科研圈最近流传一个开源项目：197 天攒下 5.2 万 Star，把「论文润色、画科研图、查文献、回审稿意见」这些活儿全包进了一套 AI 技能包里。
先给不熟悉这套玩法的读者一句话背景。所谓技能（skill），就是一份写给 AI 的说明书：你把它装进编码助手或命令行助手（也就是能自己读文件、跑命令的 AI 程序，通称 agent），助手遇到对应任务时会自己去读这份说明书，然后照着做。装得好，它像个熟练的科研助理；装漏了，它连说明书的第一页都翻不到。
我把它整仓拉了回来，六道官方自检全绿、159 个自动化测试通过。但当我按安装文档的写法，一个技能一个技能单独装、逐个试，发现 23 个可触发的技能里有 12 个的引用会直接断掉，其中 6 个连默认必读的文件都缺。项目不是坏在代码上，是坏在安装说明上。
它到底是一套什么东西
这个项目的作者叫袁一哲，仓库定位是「面向全球 AI 学者的可复用科研技能库」。拆开看是三层结构，很像一间按抽屉摆好的档案室。
最外面一层是技能目录：24 个文件夹，每个文件夹对应一件具体的事，从论文润色、投稿信起草、审稿人视角提意见，到把论文做成组会幻灯片、把一个实验画成投稿级图件。其中 23 个可以单独调用，剩下一个叫 nature-shared 的是「共享支持包」——一份被别的技能反复引用的公共材料，本身不单独干活。
中间一层是清单文件：每个技能目录里有一个声明文件，写清楚这个技能有哪些可选维度。以润色技能为例，它要你回答四个问题：论文属于哪一类、润色的是哪一节、原文是英文还是中文翻英文、目标是哪本期刊。你选完，它才去取对应的片段。
最里面一层是按需片段：真正教 AI 怎么写摘要、怎么组织的细则，被拆成几十个小文件，藏在「静态片段」和「参考资料」两个目录里，按清单文件的选择临时取用。
| 层次 | 放在哪 | 一份真实数据 |
|---|---|---|
| 技能目录 | skills/ 下 24 个文件夹 |
23 个可触发 + 1 个共享支持包 |
| 清单文件 | 每个目录的 manifest.yaml |
润色技能声明 4 个维度，18 个可选值 |
| 按需片段 | static/ 与 references/ |
润色技能目录下 29 个说明文件，共 7.1 万字 |
这套设计的反直觉点在最后一层：它没有把「怎么写 Nature 风格摘要」这种细则塞进主说明书，而是让助手先读清单、做完选择再取片段。主说明书只有 6,000 字左右，是一张路由表，不是教科书。
按它的设计意图走一遍完整的润色任务，助手实际要读 2.4 万字，占该技能全部材料的 33%，剩下三分之二永远不被读。换个说法：它用「先问清楚再翻书」替代了「一次背下整本手册」，这对上下文空间吃紧的 AI 助手确实是必要的取舍。
实测：自检全绿，装起来会断
我的验证分三步，全部在干净目录里重做，不依赖作者的任何口头说明。
第一步，跑它自带的六道仓库校验。这六道分别检查：技能目录该有的文件齐不齐、每个技能的元数据合不合规、清单文件里写的路径在不在磁盘上、技能索引与实际数量对不对、中英文说明是否一致、GitHub 工作流是否合法。结果是六道全绿，304 条引用路径一条不缺。
第二步，跑它自带的测试。scripts/tests 下 159 个用例全部通过，另有 9 个因为本机没装绘图相关的第三方库被跳过，不是失败。
第三步，做自检没做的那件事：把每个技能目录单独复制到一个空目录，模拟普通读者「只装一个技能」的情形，再检查它声明的必读文件还在不在。
结果就是开头那个数字。
| 实验 | 做法 | 结果 |
|---|---|---|
| 仓库校验 | 原仓库内跑 6 个校验脚本 | 6/6 通过，304 条引用 0 缺失 |
