bo老师
SkillYuan1z0825/nature-skills27,794 Stars

Nature Skills

覆盖论文精读、写作、润色、审稿回应与数据治理全流程的科研 Skill 集合

适合需要系统性提升论文表达质量的研究者，覆盖从文献检索、全文阅读、论文写作、图表生成到审稿回应与数据可用性检查的完整链路。使用时按任务选择对应 skill，先让工具诊断结构问题再输出文本或文件。

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

  • 需要从零起草 Nature 风格论文段落或全文
  • 投稿前想做多视角预审稿发现论证和技术风险
  • 收到审稿意见后需要逐条映射回应策略和修改清单
  • 需要为论文检索 Nature/CNS 候选引用文献，或转为中文学术 PPTX 与发表级图表

先准备什么

材料越清楚，结果越有用

  • •论文正文、图表、数据或中文写作草稿
  • •目标期刊名称与论文类型
  • •审稿意见原文与修改说明（审稿回应场景）
  • •需要支撑引用的论文段落或主张列表
  • •Python 或 R 运行环境（图表生成场景）

它会怎样推进

从材料到可以检查的结果

  1. 01

    选择技能入口

    根据当前任务（写作、润色、审稿、引用、图表、数据声明等）选择对应的 nature-* skill

  2. 02

    提交材料并接收诊断

    提交论文素材，工具先诊断结构、证据或数据缺口，而非直接输出成品

  3. 03

    生成结构化中间对象

    将论文转为 source map、论证书脊、评论追踪器或数据集清单等可检查对象

  4. 04

    输出草稿并标注风险

    产生段落、图表、回应信或 PPTX 草稿，同时标注缺失信息和不确定性

  5. 05

    逐项复核与迭代

    研究者逐一确认人工判断项（证据强度、数据可用性、回应可执行性），修正后交付

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/Yuan1z0825/nature-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

  • 输出的段落是否标注了缺失证据和不确定范围
  • 审稿回应 package 的 readiness 状态是否准确（draft/needs_input/blocked）
  • 图表是否符合目标期刊尺寸并保留可编辑文本
  • 引用候选是否只是 metadata-only，未与真实支持混同
  • Data Availability 声明是否发明了不存在的 DOI 或仓库标识符

常见误区

这些判断仍由你负责

  • 提交太薄的材料却期待完整成品——缺少 claim/evidence/boundary 时工具会返回缺口清单而非正文
  • 把 metadata-only 引用候选当成真实引文支持，跳过人工核查 abstract 或出版商全文
  • 跳过润色前的结构诊断直接做句子级语言修改，掩盖了段落逻辑错误
  • 把预审稿三评审报告当作真实同行评审结论或录用概率判断

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

    skill路由与片段加载

    把用户的科研任务请求，路由到某个 nature- skill，并按当前任务只加载必要的核心片段、轴片段和深度引用。

  2. 02

    主张分段引用检索与导出

    把论文段落或独立主张拆成可引用片段，为每个片段检索 Nature/CNS 家族候选文献，并导出参考文献管理文件和筛选材料。

  3. 03

    全文阅读来源锚点构建

    把论文 PDF、HTML、DOI、arXiv 或粘贴文本，转成带稳定来源锚点、双语段落、图表卡和 source map 的全文阅读包。

  4. 04

    图表契约到发布图形

    把论文图表请求、数据和目标期刊要求，先转成 figure contract，再用选定 Python 或 R 后端生成可编辑、可审查的发布级科学图形。

能力主要输入主要输出人工检查

skill路由与片段加载

源码已核对

  • 用户任务文本。
  • 已安装或已克隆的 skills/ 目录。
  • 某个 skill 的 SKILL.md 与 manifest.yaml。
  • 命中 skill 的可执行上下文。
  • 轴值或任务模式声明。
  • 后续 skill 产物，例如 paper.md、引用文件、Data Availability、PPTX、图表脚本或回应包。
  • 哪些 skill 适合进入本地系统。
  • MCP 是否需要改成常驻 HTTP/SSE。
  • shared 是否要拆成用户级公共规范，还是只作为该来源事实保留。

