👉 滑动
PART 01
榜单口径
快照与口径
PART 02
十个仓库
逐个看装法
PART 03
备选清单
按人群补位
PART 04
装前纪律
风险提醒
PART 05
福利包
下载资源包
PART ///
写在最后
最终说明
导读
Agent Skill 正在从提示词合集变成带闸门的工作流。
如果把 7 月这一批冲上榜首的科研仓库拉在一起看，会发现它们讲的其实是同一件事：Agent Skill 正在从“提示词合集”变成“带闸门的工作流”。
去年这个时候，所谓科研 AI 工具还停留在“给你一段更好的提示词”。今年 7 月冲得最猛的这十个仓库，不约而同做了三件相似的事。
第一件是设闸门（gate）。PaperSpine 在你确认“贡献”之前不允许动笔，Imbad0202 的套件在写作前先跑苏格拉底式提问帮你把章节结构问清楚。工具开始拒绝执行，而不是有求必应。
第二件是跨模型对抗评审。ARIS 把 Claude Code 当执行者、把 Codex 里的 GPT 当审稿人，让两个模型互相挑刺。作者给出的理由很干脆：同一个模型自审自查会掉进局部最优，它看不见自己的盲区。
第三件是场景绑定。nature-skills 绑定 Nature 系的表达与制图规范，Awesome-Journal-Skills 按期刊做专属包，Master-cai 的仓库直接绑定 ML/CV/NLP 领域。通用写作助手的位置正在被“知道你要投哪儿”的助手挤占。
这三条合起来指向一个判断：科研 AI 的竞争点已经不在生成质量，而在流程约束。谁能在正确的位置卡住你，谁就更值得装。
·
01
PART
榜单口径先说清楚
METHODOLOGY
本文的排序依据是公开榜单 awesome-academic-research-skills 在 2026 年 7 月 30 日的快照。该榜单每天自动跑一次 GitHub Search API，收录门槛为 Star 数不低于 100，排除 fork 与归档仓库，并要求仓库同时命中“Skill/Agent/Workflow”和 “Academic /Research/ Paper”两类信号。
有三个局限需要读者知道。
其一，趋势列给的是近 7 日 Star 增量，不是整月增量，所以“7 月最火”在本文里的准确含义是“7 月末热度最高”。
其二，Star 数只反映关注度，不反映可用性。榜单里几个数万 Star 的仓库都是今年新建的，增长曲线相当陡，读者自行判断。
其三，中文科研场景的仓库在英文关键词过滤下容易漏收，文末的备选清单补了几个。
·
02
PART
十个仓库逐条看
TOP 10
Star 约 40,115，7 日增量约 +1046，主打论文写作全流程。
仓库把科研拆成四个 skill：deep-research（查）、academic-paper（写）、academic-paper-reviewer（审）、academic-pipeline（串流程）。最有意思的是审稿那一个，它会先识别论文所属领域，再动态配置五位虚拟审稿人（主编、三位同行、一位专唱反调的 Devil’s Advocate），分别从方法论、领域专长、跨学科视角、核心论点这四个不重叠的角度开火，最后产出一份结构化的编辑决定与修改路线图。
作者在 README 里写得很克制：这个工具不替你写论文，它处理苦力活（找文献、排格式、验数据、查逻辑一致性），把定义问题、选方法、解释数据这些真正需要动脑的部分留给你。它还特意区分了自己和“AI 味去除器”的差别：Style Calibration 是从你过去的文章里学你的声音，Writing Quality Check 是抓出读起来像机器写的句式，目标是写得更好，不是把用了 AI 这件事藏起来。
我的看法：这是十个里最适合当“第一个装”的。它的四件套结构清晰，四个 skill 单独用也成立。
STEP装法
CMD`/plugin marketplace add Imbad0202/academic-research-skills` 然后 `/plugin install academic-research-skills`，装完先跑 `/ars-plan`。
Star 约 32,132，7 日增量约 +1573，这是榜单上 7 月末涨得最猛的一个。
定位非常窄：符合 Nature 论文学术表达与科研绘图规范。仓库里分了 nature-writing（写）、nature-polishing（润）、nature-figure（绘图）、nature-reader（把 PDF 变成图文对照的双语精读稿）、nature-paper2ppt（论文转组会 PPT）、nature-proposal-writer（写本子）几个模块，另有一个共享支持包 nature-shared，单装某个 skill 时要一并带上。
它原生面向 Codex，Claude Code 用户需要保留一份本地 clone，再用 subagent 或 slash command 指向真实的 SKILL.md，因为直接复制单个 SKILL.md 会丢掉 references/、static/、脚本和资产。
