4 个 Codex Skill，把科研流程串起来了

上周翻 GitHub，看到一个挺适合科研党的开源项目： Imbad0202/academic-research-skills 它不是单个提示词，而是把学术研究拆成了 4 个 Skill，试图把「调研 → 写作 → 审稿 → 复现」串成一条完整科研工作流。 说“全自动科研”肯定夸张了，但它的思路很值得参考。 这 4 个 Skill 分工很清楚 1. deep-research 偏前期调研，适合做系统综述、研究问题拆解、苏格拉底式追问。 2. academic-paper 偏论文写作，重点是学术表达、结构组织、语言风格校准。 3. paper-reviewer 偏审稿检查，会从编辑、审稿人、反方质疑等角度挑问题。 4. academic-pipeline 偏流程串联，把前面几个环节接起来，每个阶段都设置 checkpoint 我觉得最有价值的点，它不是让 AI 直接替你写论文，而是强调每一步都要有人类确认，比如： 反谄媚机制 不让 AI 一味顺着你说“你是对的”，而是主动提出反对意见。 引用核验 尽量减少 AI 编参考文献的问题。 完整性检查 防止伪造数据、虚构方法、引用幻觉。 过程记录 让不同阶段的输出能被追踪，后续更方便复现和修改。 放到 Codex 里怎么用？ 如果你平时用 Codex 做科研，可以把它当成一套 Skill 工作流参考： 先让 Codex 做文献调研， 再整理论文框架， 然后模拟审稿人挑刺， 最后检查代码、数据和复现流程。 它最适合的不是“帮你偷懒写论文”，而是把科研里最容易乱的部分标准化。 我最喜欢的一点是： AI 是科研副驾，不是驾驶员。 Codex 可以帮你提速，但选题判断、数据真实性、方法合理性和最终结论，还是要研究者自己负责。 适合科研党、研究生、博士生收藏一下。 #Codex #CodexSkill #AI科研 #科研工具 #GitHub #论文写作 #文献综述 #代码复现 #研究生日常 #学术写作