Academic Research Skills 3.22.0：安装、claim audit 与真实边界

Academic Research Skills（ARS）把调研、写作、审稿、修订和定稿拆成十阶段流程，并在中间设置人工 checkpoint。它的检查对象是论文文本、引用和申报的研究过程，不是实验现场。

1. 四个技能怎么分工

Deep Research 负责检索和综述，Academic Paper 负责写作，Academic Paper Reviewer 组织多视角审稿，Academic Pipeline 串联 research、write、review、revise、finalize。完整架构和各阶段输入输出在官方架构文档。

这些技能鼓励保留材料来源、引用 locator、claim 与来源的对应关系以及修订轨迹。大部分“强制”规则仍由会话模型按提示词执行并留下记录，不是操作系统级强制。

2. 推荐的 plugin 安装

前置条件是近期 Claude Code，并通过首次启动或环境变量提供 Anthropic 凭据。运行：

/plugin marketplace add Imbad0202/academic-research-skills
/plugin install academic-research-skills

安装后先用 /ars-plan 描述自己正在研究的问题，让它通过对话梳理章节和证据缺口。想做单次测试，可以用 /ars-lit-review "主题"，把范围限制到少量可人工打开的来源。

Markdown 输出不需要额外工具。DOCX 可选 Pandoc；APA 7 PDF 可选 tectonic 和 Source Han Serif TC。真实 Python 和 bash 只在 write-scope guard 及部分 opt-in 脚本中需要。

3. plugin 与复制 skill 的差别

官方能力矩阵把 Claude Code plugin 视为参考渠道。直接复制四个 skill 文件夹，只能得到方法论协议，不会自动接入 /ars-* 命令、SessionStart、PreToolUse 写入范围 guard 和带工具 allowlist 的 plugin agent。

Claude Science 导入同样是时间点快照，而且不带 Claude Code 的命令、hook 或子代理编排。更新后需要重新导入。Codex 用户应使用 README 指向的独立 Codex 打包仓库，不要把 Claude plugin 命令照搬过去。

4. v3.8 claim audit 如何理解

设置 ARS_CLAIM_AUDIT=1 后，系统会按 citation locator 获取来源并判断 claim 是否得到支持，五类 HIGH-WARN 可以阻止 formatter 输出。这个功能默认关闭，获取来源可能受权限、网络、出版商页面和解析质量影响，判断也可能由模型完成。

官方 README 给出了很有价值的反例：展示论文经过三轮完整性检查后，post-publication audit 仍发现 68 条引用中的 21 条有问题。当前 live reviewer 也明确标为 NOT_CALIBRATED；完整校准只产生 bounded candidate profile，尚未接入 live profile。

5. 它证明不了什么

ARS 能检查引用是否存在、正文是否匹配来源、申报的方法和结果是否彼此一致，也能检查图表和提交包。它无法证明实验确实执行、原始数据没有被修改、统计方法正确或结果能复现。一套前后一致的伪造材料仍可能通过。

因此实证研究仍要保留实验日志、原始数据、代码版本和统计复核。引用审计要打开原文，检查具体页面和上下文；“通过闸门”不能替代作者责任或同行评审。

6. 商业化与许可

项目没有充值、订阅配额或付费下载漏斗。完整流程会产生 Claude 和可选第二模型的调用成本，官方性能文档给出的费用只是其配置下的估算。仓库使用 CC BY-NC 4.0，包含非商业限制；机构或商业产品复用前应单独做许可判断。

7. 与 AI Scientist 对比

AI Scientist的目标是自动提出想法、运行实验、写论文并进行自动评审。ARS 把研究者留在 checkpoint，重点记录材料来源、引用和修订过程。

研究自动化实验系统可看 AI Scientist；已有研究问题和材料，希望把论文工作分段审查时，ARS 更贴近。不过两者都不能免除人工核对。

常见问题