听雨 发自 凹非寺量子位 | 公众号 QbitAI
用 Claude Code 写论文的一整套流水线，有人打包开源出来了。
完全戳中了学生党的痛点，github 星标直达6.4k。
项目名叫academic-research-skills（以下简称 ARS），是一套 Claude Code 技能包。
里面涵盖 4 个 skill，分别对应论文的研究、写作、审稿、定稿。
只需两行命令安装，直接一条龙串起整套学术研究流水线。
4 个 skill，跑通整套科研流程
ARS 的核心架构由 4 个 skill 组成，它们各司其职，拼在一起就是一条从选题到交稿的完整链路。
我这里还做了图，大家可以看得比较直观：
Deep Research是一支 13 个 Agent 的研究团队。
它负责文献调研、研究问题构建、方法论设计，还能写系统性的 PRISMA 综述。
团队里有专门做文献溯源的 Agent，会调用 Semantic Scholar API 验证每一篇引用的真实性。
有苏格拉底导师 Agent，通过对话引导研究者理清思路。
还有魔鬼代言人 Agent，专门挑刺，防止研究者在早期就陷入思维定式。
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，全流程覆盖。
特别值得一提的是风格校准功能，AI 会学习你过往作品的写作风格，让输出更像你自己写的，而不是千篇一律的 AI 味。
输出格式支持 Markdown、DOCX、LaTeX，最终可以编译成 APA 7.0 或 IEEE 格式的 PDF。
模拟真实学术期刊的评审流程，由主编 EIC 带领三位领域审稿人，再加上一个魔鬼代言人，从方法论、学科视角、跨学科价值等多个维度打分。
评分采用 0 到 100 的量化标准，80 分以上接受，65 到 79 小修，50 到 64 大修，50 以下拒稿。
审稿团队还会输出详细的修改路线图，告诉作者下一步该做什么。
从研究、写作、完整性检查、同行评审、修订、最终检查，到发表准备和流程总结，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，比如已经有了初稿，就从 Stage 2.5 的完整性检查开始；收到了审稿意见，直接从 Stage 4 的修订切入。
费用参考也很透明，一篇1.5 万字的论文，全程跑下来大约4 到 6 美元。
用 Claude Code 做学术研究的开源项目已经很多了，但是深扒之后，我发现 ARS 在底层设计上还是有些过人之处。
可以简单总结为一句话：系统性防止 AI 搞砸学术研究。
第一，引用核验。
AI 写论文最忌讳的，就是幻觉引用。
不只是编造不存在的文章，还包括标题相似但作者年份全错、DOI 真实但内容对不上等更隐蔽的情况。
ARS 在 Deep Research 阶段就埋了一个引用核验机制，每一篇文献都要过 Semantic Scholar API 的存在性确认。
不是简单查一下标题对不对，而是用 Levenshtein 相似度算法做模糊匹配，阈值设在 0.70 以上才算通过。
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。
这份清单直接来自 2026 年 Nature 上发表的一项全自主 AI 科研研究，其中总结了 7 种翻车模式，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」。
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。
第三，反谄媚协议，让 AI 敢于说不。
大多数 AI 工具都有一个隐形毛病，讨好用户。你让它改，它就改，哪怕改得更差。
所以 ARS 在审稿环节专门设计了反谄媚机制。
审稿团队里有一个Devil ’ s Advocate，也就是魔鬼代言人，职责是挑刺。
但挑完刺之后，还有一个让步阈值协议。
DA 的反驳会被评分 1 到 5，如果低于 4 分，写作团队不允许承认。
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，作者修订后不能让审稿人突然变得温柔。
评分轨迹也会被追踪，任何维度的分数下降都会被标记为回归。
这和软件工程里的不引入新 Bug 原则一样，改一个地方不能搞砸另一个地方。
第四，三层数据隔离，不让 AI 偷看答案。
ARS 把数据流严格分成三层：
Layer 1 是原始输入，默认不可信，可能幻觉、过时、带偏见。
Layer 2 是通过完整性验证后的产物。
Layer 3 是评分标准、参考答案和金标数据，这层材料永远不能出现在写作 AI 的上下文中。
具体实现上，写作团队和审稿团队分两次独立调用，中间有阶段边界隔离。
写作 AI 只能收到审稿 AI 的自然语言反馈，比如「第二章论证跳跃，建议补充对比实验」。
但它看不到原始的评分标准，也不知道每个维度占多少分。
这个设计的灵感来自于 Anthropic 今年的 w2s-researcher 研究，其中也用了同样的三层隔离模型。
结论是当 AI 能读取标签数据时，结果可能不是真的泛化，而是在优化表面特征。
解决方案不是更好的提示词，而是结构上的隔离。
学术界经常遇到「这个结果我复现不了」的问题。ARS 给每个产物生成一个repro_lock 文件，记录运行时的完整配置。
但文件里有一段强制声明，LLM 输出不是字节级可复现的，模型提供商会更新权重而不改模型 ID，外部 API 每天返回不同的数据。
这个文件只是配置文档，不是重放保证。
从每次版本更迭中，也能看出作者对 AI 学术研究系统风险有着深刻理解。
这也是我觉得目前学术研究 AI 工具的关键所在——
让 AI 帮你写论文并不难，重点是如何防止它出错、讨好，让整个流程变得更系统更可靠。
ARS 的设计哲学，可以总结为 README 里那句话：
「AI 是你的副驾驶，不是飞行员。」
如何安装
安装方式很简单，如果你已经在用 Claude Code，只需要两行命令：
/plugin marketplace add Imbad0202/academic-research-skills/plugin install academic-research-skills
验证安装是否成功，运行：
/ars-plan
然后描述你正在写的论文主题，ARS 就会启动苏格拉底对话，帮你梳理论文结构。
如果你偏好单条命令测试，也可以用：
/ars-lit-review " 你的研究主题 "
不过最简单的安装办法，其实是直接把 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。
不过要注意，这种方式不支持多 Agent 并行，功能上是单 Agent 版本，适合轻度体验；想跑完整流水线还是需要 Claude Code。
还有一点，项目支持繁体中文和英文。
那么，又到了大家最关心的，要花多少钱的环节。
作者推荐使用Claude Opus 4.7 搭配 Max 订阅计划。
完整跑完 10 个阶段，单次可消耗超过 20 万输入 token 和 10 万输出 token，单独使用某个子模块则少得多。
Max 订阅计划分两档，每月 100 刀或 200 刀，相当不便宜。
但如果你的科研经费可以报销的话，那…
