夜雨聆风最近这两年，用 AI 写论文这事，已经从「偷偷摸摸」变成了「明面操作」。
无论本科生赶毕业论文，还是研究生写期刊投稿，多少都会让 GPT 或者 Claude 帮一把。
但凡用过的人都知道，AI 写得是真快，问题也是真多。
比如让 AI 帮忙写一段文献综述，它引用了五六篇看起来超级权威的论文，作者、年份、期刊全都齐整。
结果到网上一搜，发现根本不存在。
更尴尬的是文风。AI 写出来的段落，那股子「一眼 AI 味」，导师扫一眼就知道。
满屏的「综上所述」、「值得注意的是」，加上整齐到诡异的三段式排比，藏都藏不住。
直到最近，一个名叫 academic-research-skills 的开源项目，短短几天暴涨了 12600+ Star。
它把自己定位为 Claude Code 上的一套学术研究技能包，覆盖从研究、写作、同行评审到终稿的完整流程。
作者的态度也挺有意思，README 里写着：「AI 是副驾驶，不是机长。这工具不会帮你写论文，它处理苦工。」
整套技能包由四个模块组成，背后串联了 10 个阶段、40 多个智能体协作。
跑下来的链路大致是：前期定题加文献调研，中期写初稿和自我审稿，后期修订定稿，每个环节都有专门的智能体负责。
而最戳我的设计，是它的「诚信关卡」。
在写作过程的两个关键节点，系统会自动跑一遍引用核验。
虚构的引用、统计错误、方法论漏洞，全部当场拦下来。
官方放出的示例里，光是审稿前那一轮，就抓出了 15 条虚构引用和 3 处统计错误。
这种事情靠人眼复查得花一整天，让 AI 自己审自己反而更靠谱。
另一个挺让人意外的功能，是它的「风格校准」。
我们只要丢三篇以上自己过去写过的论文进去，它会去学习我们的句式节奏、用词偏好。
写出来的稿子能更贴近本人风格，把「一眼 AI 味」那种感觉削掉不少。
除此之外，它还内置了一个苏格拉底引导模式。
不是直接帮我们生成研究问题，而是反问一连串「为什么」，逼着我们自己把思路想清楚。
比如我们说想研究「AI 对教育的影响」，它会反问：你说的「影响」指的是学习成效、师生关系、还是评估方式？
锁定具体角度之后才往下走，避开「AI 顺着错误框架越写越精致」的常见陷阱。
跑 /ars-plan 这条命令就能进入这个模式，慢慢把章节结构聊明白。
安装也不复杂，作为 Claude Code 的插件直接装就行：
/plugin marketplace add Imbad0202/academic-research-skills/plugin install academic-research-skills
跑完两条命令，整套技能包就接进 Claude Code 里了。
至于费用这块，作者也在文档里提及了一下。
跑完整的 10 阶段流程，写一篇 1.5 万字的论文，大约消耗 4 到 6 美元 API 费用。
另外还需要我们投入 2 到 4 小时陪着它一起跑。
主要是各个阶段的关键节点需要我们做决策、确认、给反馈，不是全自动放养。
如果只想用其中某个子模块，比如让它帮我们审一下自己的稿子，或者只跑深度研究做文献综述，消耗会少很多，门槛也低。
写在最后
这个项目让我有点感触的地方在于，它没有走「全自动 AI 写论文」的路线。
今年 Nature 上发了一篇 The AI Scientist，端到端自动生成论文，连盲审都通过了。
但论文作者自己也老实承认，这种全自动系统会出现实作错误、幻觉实验结果等一堆问题。
而 academic-research-skills 走的是另一条路：让 AI 干苦工，把判断留给人。
搜文献、对格式、验数据、查逻辑这些机械活交给它。
至于问题怎么定义、方法怎么选、那句「我认为」后面写什么，这些还是得我们自己来。
学术圈对 AI 的态度，这两年也在悄悄转向。
Nature、ICLR、IEEE 等期刊会议陆续要求作者披露 AI 使用情况，这个项目内置的「AI 使用披露生成器」，刚好踩上了这波节奏。
至于 AI 该不该参与学术研究、参与到什么程度，这事每个人答案都不一样。
但可以确定的是，假装没用过 AI 的时代，已经过去了。
GitHub 项目地址：https://github.com/Imbad0202/academic-research-skills
今天的分享到此结束，感谢大家抽空阅读，我们下期再见，Respect！
