字数 2673，阅读大约需 14 分钟

AI 写论文最危险的，不是写得差，而是看起来太真

秋明札记，记录 AI 和新工具，如何重写普通人的工作与学习方式

最近看到一篇文章，标题很朴素，叫《学术写作不该是一个人的事》。

我读完以后，第一反应不是“AI 又能写论文了”，而是有点警觉。

因为学术写作里最麻烦的事，从来不只是写字。真正耗人的地方，是找文献、收敛问题、整理引用、对齐方法论、回应审稿意见、检查格式、反复确认每一个数据和出处。

如果 AI 只是帮你多写几段话，价值其实有限。

但如果它能把这些琐碎、重复、容易出错的环节接起来，变成一条可检查、可回退、可追踪的流程，那事情就变了。

原文介绍的是一套开源工具 Academic Research Skills，简称 ARS。它本质上是一组面向 Claude Code 的学术研究 Skills，把研究、写作、审查、修订、定稿拆成一个完整工作流。作者在 2026 年 3 月发布文章，4 月更新时，ARS 已经从 v2.9 迭代到 v3.3.6，增加了反谄媚机制、跨模型验证、知识隔离、Semantic Scholar API 验证、VLM 图表检查等能力。

它不是代写工具，而是研究流程工具

ARS 最值得注意的地方，是它没有把自己包装成“输入题目，输出论文”的黑盒。

它把一篇论文拆成 10 个阶段：

研究，写作，诚信审查，模拟审稿，修订，再审稿，再修订，最终诚信审查，格式化定稿，过程记录。

在每个阶段之间，都有 checkpoint。也就是说，AI 不是一路狂奔生成到底，而是走一段，停下来，让你确认方向有没有偏。当前项目的架构文档也把这套流程写成了明确的 pipeline：研究进入写作，写作后先过 2.5 阶段的完整性检查，再进入审稿和修订，最终在 4.5 阶段做最终诚信审查。

这点很重要。

很多人用 AI 写长文，最大的问题不是它不会写，而是它太会顺着你写。你给一个模糊问题，它能写出一篇看起来很完整的文章。结构有，引用有，语气也像那么回事。

但你仔细查，会发现研究问题可能没收拢，方法论可能撑不住，引用可能只是“看起来像真的”。

ARS 想解决的，不是让 AI 更会编，而是让 AI 更难偷偷编。

最打动我的，是它把“怀疑”写进了流程

原文里有一个细节很值得看。

作者用 ARS 跑完一篇展示论文后，又手动对全部 68 篇引用做 WebSearch 验证，结果发现 21 篇有问题，而且这些问题竟然通过了三轮 AI 诚信审查。其中包括完全捏造的出版物、作者名混入、年份和 DOI 错误，以及把博客文章包装成技术报告。

这件事很刺耳。

因为它说明一个现实：让 AI 检查 AI 写出来的引用，很容易变成“考生给自己改卷子”。

更麻烦的是，有些引用不是纯粹胡编，而是把几篇真实论文的作者、标题、期刊信息混在一起，拼出一个看上去非常可信的假引用。原文把这类现象称为“氛围引用”。它不像粗糙幻觉，反而更危险，因为它很像真的。

这也是我觉得 ARS 有价值的地方。

它不是假装 AI 没问题，而是把 AI 的问题暴露出来，再围绕这些问题继续加机制。比如每篇引用必须 WebSearch 验证，只有 VERIFIED、NOT_FOUND、MISMATCH 三种状态，不再允许“难以验证”这种模糊地带。后来又进一步加入 Semantic Scholar API，用程序化方式核对作者、年份、venue 和 DOI。

这比单纯宣传“准确率提升”更可信。

一个工具愿意把自己的失败样本写出来，说明它至少知道自己在和什么东西搏斗。

它真正改变的是研究者的工作姿势

ARS 里有几类能力，我觉得对普通研究者特别实际。

第一类是研究阶段。

deep-research skill 有 13 个 agent，支持苏格拉底模式、完整研究模式、快速 brief、文献回顾、事实查核、论文审查、系统性文献回顾等模式。它不是简单扔给你 50 篇文献，而是帮你从文献里压出研究问题、方法框架和可用论点。

第二类是写作阶段。

academic-paper skill 的重点不是直接写全文，而是先做 plan。先聊结构、研究问题、章节逻辑，再逐章写。它还支持风格校准，能参考你过去的论文，学习句式、引用方式和语气习惯。这里有个边界也说得很清楚，风格校准不是为了躲 AI 检测，而是为了让工具不要吞掉作者自己的声音。

