bo老师
开源仓库Galaxy-Dawn/claude-scholar4,573 Stars

claude-scholar

半自动化科研助手，用证据契约机制贯穿选题、实验分析、写作到审稿响应

专为计算机科学和AI/ML研究者设计的半自动化助手，人不做决策替代、助手加速周围工作。它的核心是一套证据契约机制，确保论文中每条结论都能追溯到实验证据或文献支撑。

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

  • 需要把模糊研究想法变成有证据支撑的选题方案
  • 想在实验结果分析前先锁定度量标准和比较框架
  • 写ML论文时要求每句结论都能追溯到实验证据
  • 收到审稿意见后需要逐条对应论文证据来组织回复

先准备什么

材料越清楚，结果越有用

  • •准备好研究问题和现有的实验数据或文献笔记
  • •安装并配置Zotero及Zotero MCP用于文献管理
  • •明确目标会议或期刊的模板和格式要求

它会怎样推进

从材料到可以检查的结果

  1. 01

    选题构思

    从模糊兴趣出发，做5W1H头脑风暴和gap分析，形成带SMART问题的研究卡

  2. 02

    文献检索入Zotero

    多源搜索论文，按DOI/arXiv优先级过滤，导入Zotero并附加PDF全文

  3. 03

    实验分析

    先锁定主问题、度量、单位和比较族，再跑严格统计和生成科研图表

  4. 04

    论文写作

    每句结论追溯Claim Candidate或Evidence Record，不支持的结论显式标记

  5. 05

    审稿响应

    拆审稿意见为子问题，分类后逐条给出带论文位置/表格/图的证据锚点

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/Galaxy-Dawn/claude-scholar
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

  • 论文中每个claim是否都有对应的实验证据或文献支撑
  • 统计结果是否报告了95%置信区间、效应量和多重比较校正
  • 引用是否经过DOI/arXiv/CrossRef逐条验证
  • 审稿回复中每条response是否有具体的论文位置锚点

常见误区

这些判断仍由你负责

  • 把claim strength从speculative静默升级为supported而不补证据
  • 用abstract-only来源支撑论文正文的耐用结论
  • 在证据不足时强行推进到proposal阶段而非停在问题卡

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

    ML论文写作与引文校验

    把研究仓库证据/草稿转成会议级论文草稿（NeurIPS/ICML/ICLR/ACL/AAAI/COLM），每句正文经 Claim Ledger gate 追溯到 Claim Candidate 或 Evidence Record，保留允许/禁止措辞，不支持的 claim 显式标记而非润色。配套引文校验：写作时即时验证，权威源优先（DOI/arXiv/CrossRef/Semantic Scholar），AI 生成引文约 40% 错误率必须逐条验证。

  2. 02

    发表级图表生产

    把科学沟通目标 + 数据形状转成发表级 pubfig 图和 pubtab 表，经环境探针（自动安装 pubfig/pubtab）、任务分类（figure/table/mixed × draft/final/revision）、画图前锁证据契约（primary claim/unit/metric/误差棒基础/winner 主张许可）、选表示族、工具链映射、最小可运行代码生成。失败时降级为 spec/pseudocode。

  3. 03

    实验结果分析BlockerFirst

    把原始实验产物（CSV/JSON/TSV/logs/checkpoints/seeds）转成带统计严谨性的分析 bundle（analysis-report + stats-appendix + figure-catalog + figures），经 Blocker-First Gate 锁定 primary question/metric/unit/seeds/provenance/comparison，quarantine 自相矛盾的统计文件，严格统计（描述统计 + 95%CI + 显著性检验 + 效应量 + 多重比较校正），产出真实科研图和 claim candidates。这是该仓库的核心差异化能力。

  4. 04

    审稿响应与逐点rebuttal

    把审稿意见转成证据锚定的逐点 rebuttal：拆 atomic objections → 分类（Major/Minor/Typo/Misunderstanding）→ 选策略（Accept/Defend/Clarify/Experiment）→ 每条 response 必须含 evidence anchor（paper location/result table/figure/citation/ER ID）→ 包就绪度分级（ready/draft/placeholders/blocked）。红线：不忽略任何审稿意见、不改写 reviewer 原话、不编造实验/引文/行号。

