bo老师
SkillOrchestra-Research/AI-Research-SKILLs10,603 Stars

AI Research SKILLs

面向AI研究Agent的大型技能库，覆盖从构思到论文的科研全流程

适合AI/ML研究者用Agent辅助完成从研究构思、实验执行到论文写作的全流程。通过自主科研调度器管理研究进程，按需调用98个领域技能执行具体任务，经引用核验后产出论文草稿。

bo老师判断：值得观察

方向值得关注，建议先确认当前任务是否真正需要它。

访问原仓库查看分享卡
...互动状态已更新

什么时候用

先判断任务是否合适

  • 想系统性用AI Agent辅助完成AI/ML研究的完整生命周期
  • 需要标准化的论文写作、引用核验和审阅响应工作流
  • 需要为研究Agent搭建覆盖训练、评估、推理和写作的技能库

先准备什么

材料越清楚，结果越有用

  • •明确的研究问题或已有实验结果的代码仓库
  • •目标会议或期刊信息，用于论文写作和格式装配
  • •Claude Code或兼容的AI Agent运行环境

它会怎样推进

从材料到可以检查的结果

  1. 01

    启动研究

    输入研究问题，自动初始化工作区、搜索文献并识别研究缺口与初始假设

  2. 02

    执行实验

    通过内层循环优先测试假设，调用领域技能执行并记录结果

  3. 03

    综合发现

    外层循环聚合所有实验结果，更新研究记忆，决定深入、拓宽或转向

  4. 04

    核验引用

    通过API获取可验证的BibTeX条目，无法确认的引用标注为占位符

  5. 05

    撰写论文

    生成带贡献叙事的完整初稿，通过会议checklist和引用门质量检查

第一次这样开始

把仓库地址直接交给 AI

先让 AI 说明环境和风险，再完成最小安装验证。跑通以后，再把自己的真实材料放进去。

第一次直接复制

帮我安装这个库：https://github.com/Orchestra-Research/AI-Research-SKILLs
安装前先告诉我需要什么环境，安装后帮我跑通一个最小示例。

结果出来后

先看这些检查点

  • 确认研究日志是否完整记录了所有关键决策和实验结果
  • 检查所有引用是否已核验，每个占位符是否有明确的补全计划
  • 验证论文初稿满足目标会议的格式、页数和checklist要求

常见误区

这些判断仍由你负责

  • 未在研究启动前锁定评价指标，导致实验后选指标的确认偏差
  • 让Agent凭记忆生成BibTeX引用，跳过引用外部核验环节
  • 一次性安装全部98个技能而不按需选择性加载
  • 用自治模式直接提交论文草稿，忽略人工对研究贡献表述的最终确认

技术依据

查看能力拆解、验证范围与来源

能力地图6 项已拆解能力
  1. 01

    ARA研究artifact编译与审阅

    把论文、代码仓、实验日志、原始笔记或会话过程转成 Agent-Native Research Artifact，并在结构验证后做语义审阅，检查证据、主张、探索路径和方法严谨性。

  2. 02

    技能发布同步与库存校验

    在 skill 目录或 npm package 发生变化时，用静态库存检查、GitHub Action、zip 打包、API 上传和 npm trusted publishing 控制仓库内容、marketplace 和 npm 包之间的同步状态。

  3. 03

    研究生命周期技能目录封装

    把 AI 研究生命周期中的模型架构、微调、后训练、分布式训练、评价、推理、RAG、论文写作和科研 artifact 等知识，封装成 agent 可发现、可触发、可渐进读取的 skill 目录。

  4. 04

    自主科研双循环调度

    把一个研究问题或已有研究状态，组织成持续运行的 AI 研究项目，借助内层实验循环、外层综合循环和 domain skill 路由推进到进展报告或论文写作。

能力主要输入主要输出人工检查

ARA研究artifact编译与审阅

源码已核对

  • PDF paper、arXiv 链接、GitHub repo、本地代码目录、notebook、实验日志、配置、训练输出、原始笔记、会议记录或对话。
  • 可选参数：--output <dir、--rubric <path。
  • 既有 ara/ 目录和会话历史。
  • 完整 ARA artifact 目录。
  • coverage gap patch 记录。
  • session provenance 记录。
  • 输入材料是否允许被完整读取。
  • 是否允许写 ARA 目录。
  • derived evidence 是否符合用户想要的复查粒度。

技能发布同步与库存校验

源码已核对

  • 文件系统中的 SKILL.md。
  • 顶层 category 目录。
  • README、CLAUDE、WELCOME、npm package README 中的库存数字。
  • 库存校验日志。
  • GitHub Action pass 或 fail。
  • marketplace zip payload 和 API response。
  • 是否允许上传 marketplace。
  • 是否允许发布 npm。
  • 是否接受 skip reason。

研究生命周期技能目录封装

源码已核对

  • 某个 AI 研究工具、框架、工作流或论文写作能力。
  • 官方文档、GitHub issue、示例代码、模板、脚本和参考资料。
  • 目录分类，例如 06-post-training、11-evaluation、20-ml-paper-writing。
  • 98 个 agent 可读 SKILL.md。
  • 23 个顶层研究能力类别。
  • README、CLAUDE、CONTRIBUTING 和 marketplace 中的目录导航。
  • 是否把它作为本地 skill 系统的参考来源。
  • 是否只吸收少数结构机制，还是对单个 skill 做二次拆解。
  • 是否进入第二阶段科研生命周期锚点碰撞。

