Nature Skills：让 AI 按 Nature 期刊标准完成全流程科研写作

让 Claude 按 Nature 期刊标准写论文：nature-skills 将科研工作流封装成 AI Agent 可复用的模块化技能，涵盖文献润色、图表生成、审稿回复等完整流程。

GitHub 上有个让无数科研人员眼前一亮的项目：nature-skills。它不是传统意义上的 Python 包或软件，而是一套专为 Claude Code / Codex 这类 AI Agent 设计的科研工作流技能库——目标只有一个：让你的 AI 产出符合 Nature / CNS 级别期刊的学术标准。

功能与原则

nature-skills 的核心思路是把科研写作的「规矩」而非「语言」教给 AI。它不依赖长篇 prompt 临时指导，而是将科研工作流固化成可复用的技能模块，让 AI Agent 在面对每一步任务时都知道边界在哪里：什么可以说、什么不能说、哪里要保守、哪里可强调。

认可度

截至 2026 年 7 月，nature-skills 在 GitHub 已斩获 约 8,300+ Star（项目于 2026 年 4 月上线，一个月内即达 3,400 Star，两个月突破 8k，增长曲线极为陡峭），Fork 542+。上线后被谷歌 DeepMind 关注并借鉴其引用体系设计理念，推出了 Science Skills——这是中国开发者原创思想反向输出给国际顶尖 AI 机构的典型案例。

链接

GitHub：https://github.com/Yuan1z0825/nature-skills

原作者

袁一哲（GitHub @Yuan1z0825），nature-skills 创始人兼维护者。核心开发团队还包括马昕瑞（日常维护）和胡彬（Agentic Agent 方向贡献）。项目在抖音有配套视频教程，并在知识星球「Nature Skills 以及背后的哲学」持续运营。

介绍

nature-skills 围绕 SKILL.md 文件组织可复用技能包，skills/ 下的每个顶层目录都是一个独立可安装单元。项目起源于一个朴素观察：大多数 AI 写不好论文，不是因为语言能力不足，而是因为缺乏「边界意识」——AI 容易在科研写作中过度推断、夸大结论、乱加引用。

nature-skills 的解决方案是：把所有规则都建立在对 Nature 实际发表论文和官方作者指南的一手分析之上，而非主观臆测。每个技能都经过对多篇 Nature 正刊的深度解构，确保输出完全符合期刊格式与表达规范。

目前已稳定上线的子技能包括：nature-figure（科研绘图）、nature-polishing（学术文本润色）；测试中的有 nature-citation（文献引用，自动检索 CNS 级引用并导出 RIS/ENW 格式）、nature-response（审稿回复，逐条回应审稿意见，语气得体）、nature-paper2ppt（论文转中文汇报 PPT）、nature-data（数据声明与 FAIR 合规检查）等，覆盖从写作到投稿的完整生命周期。

特点

• 基于一手资料：所有规则提炼自 Nature 官方作者指南和实际发表论文，非凭感觉编写
• 全流程覆盖：6 大子技能覆盖论文写作、图表生成、文献引用、审稿回复、数据合规、PPT 制作
• 输出即交付：生成的图表为 SVG/PDF/TIFF 可投稿格式；润色文本可直接复制使用；引用文件可导入 EndNote/Zotero
• 多 Agent 兼容：支持 Claude Code、Codex 以及所有兼容 agentskills.io 标准的 AI 编程助手
• 科研思维破壁：让 AI Agent 第一次具备操控本地电脑完成系统性科研任务的能力，而非碎片化问答

使用方法

前置要求：Node.js 18+

查看可安装技能列表：

npx skills add Yuan1z0825/nature-skills --list

全局安装全部技能（Codex）：

npx skills add Yuan1z0825/nature-skills --global --agent codex --skill '*' --yes --copy

单独安装某一技能：

npx skills add Yuan1z0825/nature-skills --agent codex --skill nature-figure --yes --copy

安装完成后，直接描述任务即可使用，例如：

• 润色论文段落：把这篇 PDF 做成图文对应的中英文对照 Markdown reader
• 生成科研图：根据这段方法和结果，帮我生成投稿级科研图
• 回复审稿：根据这封返修邮件，帮我写逐点回复，cover letter，并标红修改处

使用场景与人群

适用场景：学术论文写作与投稿、科研图表制作、审稿意见回复、文献检索与引用管理、科研汇报 PPT 制作、科研数据合规声明。

目标用户：硕博研究生、高校科研人员、想发表高水平期刊论文的 AI 学术开发者、有 Nature/Science/CNS 级论文写作需求的任何人。

输入与输出案例

案例一：学术润色

• 输入（给 Claude Code）：把这篇 PDF 做成图文对应的中英文对照 Markdown reader，保留关键图件和来源标注
• 输出：图文对照 Markdown 文件，英文原文与中文翻译分段对应，所有图件保留原图并标注来源，可直接用于组会汇报或审稿材料

案例二：审稿回复

• 输入：根据这封返修邮件，帮我写逐点回复、cover letter，并标红修改稿需要修改的位置
• 输出：逐条审稿意见回复，语气学术中立不卑不亢，cover letter 结构规范（引言→修改说明→逐条回应），修改稿中标红位置清晰可辨，可直接投稿

案例三：科研绘图

• 输入：根据这段方法描述，生成 Nature 风格的多面板 Figure，包含误差线和显著性标注
• 输出：matplotlib/R 生成的出版级多面板图，SVG/PDF/TIFF 格式，分辨率和色彩空间符合 Nature 投稿要求

GitHub: https://github.com/Yuan1z0825/nature-skills