从论文写作到实验自动化，从生物信息到医学统计——覆盖全学科的 AI 科研技能库一览
/plugin marketplace add Imbad0202/academic-research-skills /plugin install academic-research-skills
/ars-plan 我的研究方向是图谱增强 RAG，目前已完成一组初步实验。 请通过提问帮助我明确研究问题、创新点、实验设计和论文结构。 不要直接替我编造创新点。
请使用 Academic Research Skills 对 manuscript 文件夹中的论文进行投稿前审查。 目标会议：ACL 重点检查： 1. 创新点是否清晰 2. 实验是否支持结论 3. 是否存在夸大表述 4. 引用是否真实 5. 审稿人最可能提出哪些问题 先输出问题清单，不要直接修改原稿。
npx skills add K-Dense-AI/scientific-agent-skills # 安装指定 Skill gh skill install K-Dense-AI/scientific-agent-skills scanpy
请优先调用 Scientific Agent Skills 中与 Scanpy、差异表达、 通路富集和科学可视化相关的 Skill。 任务： 1. 读取 data 文件夹中的 10X 单细胞数据 2. 执行质量控制和双细胞检查 3. 完成标准化、降维和聚类 4. 给出细胞类型注释建议 5. 进行差异表达分析 6. 输出可复现的 Python 脚本 7. 将结果保存到 results 文件夹 不要直接删除异常样本，先输出质量控制报告。
请使用 scientific-visualization Skill，根据 results.csv 生成投稿级图片。 要求： 1. 适合双栏论文 2. 使用色盲友好配色 3. 保留误差棒 4. 输出 PDF、SVG 和 300 DPI PNG 5. 同时保存完整绘图代码 6. 不得修改原始数据
git clone https://github.com/Yuan1z0825/nature-skills.git cd nature-skills bash scripts/update-codex-skills.sh --pull bash scripts/update-codex-skills.sh --check
请使用 nature-polishing 处理 manuscript/introduction.docx。 要求： 1. 不改变原始科学含义 2. 删除重复和空泛表达 3. 提升段落之间的逻辑关系 4. 不编造引用、结果或实验 5. 输出英文修改稿 6. 另外列出主要修改理由
请使用 nature-paper2ppt，把 papers/paper.pdf 制作成中文组会汇报。 要求： 1. 12—15 页 2. 不要机械照搬论文章节 3. 保留关键实验图 4. 每张图标注原论文来源 5. 重点讲清研究问题、方法、实验和局限 6. 输出可编辑 PPTX
# Git Bash / WSL git clone https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep.git bash Auto-claude-code-research-in-sleep/tools/install_aris.sh ~/your-project # Windows PowerShell tools/install_aris.ps1
/research-pipeline "图神经网络增强的多模态 RAG" 目标：寻找普通硕士可以在三个月内完成的改进方向。 限制： 1. 优先使用公开数据集 2. 优先选择有开源代码的基础工作 3. 单卡 24GB 显存可以运行 4. 不允许把简单换模型包装成重大创新 5. 所有文献必须核验 6. 在运行大规模实验前必须等待人工确认
/rebuttal "paper/ + reviews/" — venue: ICML, character limit: 5000
支持 vLLM、DeepSpeed、PEFT、TRL、LLaMA-Factory 等专业工具
# 安装 npx @orchestra-research/ai-research-skills # 更新 npx @orchestra-research/ai-research-skills update # 查看已安装 npx @orchestra-research/ai-research-skills list
请调用 AI-Research-SKILLs 中与 PEFT、LLaMA-Factory、 数据处理和模型评测有关的 Skill。 任务： 使用 data/train.jsonl 对 Qwen 系列模型进行 LoRA 微调。 环境： 1. 单张 24GB 显卡 2. Windows + WSL 3. 训练数据约 20 万条 4. 需要支持断点续训 请先输出： 1. 数据格式检查结果 2. 显存估算 3. 训练配置 4. 风险点 5. 评测方案 等待确认后再生成训练脚本。
git clone https://github.com/Master-cai/Research-Paper-Writing-Skills.git cd Research-Paper-Writing-Skills mkdir -p ~/.claude/skills cp -R research-paper-writing ~/.claude/skills/ # Codex mkdir -p ~/.codex/skills cp -R research-paper-writing ~/.codex/skills/
请使用 research-paper-writing Skill 修改 manuscript/introduction.md。 目标： 1. 明确研究背景 2. 明确现有方法的具体不足 3. 自然引出本文方法 4. 清楚列出贡献 5. 删除无法由文献或实验支持的夸张表述 6. 保持全文在 900—1100 个英文单词之间 先分析原稿存在的问题，再输出修改稿。