主张分段引用检索与导出

小样本已验证

  • Manuscript text、claim 文本、claim 文件或 DOI 列表。
  • 引用范围：nature、science、cell、cns、flagship。
  • 日期限制、每段候选数、输出格式和 artifact 开关。
  • segment to references mapping。
  • references.enw、references.ris 或 references.rdf。
  • 可选 HTML、TSV、JSON、Markdown report，文件 stem 跟随输出文件名或默认 base。
  • 核对结果是否符合当前研究问题和证据边界

全文阅读来源锚点构建

源码已核对

  • 可选择文本层 PDF、扫描 PDF、HTML、DOI、arXiv 链接或粘贴文本。
  • 论文元数据、正文、图、表、图注、页码。
  • 可选 PDF/OCR 工具。
  • paper.md 全文双语阅读包。
  • sourcemap.json 稳定锚点。
  • translationnotes.md 术语、不确定和布局说明。
  • 核对结果是否符合当前研究问题和证据边界

图表契约到发布图形

源码已核对

  • 目标 claim、数据、图表类型、期刊或导出要求。
  • 用户明确选择的 backend，或要求推荐 backend。
  • 统计信息、source data、图像完整性信息。
  • figure contract。
  • Python 或 R 绘图脚本。
  • SVG、PDF、TIFF/PNG。
  • 核对结果是否符合当前研究问题和证据边界

多源学术检索与引用文件管理

小样本已验证

  • 主题 query、作者、ORCID、DOI、PMID、arXiv ID。
  • 检索目标：多源搜索、引用核验、MeSH 策略、文件转换、参考文献管理。
  • 可选 API key、mailto、NCBI key、pybliometrics 配置。
  • 统一论文结果表。
  • DOI、PMID、arXiv 元数据。
  • 格式化 citation。
  • 核对结果是否符合当前研究问题和证据边界

审稿回应逐点映射

源码已核对

  • editor decision letter。
  • reviewer comments。
  • author actions、manuscript change notes、line/page、figure/table/supplement locations。
  • Response strategy summary。
  • Comment-response tracker。
  • Draft point-by-point response letter。
  • 核对结果是否符合当前研究问题和证据边界

处理机制

  1. 01

    manifest最小复刻

    说明 nature-skills 中 manifest.yaml 的最小可复刻结构。它解释一个 skill 怎样声明必读材料、分支轴、默认值、多选规则和按需深读材料。

  2. 02

    全仓机制总图

    解释 nature-skills 怎样从用户科研任务进入 skill、加载材料、生成中间对象、调用工具、交付产物和记录失败。这张卡补的是跨 11 张能力卡的接力关系，不替代单项能力卡。

  3. 03

    失败输出合同

    说明 nature-skills 在材料不足、工具缺失、检索失败、证据不足、质量检查不通过时，应该怎样把失败、缺口和风险写进交付物。这张卡补的是“停止后交什么”，不替代各能力卡的具体失败分支。

已核对范围

  • 真实 naturecitation.py 脚本
  • claim segment 生成
  • CrossRef metadata 搜索
  • Nature/CNS scope 过滤
  • RIS 和 review artifact 导出
  • 空候选 no candidate 输出

仍待核对

  • full text 支持判断
  • CrossRef 排序随时间漂移
  • 10 段以上长文 batch 稳定性
  • DOI 文件批量导出
  • skill router 自然语言触发
  • 非英文 claim 的真实翻译质量

读取版本

e906070

许可

MIT

最近核对

内容 2026-06-14
Stars 2026-07-11

部分完成验证

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

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

科研之我见

用 AI 写文献综述，怎样控制幻觉和证据断裂

把文献关系、核心文献筛选、方法矩阵和四类 Gap 分开处理，让综述中的每个判断都能回到具体材料。

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