你有没有试过让 AI 帮你写论文，结果发现它编造了引用文献、逻辑前后矛盾、或者写出来的东西一看就是机器生成的？Academic Research Skills（ARS）就是来解决这些问题的——它不是让 AI 替你写论文，而是让 AI 成为你的研究助手，帮你处理最耗时的苦力活：文献检索、引用格式化、数据验证、逻辑一致性检查，而你专注于真正需要人类判断力的部分。

Academic Research Skills 是什么？ ARS 是一套开源的 Claude Code 学术研究技能包（CC BY-NC 4.0 许可证），由 4 个核心技能模块组成：Deep Research（13 个智能体，7 种研究模式）、Academic Paper（12 个智能体，10 种写作模式）、Academic Paper Reviewer（7 个智能体，6 种评审模式）、Academic Pipeline（10 阶段论文流水线）。整个流程强调人机协作——AI 负责苦力活，人类负责决策和判断。

前提条件

• AI 编码助手：Claude Code（最新版本）
• API 密钥：ANTHROPIC_API_KEY 环境变量
• 可选依赖：
  • Pandoc：用于生成 DOCX 格式输出
  • tectonic + 思源宋体 TC：用于生成 APA 7.0 格式 PDF

💡 提示：如果你使用的是 Codex CLI 而非 Claude Code，可以安装姊妹版本 academic-research-skills-codex，功能完全相同，只是打包方式适配 Codex。

概述

ARS 的设计哲学是人机协作，而非全自动化。它借鉴了 Lu et al.（2026, Nature 651:914-919）的研究——The AI Scientist 是第一个完全自主通过盲审的 AI 研究系统，但其局限性（实现 bug、幻觉结果、捷径依赖等）证明了纯自动化不可靠。ARS 通过在关键节点设置完整性校验门（Stage 2.5 和 4.5）来避免这些问题。

整个系统由 4 个技能模块组成：

第一步：安装 ARS

方式一：插件安装（推荐，v3.7.0+）

在 Claude Code 中运行：

1
2

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

安装完成后，验证是否正常工作：

1

/ars-plan

这会启动一个苏格拉底式对话，帮你规划论文结构。

方式二：传统符号链接安装

1
2
3
4
5
6

# 克隆仓库
git clone https://github.com/Imbad0202/academic-research-skills.git
cd academic-research-skills

# 安装到 Claude Code 全局技能目录
ln -s "$(pwd)" ~/.claude/skills/academic-research-skills

验证安装

运行以下命令测试：

1

/ars-lit-review "your research topic"

如果 ARS 开始进行文献调研，说明安装成功。

第二步：掌握 4 大核心模块

1. Deep Research（深度调研）

13 个智能体组成的调研团队，支持 7 种模式：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

# 完整调研
"Research the impact of AI on higher education"

# 快速简报
"Give me a quick brief on X"

# PRISMA 系统综述
"Do a systematic review on X with PRISMA"

# 苏格拉底式引导（推荐新手使用）
"Guide my research on X"

# 事实核查
"Fact-check these claims"

# 文献综述
"Do a literature review on X"

# 论文研究质量评审
"Review this paper's research quality"

💡 提示：如果你是第一次使用 ARS，建议从苏格拉底式引导模式开始——它会通过提问帮你理清研究思路，而不是直接给你一个完整的调研报告。

2. Academic Paper（学术论文写作）

12 个智能体组成的写作流水线，支持 10 种模式：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29

# 完整论文写作
"Write a paper on X"

# 计划模式（引导式）
"Guide me through writing a paper"

# 仅生成大纲
"Build a paper outline"

# 修订模式（已有稿件 + 审稿意见）
"I have a draft, here are reviewer comments"

# 修订教练（解析审稿意见为修订路线图）
"Parse these reviewer comments into a roadmap"

# 仅生成摘要
"Write an abstract for this paper"

# 转为文献综述论文
"Turn this into a literature review paper"

# 格式转换
"Convert to LaTeX" / "Convert citations to IEEE"

# 引用检查
"Check citations"

# 生成 AI 使用声明
"Generate an AI disclosure statement for NeurIPS"

关键特性：

• 风格校准：提供 3+ 篇你过去的论文，ARS 会学习你的写作风格
• 写作质量检查：自动检测 AI 高频词（25 个）、破折号过多、结构性模式等问题
• LaTeX 输出：支持 APA 7.0、IEEE、Chicago 格式

3. Academic Paper Reviewer（论文评审）

7 个智能体组成的多视角评审团队，支持 6 种模式：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

# 完整评审（EIC + 3 评审人 + 魔鬼代言人）
"Review this paper"

# 快速评估
"Quick assessment of this paper"

# 引导式改进
"Guide me to improve this paper"

# 方法论聚焦
"Check the methodology"

# 修订验证
"Verify the revisions"

# 评审校准
"Calibrate this reviewer against my gold set"

评分体系：0-100 分制，≥80 接收，65-79 小修，50-64 大修，<50 拒稿。

4. Academic Pipeline（论文流水线）

10 阶段的全流程编排器：

启动完整流水线：

1

"I want to write a complete research paper on [your topic]"

