开源项目 academic-research-skills 含 4 个 skill 覆盖研究、写作、审稿、定稿，内置引用核验和反谄媚机制，一篇 1.5 万字论文约 4-6 美元。
开源项目 academic-research-skills 含 4 个 skill 覆盖研究、写作、审稿、定稿，内置引用核验和反谄媚机制，一篇 1.5 万字论文约 4-6 美元。
Catnip 团队推出 22B 参数流式音视频模型 MaineCoon，单卡 H100 跑出 47.5 FPS，成本仅为 Veo 3 的 1/2000，支持 30 分钟以上音画同出。
如果你用 Claude Code 做学术研究，有一个开源项目值得你花两分钟安装。academic-research-skills（ARS）是一套 Claude Code 技能包，GitHub 星标 6.4k，内含 4 个 skill 覆盖论文的研究、写作、审稿、定稿全流程。最关键的是，它不是简单地让 AI 帮你写论文，而是用一套系统性的机制防止 AI 出错、讨好和造假。
ARS 的核心架构由 4 个 skill 组成，拼在一起就是一条从选题到交稿的完整链路。
Deep Research（13 个 Agent 的研究团队）
负责文献调研、研究问题构建、方法论设计，还能写 PRISMA 综述。团队里有文献溯源 Agent（调用 Semantic Scholar API 验证引用真实性）、苏格拉底导师 Agent（通过对话引导理清思路）、魔鬼代言人 Agent（专门挑刺防止思维定式）。
Academic Paper（12 个 Agent 的写作团队）
从大纲设计、论证构建、草稿撰写到双语摘要生成、图表可视化、引用格式转换。特色是风格校准功能 -- AI 会学习你过往作品的写作风格，让输出更像你自己写的。输出格式支持 Markdown、DOCX、LaTeX，最终可编译成 APA 7.0 或 IEEE 格式的 PDF。
Academic Paper Reviewer（7 个 Agent 的审稿团队）
模拟真实学术期刊评审流程，由主编 EIC 带领三位领域审稿人和魔鬼代言人，从方法论、学科视角、跨学科价值等维度打分。评分采用 0-100 的量化标准：80 分以上接受，65-79 小修，50-64 大修，50 以下拒稿。还会输出详细修改路线图。
Academic Pipeline（流程编排器）
把前面三个团队串联成一条 10 阶段流水线。从研究、写作、完整性检查、同行评审、修订、最终检查到发表准备，每个阶段都有明确的产物和检查点。你可以在任意阶段插入。
AI 写论文最忌讳的是幻觉引用。ARS 在 Deep Research 阶段埋了引用核验机制：每一篇文献都要过 Semantic Scholar API 的存在性确认。不是简单查标题，而是用 Levenshtein 相似度算法做模糊匹配，阈值 0.70 以上才算通过。实测中，这套机制在一篇真实论文里抓到了 15 个伪造引用和 3 个统计错误。
在流水线的 Stage 2.5 和 Stage 4.5，有两道不可跳过的完整性闸门，会运行一份 7 项 AI 失败模式检查清单。这份清单来自 2026 年 Nature 上发表的全自主 AI 科研研究，覆盖引用幻觉、数据捏造、方法论造假等情形。
任何在 2.5 被标记为 SUSPECTED 的问题，必须在 4.5 变成 CLEAR，或者由人工手动覆盖并留下记录。设计逻辑是：把「我相信 AI 不会出错」变成「我要求 AI 证明它没出错」。
大多数 AI 工具都有讨好用户的毛病。ARS 在审稿环节专门设计了反谄媚机制：魔鬼代言人的反驳会被评分 1-5，如果低于 4 分，写作团队不允许承认。AI 不能为了显得好合作就轻易让步。同时，攻击强度在修订过程中必须保持 -- 如果第一轮审稿把方法论批得体无完肤，作者修订后审稿人不能突然变得温柔。
写作 AI 只能收到审稿 AI 的自然语言反馈（如「第二章论证跳跃，建议补充对比实验」），但看不到原始评分标准。
/plugin marketplace add Imbad0202/academic-research-skills
/plugin install academic-research-skills验证安装：
/ars-plan然后描述你的论文主题，ARS 就会启动苏格拉底对话帮你梳理论文结构。
单条命令测试：
/ars-lit-review "你的研究主题"直接把 SKILL.md 上传到 claude.ai 项目知识库。不需要安装 Claude Code，打开浏览器就能用。但注意这种方式不支持多 Agent 并行，是单 Agent 版本，适合轻度体验。