research-paper

研究论文

一项可用于生产环境的 Agent 技能，可将任何兼容的编码 Agent （Claude Code、OpenCode、Cursor、Cline、Codex、Aider、Amp、Antigravity 以及其他 50 多种工具）转变为多 Agent 研究系统：

编排器 → 研究员 → 方法论专家 → 分析师 → 可视化专家 → 写作者 → 引文引擎 → 验证器 → 审稿人 → 发布者。

它可以生成完整、引文丰富、视觉效果出色、可直接发表的成果，支持 arXiv / IEEE / ACM / Nature / Harvard 风格，还可撰写文献综述、 论文、技术白皮书、综述论文和政策简报。

此文件是入口点，特意保持精简。更详尽的指导（说明、工作流、引擎、验证器、评分标准）位于下方的主题文件夹中，并通过 Claude Code 的文件系统工具按需加载（渐进式披露）。

---

1. 何时启用

斜杠命令（首选）

命令	功能
/research <topic>	完整的实证研究论文
/paper <topic>	与 /research 相同，限制更宽松
/literature-review <topic>	系统性 / 范围性 / 叙述性文献综述
/whitepaper <topic>	行业 / 技术白皮书
/thesis <topic>	论文 / 学位论文篇章
/survey <topic>	前沿综述 / 综述论文
/policy <topic>	政策简报或完整的政策论文

常用选项（适用于任意命令）： --style [harvard|apa|ieee|mla|chicago|nature|arxiv-numeric]、 --format [arxiv|ieee|acm|nature|harvard|...]、 --depth [quick|standard|comprehensive]、 --sources [N]、 --visualizations [auto|N|none]、 --audience [academic|technical|executive|general]。

自然语言触发语

• “撰写一篇关于……的研究论文 / 学术论文 / 科学论文”
• “针对……撰写文献综述 / 系统综述”
• “将此草稿排版为 IEEE / ACM / arXiv / Nature / Harvard / APA 格式……”
• “撰写一篇关于……的论文篇章 / 学位论文篇章”
• “撰写一份关于……的白皮书 / 综述论文 / 政策简报”
• “分析此数据集，并将研究结果写成论文。”
• “按 <style> 格式添加引文 / 参考书目 / 参考文献。”
• “对这份草稿进行同行评审 / 验证研究方法。”

不要用于

博客文章、营销文案、推文、日常问答或单段解释。这些内容无需此技能，按常规方式处理即可。

---

2. 操作原则（每次都要阅读）

0. 首先以今天的日期为准。 在进行任何规划、搜索 或写作之前，通过系统时钟 （date -u +%Y-%m-%d）、运行时上下文或询问用户，确定今天的实际日期。 绝不可默默地默认采用训练数据截止日期。 年份范围 （--years last-3）应根据今天计算，而不是根据模型的训练年份。 完整协议： instructions/freshness.md。
1. 先规划，再写作。 始终从 orchestration/pipeline.md 中的研究计划开始。 切勿直接开始写正文。
2. 渐进式披露。 只阅读当前步骤所需的文件。切勿预先加载整个技能。
3. 证据优先。 每项重要论断都必须有引文、数据集、公式或明确的推导作为依据。
4. 不得虚构引文。 切勿编造 DOI、页码、作者或卷号。用 [CITATION NEEDED] 或 [UNVERIFIED] 标记缺失信息，并在 Known gaps 中说明。
5. 可复现性。 从头到尾记录数据集、代码、环境、随机种子和超参数。
6. 双重表达。 兼顾学术严谨性，并为非专业人士提供“通俗易懂的摘要”（参见 prompts/simplification-prompts.md）。
7. 默认采用可视化。 比较、趋势、分布、结构、地理信息和流程都必须配有图表或表格 （参见 visualization_engine/decision-engine.md）。
8. 自我审查。 在交付前，运行模拟同行评审流程 （review_pipeline/）和出版检查清单 （quality_control/publication-checklist.md）。
9. 不得静默忽略失败。 任何缺失内容都必须在论文末尾的 Known gaps 部分中说明。
10. 支持多 Agent 协作。 对于长篇论文，按照 orchestration/agents.md 调度子 Agent。

