为什么你需要ai-research-skills?AI做科研的5大痛点与防幻觉引用方案
为什么你需要ai-research-skills?AI做科研的5大痛点与防幻觉引用方案
如果你正用 AI 写文献综述、整理项目上下文,ai-research-skills 就是一个为你准备的开源科研工作流技能目录:它提供 17 个可移植的科研技能(SKILL.md)、8 个阶段的完整流水线,以及一套"证据不足就拒绝下结论"的防幻觉引用机制,支持 Claude Code、Codex、Gemini、Cursor、OpenClaw 等主流 AI 客户端。这篇文章带你看完它解决的 5 大痛点,以及上手方式。
AI 做科研的 5 大痛点:你中了几条?
项目作者在 README.md 中把痛点写得很直白——这不是"能用但不好用",而是会直接影响你论文生死的问题:
痛点 1:每次新会话都要重新解释一遍背景
打开新的 AI 会话,模型对你的研究问题、已完成的实验、上周刚补上的 gap 一无所知,前 10 分钟都在重复粘贴上下文——明天再来一次。
痛点 2:AI 一本正经地引用不存在的论文 ⚠️
模型写出 "as Chen et al. (2024) demonstrated…",这篇论文根本不存在。你这次发现了吗?写进 reviewer 回复里的幻觉引用,可能直接换来 desk-reject(直接拒稿)。
痛点 3:读了 50 篇论文,仍不知道哪个 gap 值得做课题
真正的 gap 判断需要回答三个问题:这个 gap 是否仍然开放?补上它是真实贡献还是已有工作的排列组合?你有限的时间内能不能做完?一段"research gap 摘要"回答不了任何一条。
痛点 4:AI 写的文字"一股 AI 味"
"Furthermore"、"It is noteworthy that"、满篇没有明确立场的模糊句——审稿人和资深合著者两段之内就能闻到,你的稿子优先级会悄悄掉下去。
痛点 5:在 Claude / Codex 之间切换,状态全丢
用 Claude 设计思路、Codex 搭代码骨架,每切换一次都要花 5 分钟重新对齐进度,除非交接是显式且持久的。
防幻觉引用方案:三条设计原则
ai-research-skills 的解法不是"提示词玄学",而是三条贯穿全部 17 个技能的承重原则(详见 docs/design-philosophy.md):
| 原则 | 做法 | 解决痛点 |
|---|---|---|
| 1. 项目清单(Manifests) | 研究状态存成可提交的 YAML/Markdown 文件(.research/、.paper/),新 AI 会话读清单即可自行"入职" |
痛点 1、5 |
| 2. 带防泄漏规则的模式(Schemas) | 每个跨技能产物都有 YAML schema:声明若没有 evidence_artifacts 证据,强制标记为 status: gap + gap_reason,绝不允许写成 supported;do-not-pursue 的候选在结构上就被隔离 |
痛点 2、3、4 |
| 3. 按角色路由(Routing) | 高 token 的机械批量工作交给 Codex,有界机械工作交给 Antigravity,长上下文综合、判断、终审留给主模型;路由会写协调文件,让每个代理只读自己的 brief | 痛点 5 |
核心就是第二条:用结构化的"证据-声明"绑定,把幻觉挡在产物生成的源头。没有证据支撑的声明无法标记为"已支持",下游工具会直接拒收。想看真实示例,可以对照 docs/example-paper-memory-claims.yml 中的 claims 状态字段。
人机协同:哪些步骤自动跑,哪些必须人工把关
在可自动化的地方全自动,在后果重大的地方强制人工决策——这就是该项目 human-in-the-loop(人在回路)的状态机设计:只读、可逆的步骤自动继续,而范围承诺、外部写入、语义性修改、发布授权都停在人工审批门。
八阶段流水线:从"想读读 X"到"论文已提交"
完整流程覆盖 Discover → Find the Gap → Frame → Plan → Build → Run → Visualise → Submit 八个阶段,每个阶段的输出就是下一阶段的输入,交接是机械式的 YAML schema 而非"凭感觉"。编排技能 research-workflow-orchestrator 负责状态保存与断点续跑。
| 阶段 | 关键技能 | 产出 |
|---|---|---|
| 1 文献发现 | research-hub、paper-summarize |
.bib + 单论文 Key Findings 笔记 |
| 2 找到 gap | gap-to-topic、literature-triage-matrix |
topic_dossier.gaps.yml(含 verdict 判定) |
| 3a 框定 RQ | research-design-helper |
design_brief.md |
| 3b 项目规划 | research-context-compressor |
project_manifest.yml |
| 4–6 建模/运行/可视化 | 主模型或委托 CLI | 代码、图表与分析脚本 |
| 7 撰写稿件 | paper-memory-builder、academic-writing-skills |
.paper/claims.yml(带防泄漏规则) |
| 8 提交+回复 | academic-writing-skills |
reviewer-response.md |
各阶段的完整叙事与工具表见 docs/pipeline.md,每个阶段都配了真实产出样例,例如 docs/example-literature-review-deliverable.md 和 docs/example-topic-dossier.md。
30 秒上手:最快安装步骤
Claude Code 用户(最快路径):
claude plugin marketplace add WenyuChiou/ai-research-skills
claude plugin install research-workspace@ai-research-skills
装完用 claude plugin list 验证 research-workspace@ai-research-skills 已启用,然后直接用自然语言下达研究目标,例如:"为某领域构建文献分诊矩阵,验证文献标识符,保留矛盾点,先给我看证据缺口再建议下一步。"
需要按需追加的可选插件(稿件写作、Zotero 管理、多 CLI 委托)及 Codex / Cursor / Gemini CLI 的加载方式,完整配方在 docs/install.md;环境从零配起请看 docs/setup-guide.md。
偏好 clone 仓库的用户:
git clone https://gitcode.com/gh_mirrors/air/ai-research-skills
适合谁、有什么限制
- 研究生、博士生、博后、科研助理:按八阶段流水线走,装 12 技能的 research-workspace 插件即可起步
- AI/代理框架开发者:架构、状态机与恢复机制在 docs/for-agent-harness-builders.md
- 诚实声明:该目录由一名研究生研究者组装测试,领域偏向水资源与基于主体的建模,尚未经过大规模语料验证——这类限制在 README.md 的 Limitations 一节写得明明白白
想跑通真实案例感受效果,仓库自带 dogfood 语料 test-corpus/(含文献综述样例与 NotebookLM brief 验证记录),或通读 docs/examples.md 的逐技能输入输出导览。
一句话总结:ai-research-skills 让 AI 科研从"黑盒生成"变成"可检查的工作流"——证据先行、缺口显式、人工把关,这正是对抗幻觉引用最务实的方式。

