3.9 万星，630 次提交。这套skill让 AI 帮你写论文，但绝不替你思考

先看数据

39,760 颗星 · 3,188 fork · 630 次提交 · 4 技能 · 27 模式

近 4 万颗星的项目，干的事情却很克制：帮你做学术研究，从查文献到写论文到过同行评审，全流程覆盖。但有一条红线从头到尾没动过——

AI 是你的副驾驶，不是飞行员

查文献、格式化引用、验证数据这些体力活归 AI；定义问题、选择方法、解读数据的活归你。项目 2026 年 2 月 26 日开的坑，到 7 月 27 日还在推代码，最新版本 v3.19.0，五天前刚发。

01

PART

ARS 到底是什么

WHAT IS ARS

一句话：一套专为 Claude Code 设计的学术研究技能套件，覆盖 research → write → review → revise → finalize 全流程，采用人机协作理念——让 AI 干体力活，让研究者干脑力活。

拆开看，四个技能各管一摊，合起来才是完整闭环。下面逐个说。

02

PART

四个技能各管一摊

FOUR SKILLS

SKILL 1

Deep Research

13 个代理组成的研究团队，8 种模式。能做系统综述（PRISMA）、文献综述、三篇对比扫描、事实核查、苏格拉底式引导。

接 Semantic Scholar API 做引用验证，还支持跨模型交叉验证。

SKILL 2

Academic Paper

12 个代理的论文写作流水线，11 种模式。从大纲到全文到摘要到修订指导全覆盖。

Style Calibration 从你过往作品学写作风格；Writing Quality Check 专门抓机器生成味的句式。

SKILL 3

Academic Paper Reviewer

7 个代理的多视角同行评审，6 种模式。EIC（主编）+ 3 个动态审稿人 + Devil's Advocate（魔鬼代言人）。

0–100 评分：≥80 接受，65–79 小修，50–64 大修，<50 拒稿。

SKILL 4

Academic Pipeline

10 阶段编排器，把上面三个串成完整流水线。自带完整性门控（Stage 2.5 和 4.5）。

声明验证、引用审计、防泄露协议，一个不少。

03

PART

设计细节：五处真讲究

DESIGN DETAILS

一、「副驾驶」不是说说而已，有机制兜底

项目开篇就划了线：AI 是副驾驶，不是飞行员。但真正厉害的是这条线有具体的机制守着。Stage 2.5 和 Stage 4.5 两个完整性门控，跑 7 模式阻断检查清单。审稿人还有校准模式，拿你提供的黄金集测自己的假阴性率和假阳性率。

不是喊一句「人机协作」就完事，而是把「人在哪里介入」写进了流水线的骨架里。

二、Devil's Advocate 的反谄媚协议

这个设计让我眼前一亮。大部分 AI 审稿逻辑是「你说得对，我再改改」。ARS 的 Devil's Advocate 不行——每次想让步，得先给反驳打 1–5 分，只有 ≥4 分（证据直接回应了核心攻击）才允许让步；≤3 分就坚持立场、重述原始攻击。

还有反连续让步规则、让步率跟踪、框架锁定检测。作者在 v3.0 更新日志里坦白说了原因：模型的训练奖励对话和谐，「用户推回」经常被当成攻击错误的证据，但大多数时候只是用户比较执着。这条洞察很准。

三、四索引引用验证，专治幻觉引用

2025 年光学术论文里就出现了 146,932 个幻觉引用——这是 Zhao et al. 审计 250 万篇论文的 1.11 亿条参考文献得出的数字。ARS 的应对是确定性引用验证门控：每条引用跟四个书目索引交叉检查——Semantic Scholar、OpenAlex、Crossref、arXiv。

验证状态写进统一摘要，缓存 90 天。v3.7.3 还加了三层引用锚点的定位器基础设施，v3.8 闭合了声明级审计的后半段——判断被引来源是否真的支持你的声明。从「引用存在不存在」到「引用说的是不是那个意思」，都管了。

四、苏格拉底导师会读你的意图

苏格拉底引导模式不急着产出。每 3 轮检测一次你是探索型还是目标导向型：探索模式禁用自动收敛，最大轮次拉到 60，禁止「要我总结吗」这种催收的提示；目标导向模式才走标准收敛流程。

还有对话健康指示器，每 5 轮静默自评三个维度——持续同意、回避冲突、过早收敛。检测到同意模式时自动注入挑战性问题。对用户不可见，防止博弈，但日志可查。

五、把自己扒了底朝天

v3.0 更新日志里有一节叫「AI 结构性限制的发现」，记录了三个没法靠提示工程修的问题：框架锁定（Devil's Advocate 攻击论点从不攻击前提）、推回时的谄媚（撤回发现比启动更快）、意图误检测（用户还在探索就急着收口）。

作者没假装解决了这些问题，而是说「这些优化不解决 AI 的结构性限制——而是使限制可见且可管理」。

「AI 素养不是学习把 AI 当工具、遵循伦理规则或恐惧 AI 风险。而是深入参与 AI，亲自发现其结构性限制——以及你自己的思维限制。」这段话放在一个工具项目的更新日志里，格局不小。

04

PART

四技能 × 二十七模式速查表

AT A GLANCE

05

PART

快速上手

GET STARTED

前提条件

装好 Claude Code（v3.7.0+），设好 ANTHROPIC_API_KEY。核心技能是提示驱动的，不需要 Python——Python 只用于可选的写入范围防护和缓存命令。

一行装好

bash

/plugin marketplace add Imbad0202/academic-research-skills

/plugin install academic-research-skills

跑通第一个任务

text

You: "I want to write a research paper on AI's impact on higher education"

You: "Guide my research on AI in educational evaluation"

You: "Review this paper"（然后贴论文）

不想装插件的话，也能当普通 Skill 用——把仓库 clone 下来，技能目录丢进 Claude Code 的 skills 文件夹就行。还支持 Claude Science 导入和 Codex CLI 姊妹发行版。完整论文流水线跑下来大概花 4 到 6 美元（15k 字论文）。

///

LAST

写在最后

WRAP-UP

近 4 万颗星不是白给的。市面上打着「AI 写论文」旗号的项目不少，大部分要么是套壳代写、要么是格式化工具。ARS 不一样的地方在于，作者把「AI 能干什么」和「AI 不该干什么」都想清楚了，然后用 630 次提交把这些边界变成了流水线里的硬门控。

引用幻觉、框架锁定、谄媚让步、过早收敛——这些大模型在学术场景下的经典翻车点，ARS 每一个都给了对应的检测或阻断机制。不是修好了，而是让问题变得可见、可管理。这个定位很清醒。

如果你在做学术研究，不管是写论文还是审稿，这套技能值得花一个下午试试。作者 Cheng-I Wu（吳政宜）把演示论文、完整性报告、同行评审全流程的 PDF 都放在 examples/showcase 里了，可以先看产出再决定要不要装。

最后提一句协议：CC-BY-NC 4.0，非商业用途免费，商用要联系作者。学术场景基本不受影响。

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