请使用 research-paper-writing Skill 审查 Experiments 部分。 重点检查： 1. 实验是否回答了论文的核心问题 2. 对比方法是否公平 3. 是否缺少消融实验 4. 表格中的结论是否被过度解读 5. 是否需要报告方差、随机种子或置信区间 不要编造任何实验结果。
# Git Bash / WSL git clone https://github.com/Galaxy-Dawn/claude-scholar.git bash claude-scholar/scripts/setup.sh # Claude Code 插件 /plugin marketplace add Galaxy-Dawn/claude-scholar /plugin install claude-scholar@claude-scholar
请使用 Claude Scholar 帮我建立一个新的研究项目。 主题：多模态知识图谱增强 RAG。 请完成： 1. 将宽泛主题拆成具体研究问题 2. 建立文献分类框架 3. 提出需要验证的关键假设 4. 建立实验记录模板 5. 规划未来四周的研究任务 6. 明确哪些内容是已知事实，哪些只是待验证猜想
请分析 Zotero 中 Graph RAG collection。 按照以下维度分类： 1. 图结构类型 2. 检索方式 3. 推理方式 4. 数据集 5. 是否开源 6. 主要不足 7. 可以继续研究的空白 不得只依据标题和摘要下结论。
# 添加插件市场 claude plugin marketplace add brycewang-stanford/Auto-Empirical-Research-Skills # 安装 Python 实证分析流程 claude plugin install empirical-analysis-python@auto-empirical-research-skills # 安装 Stata 流程 claude plugin install empirical-analysis-stata@auto-empirical-research-skills # 安装 R 流程 claude plugin install empirical-analysis-r@auto-empirical-research-skills
请使用 empirical-analysis-python Skill 分析 data/policy.csv。 研究问题：某项政策是否提高了企业研发投入。 请完成： 1. 检查数据结构和缺失值 2. 明确处理组、对照组和政策时间 3. 生成描述性统计 4. 进行平行趋势检验 5. 运行基准 DID 6. 进行稳健性和安慰剂检验 7. 分析异质性 8. 输出可复现代码、表格和图片 在确认变量定义之前，不要直接运行最终回归。
git clone https://github.com/zLanqing/codex-claude-academic-skills.git cd codex-claude-academic-skills # Claude Code mkdir -p ~/.claude/skills cp -R research-writing-skill ~/.claude/skills/ cp -R office-academic-skill ~/.claude/skills/ cp -R scientific-toolkit-skill ~/.claude/skills/ # Codex mkdir -p ~/.codex/skills cp -R research-writing-skill ~/.codex/skills/ cp -R office-academic-skill ~/.codex/skills/ cp -R scientific-toolkit-skill ~/.codex/skills/
请依次使用 scientific-toolkit-skill 和 research-writing-skill。 第一阶段： 分析 data/experiment.xlsx，完成描述性统计、显著性检验和绘图。 第二阶段： 根据真实分析结果，撰写论文 Results 部分。 要求： 1. 保留全部分析代码 2. 图片导出为 PDF 和 PNG 3. 论文正文中的数字必须与结果文件一致 4. 不显著的结果不得写成显著 5. 不得编造样本量、P 值或实验结论
# Git Bash / WSL / macOS / Linux bash <(curl -s https://raw.githubusercontent.com/aipoch/medical-research-skills/main/scientific-skills/scripts/openclaw-install.sh) # 安装完成后 openclaw gateway restart
git clone https://github.com/aipoch/medical-research-skills.git mkdir -p ~/.claude/skills cp -R \ "medical-research-skills/scientific-skills/Academic Writing/peer-review-response-drafter" \ ~/.claude/skills/ # Codex 用户将目标目录换成 ~/.codex/skills/
请调用与 Kaplan-Meier、Cox 回归和统计可视化相关的医学 Skill。 数据：data/clinical.csv 请完成： 1. 检查生存时间和结局变量定义 2. 检查缺失值和异常值 3. 生成 Kaplan-Meier 曲线 4. 运行单因素 Cox 5. 根据临床意义和统计原则建立多因素 Cox 6. 检查比例风险假设 7. 输出 HR、95% CI 和 P 值 8. 保存代码、表格和图片 不得自动把所有单因素显著变量直接塞入多因素模型。