能力主要输入主要输出人工检查

ML论文写作与引文校验

源码已核对

  • 研究仓库 / 草稿 / 实验证据 / 文献笔记。
  • 面向 NeurIPS/ICML/ICLR/ACL/AAAI/COLM 的论文草稿。
  • 引文校验报告。
  • 核对结果是否符合当前研究问题和证据边界

发表级图表生产

源码已核对

  • 科学沟通目标 + 数据形状 + 可选现有资产。
  • pubfig 图 + pubtab 表（含文件名/格式/导出/QA/修订计划）。
  • 核对结果是否符合当前研究问题和证据边界

实验结果分析BlockerFirst

源码已核对

  • 实验目录（CSV/JSON/TSV/logs/checkpoints/seeds）。
  • 分析 bundle：analysis-report.md + stats-appendix.md + figure-catalog.md + figures/。
  • read-only audit mode 是显式人工确认点：证据缺失时只出 blockers 不强行产出。

审稿响应与逐点rebuttal

源码已核对

  • 审稿意见文件/文本 / editor decision letter / reviewer comments / 修改记录。
  • rebuttal.md + 可选 review-analysis.md + experiment-plan.md。
  • Nature 系：Response strategy + Comment-response tracker + 逐点响应信 + Manuscript change checklist + Missing info/risk flags。
  • 包就绪度分级是显式人工确认点。

文献检索与Zotero集成

源码已核对

  • 研究主题（+ 可选 scope/outputtype）。
  • Zotero 集合树（五子集合）。
  • research-question-card.md。
  • 可选 literature-review.md / research-proposal.md / references.bib。
  • 核对结果是否符合当前研究问题和证据边界

选题构思与证据契约

源码已核对

  • 一个模糊研究主题/兴趣。
  • research-question-card.md（始终生成）。
  • literature-review.md（仅当证据充分）。
  • research-proposal.md（仅当通过 Proposal Readiness Gate）。
  • Proposal Readiness Gate 是显式人工确认点：决定是否进入 proposal。

处理机制

  1. 01

    证据契约与claim强度门控

    claude-scholar 的多张能力卡共享一条证据约束链：从模糊课题经 Proposal Readiness Gate 进入研究，文献经源质量过滤和 Evidence Record 编号，实验结果经 Blocker-First Gate 和 Claim Candidate 构造，claim 经 Claim Promotion Gate 进入写作/综述/rebuttal，四级 claim strength 禁止静默升级。本机制卡说明这些对象如何跨能力传递，以及哪些状态会阻断或降级。

已核对范围

  • 静态确认 ml-paper-writing 的 Claim Ledger gate 和六套会议模板
  • 静态确认 citation-verification 的权威源优先序和 API 客户端
  • 静态确认 nature-writing 的论证先行架构
  • 静态确认 publication-chart-skill 的环境探针和证据契约锁定
  • 静态确认表示族分类（comparison/ablation/distribution/relationship/trend/diagnostic/composition/table）
  • 静态确认依赖 pubfig/pubtab 自动安装和降级路径
  • 静态确认 results-analysis 的 Blocker-First Gate 和 read-only audit mode
  • 静态确认 Claim Candidate 四级 claim strength 和 quarantine 机制

仍待核对

  • 未真实运行论文写作
  • 未验证引文 API 客户端实际可调通性
  • 未真实运行图表生成
  • 未验证 pubfig/pubtab 在无网络环境的降级质量
  • 未真实运行 results-analysis
  • 未验证真实科研图的生成质量
  • 未真实运行审稿响应
  • 未确认 nature-response tests/rubric.md 是否被 CI 执行

读取版本

source-reviewed

许可

MIT

最近核对

内容 2026-06-19
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