM output is not byte-level reproducible; this file documents configuration, not replay guarantees.

这种声明很关键。它避免把“配置可追踪”误写成“结果可完全复现”。

适合用 ARS 的场景

ARS 适合处理流程复杂、需要多轮检查的学术写作任务。它尤其适合已经有明确研究方向，但需要把材料组织成论文结构的场景。

把 ARS 当成副驾驶更合理：它能提醒路线、检查仪表、辅助整理材料，但研究者仍然要负责方向、数据和结论。

安装和基本使用

如果已经在使用 Claude Code，可以用两条命令安装：

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

验证安装是否成功：

/ars-plan

运行后，直接描述论文主题、研究对象、已有材料和目标期刊方向，ARS 会启动规划流程，帮助梳理论文结构。

如果只想测试文献综述能力，可以使用：

/ars-lit-review "你的研究主题"

更轻量的方式是把 SKILL.md 上传到 claude.ai 的项目知识库。这样不需要安装 Claude Code，在浏览器里也能体验部分能力。

两种方式的差异如下：

ARS 支持繁体中文和英文。对于中文论文、英文投稿论文、双语摘要等任务，都可以纳入同一套流程里处理。

成本和模型选择

项目文档建议使用 Claude Opus 4.7 搭配 Max 订阅计划。完整跑完 10 个阶段时，单次可能消耗超过 20 万输入 token 和 10 万输出 token。只跑某个子模块，例如文献综述或审稿，消耗会少很多。

如果使用 Max 订阅计划，需要考虑每月 100 美元或 200 美元的订阅成本。是否划算取决于使用频率、论文数量、机构报销条件和对流程自动化的需求。

使用 ARS 时要守住几条边界

ARS 可以提高论文流程的组织程度，但它不能替研究者承担学术责任。比较稳妥的用法是把高风险环节单独拿出来人工确认。

好的 AI 学术工具不应该只追求生成速度，更应该让每个关键产物有来源、有检查、有记录。ARS 的核心价值就在这里：它把论文写作从一次性生成，改造成可检查、可回溯、可修订的工程化流程。

项目地址：

https://github.com/Imbad0202/academic-research-skills