自主科研双循环调度

源码已核对

  • 用户给出的模糊研究方向、明确研究问题或已有计划。
  • 已存在的 research-state.yaml、research-log.md 和 findings.md。
  • 可调用的 domain skill 目录，例如 data processing、training、evaluation、interpretability、paper writing。
  • 结构化研究工作区。
  • 实验协议、实验结果、raw data 和分析记录。
  • findings.md 中的综合叙事。
  • 是否允许持续运行和多轮自动实验。
  • 是否允许调用外部文献 API、GPU、云资源或模型服务。
  • 是否允许 agent 自行 commit protocol 和实验结果。

论文写作与引用核验

源码已核对

  • 研究仓库、README、results、outputs、experiments、configs、draft 文档。
  • 目标会议，例如 NeurIPS、ICML、ICLR、ACL、AAAI、COLM。
  • 已有 citation、.bib 文件、DOI、arXiv、Semantic Scholar 或 CrossRef 线索。
  • 论文大纲、Figure 1 计划、完整 first draft。
  • 已核验 BibTeX。
  • placeholder citation 列表。
  • 主贡献 framing。
  • 目标会议。
  • 关键结果选择。

跨agent技能安装与更新

源码已核对

  • 用户选择：everything、quickstart、categories、individual、list、update、uninstall。
  • 可选参数：--all、--category、--skill、--local。
  • 本机 agent 配置目录，例如 ~/.claude、~/.codex、~/.gemini、~/.cursor、~/.config/opencode。
  • 全局 canonical skill 目录。
  • 每个 agent 的 skills symlink。
  • 项目级 agent skills copy。
  • 是否允许写用户 home 下 agent 配置目录。
  • 是否允许安装全部 98 个 skill。
  • 是否允许建立 symlink 或删除已有路径。

处理机制

  1. 01

    安装状态与跨agent路径治理

    解释上游 npm installer 怎样在一个 canonical 目录、多个 agent skills 目录、项目本地 copy 和 lock file 之间维持安装状态，并指出它和本机 skill 单一真实源规则的迁移边界。

  2. 02

    库存漂移与发布门

    解释上游怎样用库存脚本、GitHub Action、zip 文件数保护和 npm version gate 控制技能库演进中的文档漂移、marketplace 同步和 npm 发布。

  3. 03

    技能目录与渐进披露结构

    解释该仓库怎样把 98 个 AI 研究 skill 组织成 agent 可发现、可路由、可按需深读的知识结构，并把总控层、领域执行层、论文写作层和 ARA 层放到同一目录体系中。

已核对范围

  • 已静态核验 ARA compiler、research-manager、rigor-reviewer 三个 SKILL.md 的输入、文件结构、验证和审阅机制。
  • 已静态核验 scripts/check-inventory.sh、check-inventory.yml、sync-skills.yml 和 publish-npm.yml。
  • 已静态核验 98 个 SKILL.md、23 个顶层类别、frontmatter 基本字段、README/CLAUDE/CONTRIBUTING 的目录与质量口径。
  • 已静态核验 0-autoresearch-skill/SKILL.md、references/skill-routing.md、references/agent-continuity.md 和模板目录中的机制描述。
  • 已静态核验 20-ml-paper-writing/ml-paper-writing/SKILL.md 的 repo 到 paper、citation gate、venue workflow 和 human feedback 边界。
  • 已静态核验 npm package、CLI 入口、agent detection、global install、local install、update、uninstall 和 lock file 逻辑。

仍待核对

  • 未编译真实 ARA，未运行 Level 1 校验，未生成 level2report.json。
  • 未触发 GitHub Actions、未上传 Orchestra marketplace、未发布 npm。
  • 未逐一评估 98 个 skill 的内容正确性、外部依赖有效性、官方文档新旧程度或真实 agent 激活效果。
  • 未真实运行 /loop、OpenClaw heartbeat、实验任务、progress presentation 生成或论文收口。
  • 未调用 Semantic Scholar、arXiv、CrossRef、Exa MCP，未生成 LaTeX 论文，未验证模板编译。
  • 未运行 npx 安装，未写入 ~/.orchestra，未创建任何 agent skill symlink，未验证 Windows copy fallback。

读取版本

773a52944ba4747a18bd4ae9ade53fff041adcbc

许可

MIT

最近核对

内容 2026-06-16
Stars 2026-07-11

已完成源码核对

相关文章

科研之我见

AI 科研全流程怎么搭，我梳理出三个核心入口

每天开工先固定阶段入口、材料入口和验证入口，把庞大的科研全流程收缩成一段可执行、可检查的任务。

查看内容

科研之我见

AI 可以参与科研的哪些环节？一张 11 环节工作流全景图

从选题、文献、理论、数据到投稿，逐环节判断 AI 可以主导、需要人工校验和必须由研究者把关的工作。

查看内容

科研之我见

如何从 300 篇候选文献中筛出 50 篇核心文献

把文献检索与筛选拆开，通过本地文献库、Zotero、外部数据库和引文追踪形成可回查的核心文献清单。

查看内容

具备相关能力的其他库

文献 · 验证

paper-qa

从本地论文和文档中检索证据并生成带精确引用的科研答案

查看内容

文献 · 分析 · 写作

grobid

把学术论文PDF解析成结构化TEI XML，提取元数据、全文结构和参考文献

查看内容

设计 · 分析 · 验证

CausalPy

用贝叶斯方法做准实验因果推断，含10+方法和稳健性诊断套件

查看内容

相关课程

把单项工具放进完整研究设计流程

课程一从研究问题、文献判断、理论假设和方法骨架继续推进，帮助你建立可以复用的研究设计档案。

查看课程一