Academic Research Skills：在 Claude Code 中完成学术研究全流程的开源技能套件

更新日志：本文基于 ARS v3.13.0，2026 年 6 月数据。

Academic Research Skills 是什么

Academic Research Skills（下文简称 ARS）不是一个大模型，不是一篇论文模板，而是一套完整的 Claude Code 技能套件——覆盖学术研究从文献调研、论文撰写、同行评审、修改答辩到最终发布的全管线。

核心设计哲学：AI 是你的副驾驶，不是飞行员。 ARS 处理苦活累活（查文献、格式化引用、验证数据、检查逻辑一致性），让研究者专注于不可替代的部分：定义问题、选择方法、解释数据和写出论点。

安装

在 Claude Code 中输入以下命令即可 30 秒安装：

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

之后输入 /ars-plan 即可开始对话式论文结构规划。

为什么需要 ARS

AI 写论文的三个结构性问题

ARS 作者在 v3.0 开发过程中遇到了三个提示工程无法解决的结构性限制，它们的解决方案反过来成了 ARS 最有价值的设计：

框架锁定（Frame-lock）：让 AI 对自己写的论文做「魔鬼代言人」攻击，AI 四个回合都在框架内打转——攻击论点，但从不动摇前提。验证 AI 和生成 AI 共享同一个认知框架，这个模式导致了 2.7 版应力测试中 31% 的引用错误率。

谄媚（Sycophancy）：每次用户反驳魔鬼代言人的攻击，AI 让步得太快。模型训练奖励对话和谐——「用户反驳了」被当作攻击不对的证据，而实际上用户只是固执。

意图误判（Intent misdetection）：苏格拉底式导师总想收敛产出结果（「要我写出来吗？」），但用户可能还在探索阶段。两者看起来都是参与，但需要相反的 AI 行为。

行业背景

Lu 等人（2026，Nature 651:914-919）构建了 The AI Scientist——首个通过 ICLR 2025 盲审自动发表论文的 AI 全自动研究系统。但文章列出的失败模式：实现 bug、幻觉结果、捷径依赖、bug-作为-洞察重构、方法论编造、框架锁定、引用幻觉。

ARS 的立场很明确：人类研究者 + AI 增强 > 任何一方单独工作。

Zhao 等人（2026-05）审计了 arXiv/bioRxiv/SSRN/PMC 上 250 万篇论文中的 1.11 亿条引用，保守估计 2025 年有 146,932 条幻觉引用。ARS v3.7+ 的引用验证功能正是由此驱动。

核心架构：4 大技能 + 10 阶段管线

ARS 不是一个单一工具，而是一个由多项技能组成的编排体系：

四大技能

10 阶段管线流程

Stage 1  研究        → RQ Brief + 方法论蓝图
Stage 2  写作        → 论文全文草稿
Stage 2.5 完整性验证  → 引用审计（不可跳过）
Stage 3  同行评审    → 主编 + 3 审稿人 + 魔鬼代言人
Stage 3' 再评审      → 修订后验证
Stage 4  修订        → 点对点回复审稿人
Stage 4.5 最终验证   → 零回归检查（不可跳过）
Stage 5  格式化/发布  → APA 7.0 / IEEE / Chicago → MD/DOCX/LaTeX/PDF
Stage 6  流程总结    → 6 维合作质量评估

管线保证：每一步都要用户确认；Stage 2.5 和 4.5 的完整性验证不可跳过。

关键创新

引用验证（v3.7.1+）：每一条引文携带定位锚点（三层引用定位）。可选审计模式（ARS_CLAIM_AUDIT=1）会获取源文献对照判断，输出 5 种 HIGH-WARN 类别：

魔鬼代言人让步阈值协议：DA 必须对每次反驳评分 1-5，只有评分 ≥4 时才允许让步。反谄媚规则：不允许连续让步、跟踪让步率、检测框架锁定。

苏格拉底导师意图检测：在对话开始时和每 3 轮后分类用户意图——探索模式（禁用自动收敛，上限 60 轮）vs 目标导向模式（标准收敛行为）。

样式校准（Style Calibration）：从研究者过往作品学习写作风格，让 AI 辅助的输出更贴近个人而非机器感。写作质量检查会捕获让文章显得「AI 生成」的模式。

快速上手

完整管线

你: I want to write a research paper on AI's impact on higher education QA
→ ARS 从 Stage 1 开始引导你完成全过程

独立技能

# 深度研究
"Research the impact of AI on higher education"      → 完整模式
"Give me a quick brief on X"                          → 快速简报
"Do a systematic review on X with PRISMA"             → 系统综述
"Guide my research on X"                              → 苏格拉底模式
"Fact-check these claims"                             → 事实核查

# 论文写作
"Write a paper on X"                                  → 完整模式
"Guide me through writing a paper"                    → 规划模式
"I have a draft, here are reviewer comments"          → 修订模式
"Check citations"                                     → 引用检查

# 同行评审
"Review this paper"                                   → 完整模式
"Check the methodology"                               → 方法论审核

搭配使用

ARS 还有一个配套的 Experiment Agent，填补研究阶段和写作阶段之间的实验执行空白。流程：

ARS Stage 1 RESEARCH  → RQ Brief + 方法论蓝图
       ↓
experiment-agent     → 执行实验 → 验证结果
       ↓
ARS Stage 2 WRITE    → 用已验证的实验结果写论文

适用场景

局限与注意事项

• 需要 Claude Code：这不是独立工具，是 Claude Code 的插件。需要 Anthropic API Key
• 许可证 CC BY-NC 4.0：非商业用途免费，商业使用需另外授权
• Token 消耗：完整管线估约 $4-6（15k 词论文），但实际取决于模型版本和使用模式
• 不是全自动：设计为「人在回路中」，每个阶段需要用户确认
• 引用验证覆盖率：v3.8 的 claim audit 基于可获取的源文献，源文献不可达时无法验证
• 需要真实 Python：部分功能（PreToolUse 防护、修订补丁模式、提交包验证）需要真实 Python 解释器（Windows 下注意 Microsoft Store 占位符问题）

项目地址

参考资料

• ARS GitHub 仓库：完整技能套件和文档。→ https://github.com/Imbad0202/academic-research-skills
• The AI Scientist (Lu et al., 2026, Nature)：全自动 AI 研究系统的第一个实例。→ https://www.nature.com/articles/s41586-025-09242-x
• Zhao et al. (2026)：250 万篇论文的引用审计，发现 14.6 万条幻觉引用。→ https://arxiv.org/abs/2605.07723
• PaperOrchestra (Song et al., 2026, Google)：ARS v3.3 的部分设计灵感。→ https://arxiv.org/abs/2604.05018