---

3. 顶层工作流

intake → plan → lit-review → methodology → data-analysis →
visualization → drafting → citations → validation → review → ship

每个步骤都有专门的操作指南。阅读指南，完成步骤，将产物保存到磁盘，然后继续。详细的主流程： orchestration/pipeline.md。

---

4. 格式选择

如果用户未指定格式，请据此推断：

信号	使用模板
ML / NLP / AI / 预印本 / arXiv 风格	templates/arxiv-paper.md
工程 / 硬件 / 信号 / IEEE 会议	templates/ieee-paper.md
HCI / 系统 / SIGCHI / SIGGRAPH / ACM	templates/acm-paper.md
生物学 / 医学 / Nature / Science / 结构化论文	templates/nature-paper.md
社会科学 / 商业 / 人文科学 / Harvard	templates/harvard-paper.md
文献 / 系统性综述 / 范围综述 / 元分析综述	templates/literature-review.md
论文某章 / 学位论文	templates/thesis-chapter.md
白皮书 / 行业 / 企业	templates/whitepaper.md
综述 / 最新进展	templates/survey-paper.md
政策简报 / 监管	templates/policy-paper.md

如果仍有歧义，只询问一次，然后继续。

---

5. 引用格式选择

如果未指定引用格式，按领域映射至默认格式：

• CS / 工程 / 物理 → IEEE 数字编号
• ML / AI / 预印本 → 作者–年份制（兼容 Harvard / APA）
• 生物学 / 医学 / Nature → Nature 上标数字编号
• 社会科学 / 商业 / 人文科学 → Harvard（或 APA）
• 法律 / 历史 → Chicago

格式规则：citation_engine/citation-styles.md。各格式模块： citation_engine/styles/。确定性格式化工具为 toolchains/format_bibliography.py。

---

6. 可视化决策（摘要）

完整规则：visualization_engine/decision-engine.md 和 visualization_engine/visualization-guide.md。通过 toolchains/generate_charts.py 进行渲染；如果无法使用 Python，该技能 会回退到 Markdown 表格 + Mermaid 图表——绝不会悄悄 跳过计划中的图表。

沟通目标	推荐图表
比较离散类别	条形图 / 横向条形图 / 棒棒糖图
展示随时间变化的趋势	折线图 / 多折线图
展示分布	直方图 / 小提琴图 / 箱线图
展示关系	散点图 + 回归线
展示多个变量之间的相关性	热力图
展示整体的各个组成部分	堆叠条形图（优于饼图）
展示流向 / 转换	桑基图
展示结构 / 流水线	架构图 / 流程图
展示流程 / 决策	Mermaid 流程图
展示地理信息	分级统计地图 / 点地图
展示事件时间线	时间线 / 甘特图
展示概念层级	思维导图 / 树形图
并排展示指标	对比表

---

7. 工具要求

此技能分为三个层级，并能平稳降级：

层级	功能
0. 纯文本（无工具）	大纲 + 初稿 + Markdown 表格 + Mermaid 图表
1. + 文件系统读写	保存章节、参考书目、验证报告
2. + Python（pandas/matplotlib）	生成真实图表（PNG + SVG）、统计验证、数据分析
2+. + 网络搜索 / 抓取	DOI 验证、来源检索、撤稿检查
2+. + Pandoc（可选）	输出为 PDF / DOCX / HTML / LaTeX / RTF / EPUB / ODT / PPTX

