Claude Scholar Skill：把 AI 编程助手变成你的半自动化科研搭档

Claude Scholar Skill：把 AI 编程助手变成你的半自动化科研搭档

功能与原则

Claude Scholar 是一个将 AI 编程助手（Claude Code / Codex CLI / Kimi Code CLI / OpenCode）转化为半自动化科研搭档的 Skill 套件。它不追求「AI 全自动写论文」，而是将文献整理、笔记管理、实验分析、论文写作等重复性重的工作交给 Agent，人类始终握有关键判断权——选什么问题值得做、哪篇论文真正重要、哪个结果值得放进论文。这个「人在环路」的设计原则，是它与通用 Agent 的根本区别。

认可度

GitHub 累计约 4,500+ 星（截至 2026-09-06，agentlist.top 报告 5.1k，dev.co 报告 4.5k），412+ Fork，MIT 许可证，2026 年持续活跃更新，8 月底周增稳定。定位是 CS/AI 研究者的专属工作流，在 academic-agent 类 Skill 中社区认可度居前。

GitHub：https://github.com/Galaxy-Dawn/claude-scholar

原作者

Galaxy-Dawn（GitHub username），暂无公开个人主页，但项目 README 显示背后得到 Kimi（Moonshot AI）和 APIMart 的赞助支持。项目采用 MIT 许可证，代码开源。

介绍

Claude Scholar 起源于 2025 年底，2026 年 1 月正式开源 v1.0.0，此后保持高频迭代。它本质上是一个按科研流程组织的多 Skill 集合，核心理念是：人类决策始终居中，AI 加速周围工作流。

整个研究工作按可追溯路径推进：问题 → 证据 → 实验 → 分析 → 结论 → 写作。每一个环节都有对应 Skill 支持，例如 research-ideation 管选题、literature-reviewer 管文献综述、nature-writing 管论文写作、citation-verification 管引用校验。

它还内置了 Zotero MCP 集成、Obsidian 知识库工作流、每日论文发现（arXiv / bioRxiv）等模块，适配 CS/AI 研究者日常在文献、代码、实验、写作之间反复横跳的工作场景。4 个分支（Claude Code / Codex / Kimi / OpenCode）分别有独立配置，选择哪个分支就加载对应的 Agent 和 Skill 组合。

特点

• 多平台适配：Claude Code / Codex CLI / Kimi Code CLI / OpenCode 均有独立分支，开箱即用
• Zotero + Obsidian 原生集成：文献管理和知识库写作形成闭环，不必在工具间手动搬运
• Evidence-gated 研究流程：每个结论都要过「证据关卡」，Claim Promotion Gate 防止 Agent 把未经核实的信息写进论文
• Nature 系列写作 Skill：nature-writing / nature-polishing / nature-response 组成论文写作流水线，对标学术出版标准
• PubFig + PubTab 支持：配套 pubfig（论文级图表生成）和 pubtab（表格/LaTeX 互转），直接输出可提交图表
• Git Hooks 安全护栏：内置 security-guard 等 Hook，防止 Agent 在代码层面做出意外修改
• 分支隔离：不同 Agent 平台各自独立分支，安装不污染其他平台配置

使用方法

安装步骤：

# 克隆仓库（按使用的 Agent 选分支）
git clone https://github.com/Galaxy-Dawn/claude-scholar.git
cd claude-scholar

# Claude Code 用户直接用 main 分支
# Codex CLI 用户切换分支：git checkout codex
# Kimi Code CLI 用户：git checkout kimi
# OpenCode 用户：git checkout opencode

# 按 README 说明配置 Zotero MCP 和 Obsidian（可选）
# 在 Claude Code 中加载 skills 后即可使用

最小调用示例：

在 Claude Code 中对 Agent 说：

「用 Claude Scholar 的文献综述流程帮我整理近三年扩散模型（Diffusion Model）在图像合成的进展」

Agent 会自动加载 literature-reviewer Skill，依次执行：搜索 arXiv → 提取摘要 → 按主题聚类 → 生成文献笔记 → 写入 Obsidian 知识库。

使用场景与人群

适用场景：
– CS / AI 科研人员：从选题调研到论文写作的全流程加速
– 研究生：管理文献库、整理实验笔记、起草论文章节
– 研究工程师：快速搞懂一个新代码库 / API 文档，生成可复现的实验记录

目标用户： 有一定科研基础、需要在文献-代码-写作之间频繁切换、且希望保留最终决策权的学术工作者。它不适合追求「AI 全自动写论文」的用户——Claude Scholar 的设计哲学恰好相反。

输入与输出案例

案例 1：文献调研
– 输入：「整理 Diffusion Model 在 2024-2026 年的重要进展，重点关注 text-to-image 和 video generation 子方向，给出每个方向 3 篇核心论文的摘要和引用格式」
– 输出：一份 Obsidian 知识库笔记，含两个子方向的论文列表、每篇的摘要、实验方法摘要、以及 BibTeX 引用格式

案例 2：论文图表生成
– 输入：「用 PubFig 生成一张对比主流文生图模型（SDXL、DALL-E 3、Imagen 3、FLUX.1）在 MSCOCO 30K 上的 FID 分数柱状图」
– 输出：一张 publication-ready 的 Python 图表代码（Matplotlib + seaborn），可直接嵌入论文 LaTeX 文档，图表风格对标 Nature / NeurIPS 出版标准

GitHub: https://github.com/Galaxy-Dawn/claude-scholar