第三步：了解 ARS 的防幻觉机制

ARS 的核心优势在于其防幻觉系统：

引用验证

• Semantic Scholar API 验证：Tier 0 级别的程序化引用存在性检查
• 声明验证审计（v3.8）：设置 ARS_CLAIM_AUDIT=1 启用，自动验证引用是否真正支持文中的声明
• 信任链溯源：每个引用携带来源出处元数据

完整性校验门

• Stage 2.5：初稿完成后的首次完整性校验，运行 7 种 AI 研究失败模式检查
• Stage 4.5：修订后的二次完整性校验，确认零回归

反谄媚机制

• 魔鬼代言人让步阈值协议：魔鬼代言人必须在 1-5 分量表上评分后才能让步，≥4 分才允许
• 不允许连续让步，追踪让步率
• 帧锁定检测：每轮检查是否陷入人类预设的框架

第四步：支持的论文结构和引用格式

论文结构

• IMRaD（实证研究）
• 主题文献综述
• 理论分析
• 案例研究
• 政策简报
• 会议论文

引用格式

• APA 7.0（默认，含中文引用规则）
• Chicago（注释和作者-日期）
• MLA
• IEEE
• Vancouver

输出语言

• 繁体中文：用户使用中文时默认
• 英文：用户使用英文时默认
• 支持双语摘要

常见问题（FAQ）

Q: 完整流水线大约需要多少 token？
A: 根据官方文档，一篇 15,000 字的论文完整流水线约花费 $4-6。建议在 Claude Code 中设置 Skip Permissions 以获得最佳体验。

Q: 支持哪些 AI 编码助手？
A: 目前主要支持 Claude Code。如果你使用 Codex CLI，可以安装姊妹版本 academic-research-skills-codex。

Q: ARS 会替我写论文吗？
A: 不会。ARS 的设计理念是”AI 是副驾驶，不是飞行员”。它帮你处理苦力活（文献检索、格式化、验证），但研究问题的定义、方法的选择、数据的解读仍然由你完成。

Q: 如何在中文环境下使用？
A: ARS 支持繁体中文作为默认输出语言。苏格拉底式引导和计划模式使用意图检测，可以识别任何语言的请求。如果触发关键词匹配不准确，可以在 SKILL.md 的 Trigger Keywords 部分添加中文关键词。

Q: 什么是 Material Passport？
A: Material Passport 是 ARS 流水线的跨会话恢复机制，记录了论文创建过程中的所有关键数据（研究问题、方法论蓝图、引用列表、版本历史等），支持在新会话中从中断点恢复。

进阶技巧

使用 Experiment Agent

如果你的研究涉及运行实验（代码实验或人类实验），可以在 ARS Stage 1（RESEARCH）和 Stage 2（WRITE）之间插入 Experiment Agent：

1

ARS Stage 1 RESEARCH → 实验 Agent → ARS Stage 2 WRITE

跨模型验证

设置 ARS_CROSS_MODEL 环境变量，启用 GPT-5.4 Pro 或 Gemini 3.1 Pro 进行完整性交叉验证：

1

export ARS_CROSS_MODEL=true

索引审查材料

通过 Material Passport 的 literature_corpus[] 字段，可以导入你已有的文献库（PDF 文件夹、Zotero 导出、Obsidian 笔记）：

1
2
3
4
5

literature_corpus:
  - authors: [...]
    year: 2025
    title: "Paper Title"
    source_pointer: "path/to/paper.pdf"

总结

通过本教程，你已经掌握了 ARS 的核心用法：

1. ✅ 安装和配置 Academic Research Skills
2. ✅ 了解 4 大核心模块（Deep Research / Academic Paper / Reviewer / Pipeline）
3. ✅ 掌握 10 阶段论文流水线的使用方法
4. ✅ 理解 ARS 的防幻觉机制（引用验证、完整性校验门、反谄媚协议）
5. ✅ 了解支持的论文结构和引用格式

ARS 的核心价值在于让 AI 成为可靠的研究助手，而不是一个可能编造引用、逻辑矛盾的自动化论文生成器。通过人机协作模式，你可以专注于真正需要人类判断力的研究工作，同时让 AI 处理最耗时的苦力活。

📖 官方仓库：github.com/Imbad0202/academic-research-skills
📖 架构文档：docs/ARCHITECTURE.md
📖 安装指南：docs/SETUP.md

如何引用本文：本文基于 ARS 官方 README v3.9.4.2（2026-05-22 验证）编写。引用 Lu et al. (2026, Nature 651:914-919) 和 Zhao et al. (2026-05, arXiv:2605.07723) 作为学术背景来源。