如果缺少某个层级，技能会检测并调整——不会默默失败。 设置方法参见 toolchains/README.md。

输出格式

该技能默认生成 Markdown。若需其他格式，请运行 输出转换器：

python toolchains/convert_output.py --input paper-final.md --to pdf --out paper.pdf
python toolchains/convert_output.py --input paper-final.md --to docx
python toolchains/convert_output.py --input paper-final.md --to html
python toolchains/convert_output.py --input paper-final.md --to tex
python toolchains/convert_output.py --input paper-final.md --to epub

支持的目标格式（通过 Pandoc）：md（始终支持）、html、docx、pdf （需要 LaTeX）、tex、rtf、epub、odt、pptx。

自测：

python toolchains/convert_output.py --self-test

用户也可以直接请求非 Markdown 格式的输出：

/research "topic" --output paper.pdf
/research "topic" --output paper.docx

---

8. 输出规范

此技能生成的每份成果至少包含：

1. 标题 — 具体明确，不超过 15 个词。
2. 作者 / 所属机构信息块 — 未提供时使用占位符。
3. 摘要 — 150–300 词，采用结构化形式。
4. 关键词 — 4–8 个。
5. 通俗易懂的摘要 — 5–10 句话。
6. 按所选模板编排的编号章节。
7. 对于超过 1500 词的论文，至少包含一幅图和一张表 （纯理论论文且明确选择不包含图表的情况除外）。
8. 按所选格式添加文内引用。
9. 完整参考文献列表，附 DOI / URL。
10. 局限性章节。
11. 未来工作章节。
12. 可复现性声明（数据、代码、环境、随机种子）。
13. 附录，包含推导过程、超参数、提示词、原始输出。

任何缺失项都会在最终的 Known gaps 块中列出—— 绝不会悄悄略过。

---

9. 长上下文策略

对于超过约 10,000 字的论文：

• 继续处理前，先将每份产物保存到磁盘 （paper-spec.md → outline.md → bibliography.yaml → methodology.md → analysis/findings.md → figures-plan.md → sections/<NN>-<name>.md → paper-draft.md → paper-cited.md → paper-final.md）。
• 每次只阅读正在撰写的章节（以及大纲）。
• 通过大纲和最终通读全文来确保跨章节的一致性。

完整策略：long_context/strategy.md。

---

10. 多 Agent 编排

对于深入或并行运行，分派子 Agent：

Agent	读取	写入
研究员	prompts/literature-search.md	bibliography.yaml、lit-themes.md
方法学专家	prompts/methodology-design.md	methodology.md
分析师	prompts/data-analysis.md	analysis/findings.md
可视化专家	prompts/visualization-planning.md	figures-plan.md、figures/
撰写者（×N）	prompts/writing-prompts.md	sections/<NN>-<name>.md
引用整理员	prompts/citation-prompts.md	paper-cited.md
验证员	validators/	validation/
审稿人（×3）	prompts/review-prompts.md	review/

拓扑结构：orchestration/agents.md。

---

11. 故障处理

• 缺少数据 → 使用合成的示例数据集，并明确标注。
• 无法核实的来源 → 标记为 [UNVERIFIED]，并列入 Known gaps。
• 证据冲突 → 添加明确的“文献中的矛盾”小节。
• 超出范围的请求 → 缩小范围，并在 Future work 中列出舍弃的子主题。
• Token / 上下文压力 → 参见 §9。

完整的故障处理矩阵：orchestration/failure-handling.md。

---

12. 接下来查看

• 规划论文 → orchestration/pipeline.md
• 选择模板 → templates/
• 撰写章节 → prompts/writing-prompts.md
• 添加引用 → citation_engine/、workflows/citation-pipeline.md
• 制作图表 → visualization_engine/、workflows/visual-generation-pipeline.md
• 验证统计数据 → methodology_engine/statistical-methods.md、 toolchains/statistical_validation.py
• 自我审阅 → review_pipeline/、rubrics/academic-quality.md
• 发布 → quality_control/publication-checklist.md

始终优先阅读所需的具体文件，而不是重新阅读本文档。