Academic Research Skills：把学术研究流程拆成可复用的 AI 技能
一分钟看懂
Academic Research Skills 是一套面向 Claude Code 的开源学术研究技能。它覆盖从确定问题、检索资料、组织论证，到写作、审阅、修改和定稿的完整流程。它不是替你自动“生产论文”的工具，而是把文献核查、引用格式、数据检查、逻辑审阅等繁琐环节交给 AI 辅助，让研究者把精力放在问题、方法和观点上。
项目的核心原则是“AI 是副驾驶，不是驾驶员”。研究问题如何提出、方法是否成立、数据如何解释、论点是否可信，仍由研究者负责；技能负责把流程做得更系统，并在关键节点提醒你验证来源和结论。
你可以用它做什么
从模糊想法形成研究计划
当你只有一个宽泛主题时，可以通过 /ars-plan 的苏格拉底式对话逐步澄清研究对象、核心问题、预期贡献和可行方法。它不会只给一份看似完整的模板，而是通过追问暴露范围过大、概念不清或证据不足的问题，再形成后续可执行的研究路线。
组织文献与证据
技能可以辅助寻找参考资料、整理相关研究、检查引用格式，并把“某个判断来自哪里”保留下来。对综述、开题或论文修改来说，这比让通用聊天模型直接写长文更可靠，因为流程明确要求区分已验证证据、待核实线索和作者自己的推论。
写作与反复审稿
项目提供论文写作、学术流水线和论文审阅等技能，可以针对结构、逻辑衔接、论证强度、引用和表达质量逐轮检查。你可以把它当作一位耐心的初审读者：先指出读不懂或证据跳跃的地方，再由作者决定如何修改，而不是一次性接受整篇自动改写。
保留自己的写作声音
它包含写作风格校准与质量检查，目标是学习作者习惯、减少生硬和模板化表达。项目明确说明这不是用于规避检测的“人类化”工具，而是帮助研究者改善可读性，同时保持真实作者身份和学术诚信。
一套典型流程
实际使用时，可以先规划研究问题和阶段目标，再做深度检索与证据整理；进入写作后按章节生成提纲或草稿，随后运行审阅、事实核查和逻辑一致性检查；最后由研究者逐项确认修改并完成定稿。较新的版本还提供可选的论断审计，用于检查正文中的关键主张是否得到资料支持。
这种分阶段工作方式尤其适合长周期项目。它让“为什么这样写、哪些地方还没有证据、哪些结论需要人工判断”更容易追踪，也避免把研究过程压缩成一句“帮我写一篇论文”。
主要能力
- 用引导式问答明确研究问题、边界、方法和贡献。
- 支持深度研究、文献整理、参考资料查找和引用检查。
- 辅助论文结构设计、章节写作、润色和多轮修订。
- 从审稿人视角检查论证、方法、数据表达与逻辑一致性。
- 通过人工确认和诚信检查降低虚构引用、无依据结论等风险。
- 提供风格校准，让修改结果尽量接近作者原有表达。
- 将研究、写作、审阅、修订和定稿组织成一套可重复流程。
适合哪些人
它适合研究生、教师、独立研究者，以及需要撰写研究型报告的人。对第一次完成长篇学术写作的用户，它能补足流程意识；对经验丰富的研究者，它更像自动化检查清单和研究助理。
如果你的需求只是翻译一段摘要或调整格式，直接使用通用模型更简单。它真正适合的是需要多轮资料核对、持续写作和审阅的任务。
怎么开始使用
该项目以 Claude Code 插件形式提供。安装后可以从 /ars-plan 开始，让系统通过问答了解课题，再按项目文档选择研究、写作或审阅技能。首次使用时建议拿一份已有提纲或小章节试跑，确认输出风格、引用规则和人工审核点，再扩展到完整论文。
使用前最好准备清晰的课题背景、已有资料和学校或期刊的格式要求。给出的上下文越可靠，技能越能做针对性检查。
使用前需要知道
学术工作最危险的问题不是文句不够漂亮，而是资料不存在、引用错位或论证越过证据。任何 AI 生成的文献、数字、引用和事实都必须回到原始来源核验。涉及实验结果、统计分析和专业结论时，也不能用流畅的文字代替方法有效性。
不同学校、期刊和学科对 AI 辅助写作的规定不同。使用前应确认披露、署名、数据保密和伦理要求。未公开数据、受访者信息或敏感研究资料也不应直接交给未经批准的外部模型。