不用 Claude Code！WorkBuddy + Academic Research Skills 实现高质量论文写作

如果你关注 AI 科研工具，最近大概率见过 Academic-Research-Skills（ARS）。

这个项目在 GitHub 上已经有约 42.7k Stars。和常见的“论文提示词合集”不同，ARS 把科研任务拆成研究、论文写作、同行评审和完整科研流程 4 个 Skill，目前共有 27 个功能模式。

ARS 最初主要围绕 Claude Code 开发，后来作者又单独提供了 Codex 版本。对不少国内科研用户来说，这两个工具虽然能力很强，但从账号、模型到开发环境，都谈不上特别省心。如果只是想先体验这套科研 Skill，前期配置成本还是有一些。

所以这次我们换了一种搭配：用腾讯 WorkBuddy 安装 ARS，再用 DeepSeek-V4 Pro 实际跑一遍。

WorkBuddy 本身的使用门槛相对低，也支持主流的 Skill 扩展方式。对想试试科研 Agent、但又不想先研究一遍 Claude Code 或 Codex 的用户来说，这条路线更直接。

我们选定一个医学人工智能方向的课题，在 WorkBuddy 上测试 ARS 的实际效果:

基于医学分割基础模型的 3D 腹部 CT 多器官分割：少样本适配与跨数据集泛化研究。

需要说明的是，所有实验结果均为模拟演示数据，仅用于展示流程，不代表真实科研结论。

另外，我们也把 ARS 当前的 4 个 Skill、27 个功能模式、适用场景、输入材料和提示模板整理成了一份完整中文版使用指南。想自己上手的，可以后台私信[B830]，小助理会免费把资料包发送给你。

ARS 具体能做什么？

开始演示前，先把介绍 ARS 仓库中 4 个 Skill 的功能。

1. 1. deep-research 负责研究阶段。 它可以做深度研究、快速研究、文献回顾、系统性综述、事实核查、单篇材料评估，也能通过苏格拉底式提问帮助研究者逐步明确选题。
2. 2. academic-paper 负责论文阶段。 它覆盖论文规划、大纲、完整写作、摘要、文献综述、引用检查、审稿意见修订和格式转换等任务。
3. 3. academic-paper-reviewer 负责评审。 它可以进行完整同行评审、快速评审、方法学专项评审、修订后复审和引导式评审。
4. 4. academic-pipeline 负责把前面几个阶段串起来。 它会根据已有材料判断项目目前进行到哪里，再决定后续应该补研究、写论文、做检查，还是进入评审和修订。

由于每个 Skill 本身都包含多个功能模式，为了避免文章篇幅过长，这次我们只选取每个 Skill 中最具代表性的一个功能进行演示。下面直接看实际使用。

WorkBuddy + Academic-Research-Skills 演示

安装和调用 ARS

在 WorkBuddy 中，我们直接输入：

   
   
   
   从 https://github.com/Imbad0202/academic-research-skills 克隆并安装 academic-research-skills。

请识别并安装其中的 4 个独立 Skill：
deep-research
academic-paper
academic-paper-reviewer
academic-pipeline

ARS 可以根据语义自动路由到合适的能力模块，但在实际使用中，仍然建议尽量明确指定 Skill。

这样在 WorkBuddy 中安装了多个 Skill 的情况下，可以减少路由歧义，让结果更稳定、可控。

deep-research：调查研究现状

在开始研究前，我们要先确认“这个问题别人已经研究到什么程度”。

通常要给它这些信息：研究主题、核心问题、时间范围，以及希望重点关注的方向。

模型会先按技术路线对检索到的文献进行分类整理，再在报告中逐篇概述文献主要内容。之后，它还会进一步比较不同研究之间的共识与冲突，并总结当前研究缺口和可继续推进的方向。

除此以外，生成的报告中还会基于刚才检索的文献，回答我们特别关注的问题。

有了文献基础，下一步就是把研究问题和实验思路组织成一篇论文应该有的结构。

academic-paper：生成全文大纲

这里我们没有直接让模型生成整篇论文，而是用了 academic-paper 的 outline-only 模式，Skill 会为我们整理论文大纲。

需要我们输入：前一步整理出的文献结果、当前研究问题、准备比较的方法，以及预期实验设计。

可以看到模型输出的大纲结构很完整，研究问题、实验设计、结果呈现和讨论之间的对应关系非常清楚。标题、摘要、引言、相关工作、方法、结果、讨论、结论都已经展开，后续写作可以直接沿着这套框架推进。

另外，它还会主动检查现有材料能不能支撑每个研究问题，并提示我们缺失哪些材料。

在这个基础上完成论文后（academic-paper 也支持撰写论文全文），就可以换一个视角，让 Reviewer 来挑研究设计里的问题。

academic-paper-reviewer：从审稿人的角度检查实验设计

这一轮我们用了 academic-paper-reviewer 的快速评审模式 quick。

我们根据大纲，把已有研究设计和模拟实验结果整理成一份简短论文草稿，再交给 Reviewer。

输出会集中指出 实验设计中可能影响论文可信度的问题、潜在投稿风险，以及下一轮最应该优先修改的部分。

前三步分别解决了研究、写作和评审。接下来还有一个问题：这些工作能不能接成一个连续项目，而不是每一步都重新开始？

academic-pipeline：根据已有进度继续往下跑

ARS 有一个比较贴心的设计，就是专门提供了 academic-pipeline 来照顾还不熟悉仓库功能的用户。

比如前面我们已经用 academic-paper / outline-only 生成了论文大纲（演示 02）。但我不知道接下来应该使用哪个 Skill 或者不想逐步完成剩下的步骤，就可以把项目交给 academic-pipeline。

模型会先识别项目已经进行到哪一步，再按照 ARS 预设的流程调度后续 Skill 和检查环节。可以看到模型给了我一份论文初稿，我检查确认后会进入下一步。

这个 Skill 对于计划清晰的用户，可能不是必需的。但对第一次尝试 AI 科研的人，使用体验会好很多。

总结

ARS 既拆分了常见科研任务，又保留了串联科研任务的工作流。而 WorkBuddy 把这套 Skill 的安装和调用门槛降下来。

对于不想先折腾 Claude Code 或 Codex、又想试试 ARS 的国内用户，这套组合是一个比较方便的入口。

当然，研究问题是否合理、方法是否成立、数据是否可信、结果应该怎样解释，仍然要由研究者自己判断。Skill 更适合承担检索、整理、检查和流程辅助，而不是替代关键科研决策。

我们已经把 ARS 当前 4 个 Skill、27 个功能模式整理成了一套可直接使用的中文资料包。每个功能都配好了适用场景、需要提供的材料和提示词模板。

使用时，只需要复制对应模板，把里面的研究方向、研究问题和已有材料替换成自己的内容，就可以直接发给 AI。

如果准备在 WorkBuddy 里使用 ARS，可以后台私信[B830]。小助理会免费把资料包发送给你。