这个 Skill 提供了哪些能力
点开任一能力,看清怎么用
每个能力展开后是三件事:它会给你什么、你需要准备什么、哪些必须由你把关。
常见场景:需要在PubMed、OpenAlex、Semantic Scholar等数据库同时搜索论文;在设计实验前想确认样本量是否足够检测到预期的效应量;写完论文后想用结构化审查模板做同行评审式的自查;需要在设计实验时自动生成随机化方案和区组分配
帮你审一篇论文或一份申请书:它按固定顺序过一遍材料,从方法、统计、图表到伦理逐项检查,最后给你一份分主次的修改意见清单。
它会给你什么
- 一段总体评价。
- 主要问题清单,按严重程度和能不能修复排序。
- 次要问题清单,比如措辞、格式这类小问题。
你需要准备
- 要审的论文、基金申请书、预印本或演示材料。
- 目标期刊或会议,以及它的评审要求。
- 可选:指定要遵循的报告规范,医学、观察性研究、系统综述等领域各有通用规范。
由你把关
- 目标期刊的评审口径你是否已经掌握。
- 哪些问题严重到值得建议退稿或大修。
- 意见里有没有要求超出这篇论文范围的新实验。
你说一句想找什么,它去好几个学术数据库帮你查:找论文、查引用、找免费全文都行,每一步查询都留有记录,可以回溯核对。
它会给你什么
- 查过哪些数据库的清单,每个库查了什么。
- 每个数据库返回的原始结果。
- 哪些库没查到或查空了,以及它换用什么方式补救。
你需要准备
- 一句自然语言需求,比如“找某主题近五年的论文”“查某篇文献被谁引用过”。
- 可选:手上已有的论文编号,如 DOI、PMID、arXiv 编号。
- 可选:相关数据库的访问密钥,缺的时候它会明确告诉你。
由你把关
- 你要的是“找到候选论文”,还是“证明某个说法有依据”,这两种用法不一样。
- 多个库的结果要不要合并去重、重新排序。
- 去重时只按标题粗匹配可能出错,重要场合要人工复核。
帮你把研究问题变成一份能落地的实验方案:怎么分组、怎么随机、怎么控制干扰,都写成可以检查的方案文件。
它会给你什么
- 一份结构化的研究设计说明。
- 随机分组方案和实验布局表。
- 各组数量是否平衡、分组顺序等核对信息。
你需要准备
- 研究问题,要比较的处理组和对照组。
- 实验单位是什么(一个个体、一窝、一个培养孔等),以哪个层级做随机。
- 打算用多少样本量。
由你把关
- 接受处理的层级和随机分组的层级是不是一回事。
- 同一批的重复测量有没有被误当成独立重复。
- 哪些干扰因素必须分组控制,哪些记下来当协变量就行。
帮你把已有材料写成规范的论文段落:从摘要到讨论按固定结构组织,引用格式和期刊要求都能对上。
它会给你什么
- 论文各部分草稿:摘要、引言、方法、结果、讨论,以及投稿信。
- 研究报告或白皮书的结构框架。
- 图表规划、图文摘要和图注。
你需要准备
- 研究问题、目标期刊、文章类型和读者。
- 已有的结果、图表、方法说明、研究局限和参考文献。
- 之前文献检索步骤整理出的要点(如果用了配套的检索能力)。
由你把关
- 每个论断有没有真实来源支撑。
- 目标期刊对摘要格式有没有特殊要求。
- 图是真要生成,还是只需要先出规划。
帮你选对统计方法:先看数据长什么样,再定检验方法、查前提条件,最后把结果整理成规范的报告格式。
它会给你什么
- 数据状态说明。
- 选了哪种检验方法、为什么选它。
- 前提条件检查的结果。
你需要准备
- 研究问题和假设。
- 一份数据表,至少要有结果变量和分组或自变量列。
- 每个变量的类型:连续、二分、分类、等级、计数或生存时间。
由你把关
- 研究问题和变量类型有没有被理解对。
- 各组之间是否独立,有没有配对、重复测量或聚类的数据。
- 缺失数据和剔除规则要不要你来确认。
帮你算样本量:要做多少例结果才可信,或者按已有条件反推能查出多大的效果,并给出不同方案的对比。
它会给你什么
- 每组或总共需要多少样本量。
- 在给定条件下实际能达到的功效。
- 最小能检测出来的效果差异。
你需要准备
- 实验设计和打算用的统计方法,两组均值比较、配对比较、方差分析、比例比较、相关、卡方、回归等常见类型都可以。
- 四样里的任意三样:样本量、预期效果大小、显著性水平、统计功效。
- 这个检验需要的其他参数,它会逐项向你要。
由你把关
- 效果大小的估计从哪来:前期数据、文献阈值,还是拍的。
- 功效计算用的方法和实际打算做的分析是否一致。
- 要不要用单侧检验,理由是否站得住。
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。开始前想清楚要用哪个能力、把对应材料备在手边——每张能力卡展开后有具体清单。
第一次直接复制
帮我安装这个库:https://github.com/K-Dense-AI/scientific-agent-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。
别这样用
这些判断,仍然由你负责
- 不提供效应量就让代理算样本量——结果就是一个武断假设上的数学推演
- 把统计功效分析做一次性的事后解释——它应该用于实验设计前,不是数据收集后
- 用代理做同行评审时把问题清单当最终评审——模型不能替代对实验事实的核实
- 跨数据库检索结果不核实出版年份和版本——不同数据库的元数据更新时间不同
技术依据
查看能力拆解、验证范围与来源
技术依据
查看能力拆解、验证范围与来源
处理机制
- 01
skill市场准入与安全扫描
解释 scientific-agent-skills 作为大型 skill 集合,怎样通过目录结构、frontmatter、版本、安装路径、贡献规范和安全扫描,把单个 skill 变成可分发、可审查、可安装的 agent 能力单元。
已核对范围
- 只读上游仓库 2b4cce7
- peer-review/SKILL.md
- commonissues.md
- reportingstandards.md
- generateschematic.py
- SECURITY.md 中 peer-review 的 critical 摘要线索
- 无外部 API 的评审判断合同 dry run
- 自造 manuscript 样本的 major、minor、question 和 final recommendation
仍待核对
- 未审阅真实论文或 grant 样本
- 未运行 presentation PDF 转图审阅流程
- 未调用示意图生成脚本
- 未验证评审意见和原文行号映射
- 未验证不同 venue 的 reviewer expectations
- 未验证原始数据、代码和伦理文件审查
- 未验证 API key 模式
- 未验证 rate limit 和 429 重试
读取版本
2b4cce7d8763232864fa3dff701e311636bcc62f许可
MIT
最近核对
内容 2026-06-15
Stars 2026-07-11
相关文章
具备相关能力的其他库
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。