第三类是模拟审稿。

ARS 会模拟主编、方法论审稿人、领域专家、跨领域审稿人和魔鬼代言人。最有意思的是魔鬼代言人，它不是帮你找优点，而是专门攻击你的核心论点。这个角色很像一个不太客气但很有价值的同行。

很多论文的问题，不是没人帮你润色，而是没人认真挑战你。

对博士、博士后和技术写作者都很有启发

这套工具最适合谁？

原文给出的答案是硕博士生、投稿研究者、审稿人、指导教授、做系统性综述的人，以及已经有初稿但需要改进的人。它尤其适合社会科学、人文、公共政策、管理、AI 伦理、数字人文这类以文献、论证和结构表达为主的方向。

但我觉得它对技术写作者也有启发。

很多人现在写技术文章、行业研究、内部报告，也会遇到类似问题：

资料太散，观点收不回来。

写着写着，前后逻辑变了。

引用了一堆材料，但自己也忘了哪句话来自哪里。

文章看起来完整，实际上关键判断没有被挑战过。

ARS 给我们的启发，不一定是每个人都要装这套工具，而是要重新理解 AI 工作流。

不要只问 AI 能不能写。

要问它能不能帮你形成一个更可靠的生产过程。

但它也不是银弹

ARS 也有明显边界。

它处理的是文字型研究流程，不替你做实验，不替你跑真实数据，也不适合数学密集型推导。自然科学、工程、医学这些领域可以用它做文献回顾和论文组织，但专业判断、实验结果和临床解释仍然必须由人负责。原文也明确说，模拟审查不能替代真正的同行评审，引用验证也不等于 AI 已经完整阅读了每篇论文全文。

成本也不低。

项目文档里估算，一次完整 10 阶段 pipeline，可能超过 200K input tokens 和 100K output tokens。以一篇约 15000 词、60 篇参考文献的论文为例，完整流程估算成本约 4 到 6 美元，单独使用 deep-research 或 reviewer 这类 skill 则会少很多。

所以它更像一套重型工具。

你不需要每次写作都跑完整流程。但当你要写论文、研究报告、投期刊、写博士后开题材料，或者准备一份严肃的技术白皮书，它就有价值了。

真正留下来的，是人的判断

原文里我最喜欢的一段，是作者复盘自己的使用经历。

他用 ARS 完成了一篇 15000 字、62 篇参考文献的论文，大约花了 5 到 6 小时，跑了两轮 pipeline。研究阶段省时最多，模拟审稿也指出了被忽略的问题。但最关键的章节，来自作者自己读完初稿后的一个问题：学习的定义本身会不会也在变？AI 没有主动提出这个视角，但一旦人类提出，它能迅速连接相关文献，帮助搭出理论论证。

这就是我认为比较健康的人机分工。

AI 适合做广度，做搜索，做整理，做校验，做重复劳动。

人要负责方向，负责问题，负责取舍，负责那句真正有分量的判断。

学术写作不该是一个人的事。

但它也不能变成一个人完全不在场的事。

真正好的 AI 研究工具，不是替你把论文写完，而是把你从格式、引用、重复核查这些消耗里拉出来，让你把精力放回最难的地方：

你到底想证明什么？

你为什么这么看？

你敢不敢让自己的观点先被狠狠挑战一遍？

参考资料

1. 1. Edward Wu：《學術寫作不該是一個人的事：一套開源 AI 協作工具如何改變研究者的工作流》
   https://edwardwu223235.substack.com/p/ai?r=4dczl&utm_medium=ios&triedRedirect=true
2. 2. Academic Research Skills for Claude Code GitHub 仓库
   https://github.com/Imbad0202/academic-research-skills
3. 3. Academic Research Skills Quick Start 安装指南
   https://github.com/Imbad0202/academic-research-skills/blob/main/QUICKSTART.md
4. 4. Academic Research Skills Architecture 架构文档
   https://github.com/Imbad0202/academic-research-skills/blob/main/docs/ARCHITECTURE.md
5. 5. Academic Research Skills Releases 版本更新记录
   https://github.com/Imbad0202/academic-research-skills/releases
6. 6. Claude Code Skills 官方文档
   https://code.claude.com/docs/en/skills
7. 7. Claude Code Overview 官方文档
   https://docs.anthropic.com/en/docs/claude-code/overview