| 自动化测试 | pytest -q scripts/tests |
159 通过、9 跳过 |
| 单独安装实验 | 每个技能目录单独复制到空目录 | 23 个里 12 个出现断链 |
| 必修文件检查 | 只看「默认必读」清单 | 23 个里 6 个缺文件，润色与写作各缺 4 个 |
最难看的是润色技能：单独装之后，它引用的 21 个共享文件一个都不在，其中包括它每次开工都要读的写作立场、失败模式诊断、术语台账。这不再是「少了个可选资料」，而是说明书翻到第二页就断了。
为什么会这样？因为那 12 个技能都用相对路径去隔壁目录借材料，而安装文档只点名了 5 个需要一起装的技能。剩下 7 个——审稿人视角、回复审稿信、统计分析、数据声明、论文卡片、图文互读、论文转文档——一处都没提。读者照着文档做，装到这几个就会遇到「找不到文件」，而仓库自己的六道自检永远发现不了，因为自检只在原仓库里跑，那时隔壁目录还在。
我做了反向验证确认这不是误判：故意删掉一个技能的中英文说明文件，第一道校验立刻报错退出；故意在清单文件里写一条指向不存在文件的路径，元数据校验也立刻拦下。也就是说，校验工具本身足够严格，它只是从来没被喂进「单独安装后」的那种目录形态。
这是编排类项目（也就是把多个自动化步骤串成一条流水线的那类项目）最典型的一种漏检：检查工具和被测内容处在同一个目录结构里，工具便看不见结构之外的世界。项目的绘图技能占了整仓 41.6 MB 里的 35.4 MB，光图库就 28 MB，即便全量安装也要拖这份重量；而它给出的「只装需要的」路径，恰恰是没被验证过的那条。
和同类比，它适合谁
官方技能仓库（anthropics/skills，18.8 万 Star）是这类东西的地基，给的是「技能长什么样」的标准与样例，不解决具体学科问题。笔记软件那套技能（kepano/obsidian-skills，约 5.1 万 Star）走的是个人知识管理路线，把笔记、附件、检索串起来。设计师技能集（emilkowalski/skills，约 5.4 万 Star）面向界面与交互，专业面窄但成稿快。
这个项目的位置很清楚：它是垂直学科包，把 Nature 系期刊的行文规矩、图件规范、引用核验这些「导师口口相传、但没人写成规则」的东西固化下来。它的说明书里有一句我很认同的自我约束——「AI 不应该替作者发明论文的核心论证」，润色只做语言与结构，不碰数据与结论。这种边界感在同类里并不常见。
适合谁：正在写英文稿、又不熟悉目标期刊体例的研究生与青年研究者；需要批量把论文转成汇报材料、图件草稿的课题组；想把「投稿前自查」流程固定下来的实验室。
不适合谁：指望它从零写出一篇能投的论文的人。它的定位是润色、检查、重排，不是生成实验与结论；单篇论文的核心论证仍然只能由作者自己给。另外，仓库说明页里同时挂着付费的账号代充与知识星球入口，学术工具与个人生意混在一页，读者心里要有把尺子。
判断
值得放进收藏夹，但装的时候别只照着文档走。它是目前中文科研 AI 技能里覆盖面最全的一份，把体例知识做成可执行规则的思路也对路；真正的短板在装配层——安装说明该补一句「凡是要读共享材料的技能，都得连共享包一起装」，并且把那 7 个漏掉的技能列全。这处修补只改文档，不碰代码，作者愿意的话一次提交就能收尾。
至于我自己：下一次要润色论文时，我会先按一个完整的技能加共享包来装，装完先跑一遍「必读文件在不在」的自查，再让它动笔。
—
相关阅读：命令行 Agent 调度中台实测｜AI 架构图生成器实测
本文实测基于 2026-11-07 拉取的仓库快照，结论仅对该版本有效。
关注 AI商业快讯，每天一篇 AI 热点深度解读。