我的看法：涨幅第一不代表最好用，但它确实踩中了一个真需求。中文作者写英文顶刊，卡点往往不在语法而在“表达惯例”，这类绑定具体期刊风格的 skill 比通用润色更值钱。绘图模块尤其值得单独试。
STEP装法
CMD`npx skills add Yuan1z0825/nature-skills --global --agent codex --skill '*' --yes --copy`
Star 约 32,135，7 日增量约 +625，学科专项类的头部。
这是体量最大的一个：158 个开箱即用的 skill，外加 100 多个科学数据库接口，覆盖生物信息、化学信息、药物发现、临床研究、医学影像、材料科学等方向。仓库自称有 17 万科研人员在用，兼容 Cursor、Claude Code、Codex、Antigravity 以及开放的 Agent Skills 标准。
它的价值不在写作，而在动手。分子性质预测、虚拟筛选、单细胞 RNA-seq、PK/PD 建模这类活，通用助手做不了，因为它不知道该调哪个库、查哪个库表。
我的看法：湿实验和计算方向的读者优先看这个，纯理论或人文社科方向可以跳过。另外提醒一句，装 158 个 skill 会让 agent 的启动检索变慢，按需装几个就够。
Star 约 14,015，7 日增量约 +282，名字直译是“睡觉时自动做研究”。
82 个可组合 skill，核心机制是跨模型对抗：Claude Code 负责读文件、写代码、跑实验，外部大模型（通过 Codex MCP 调用）负责挑毛病，两边不是自我复核而是互相拆台。仓库同时支持 Kimi、GLM、MiniMax、DeepSeek 等组合，也能走 ModelScope 的免费额度。
工作流用斜杠命令串起来：/idea-discovery（找方向，作者强调方向必须具体，别输入“NLP”）、/experiment-bridge（实现加部署加收结果）、/auto-review-loop（审稿改稿再审，一夜跑完）、/paper-writing、/rebuttal、/resubmit-pipeline（把打磨好的稿子平移到新会议）、/paper-talk（论文转 Beamer 加讲稿）。另有 /research-wiki 做跨 session 的持久记忆，/meta-optimize 分析使用记录反过来改进技能本身。
我的看法：这是十个里野心最大也最重的一个，配置成本明显高于其他（要装 Codex CLI、登录、注册 MCP server）。适合已经有稳定实验管线的 ML 方向博士生，不适合刚开题的人。
Star 约 11,239，7 日增量约 +239，定位是面向任意模型的 AI 研究与工程 skill 开源库，覆盖深度研究场景，兼容 Claude、Codex、Gemini。
需要说明的是，这个仓库在榜单快照里的最近更新时间停在 6 月中旬，热度靠的是存量而非新动作。ARIS 的写作模块里明确写了自己的写作指导层改编自 Orchestra Research 的材料，可见它在生态里是被反复引用的上游。
我的看法：把它当“资料库”而不是“工具”来用可能更合适，值得翻一遍它的方法论文档。
Star 约 7,377，7 日增量约 +497，是第 1 名那套的 Codex 原生版本。
同一位作者把整套人在环路（human-in-the-loop）的科研工作流重做了一遍，适配 Codex 的技能机制。之所以单列，是因为它 7 月的增速比主仓库还快，说明 Codex 侧的科研用户正在快速补齐。
我的看法：主力用 Codex 的读者直接装这个，不要去 clone Claude 版本再手动改。
Star 约 5,633，7 日增量约 +193，面向 ML、CV、NLP 三个方向的论文写作。
这个仓库特别之处在于它的知识来源是公开可查的：绝大部分写作方法论整理自彭思达老师公开的科研学习笔记，作者本人的工作是筛选、结构化改编和打包成可复用的 Skill。原始仓库为 pengsida/learning_research，本仓库采用 MIT 许可证。
我的看法：这是我个人最推荐给中文读者的一个。原因很简单，它背后是一套被验证过、有人格化来源的写作方法，而不是模型从互联网上归纳出来的平均值。Introduction 写不动的时候拿它跑一遍，效果通常比通用润色明显。
Star 约 4,667，7 日增量约 +417，来自香港科技大学（广州）Yuyu Luo 团队。
主张写在标题里：把博导十年科研经验炼成可直接调用的 AI 技能，从 Idea 构思一路管到论文投稿。仓库里除了 skills 目录，还有一份 handbook，中英文各一套，内容包括怎么写有力的 rebuttal、审稿人无视你的回复该怎么办、学术合作怎么谈这类师门经验。pre-submission-reviewer 是投稿前的最后一道自查。
有一处必须提醒：该项目采用 CC BY-NC-SA 4.0 许可，非商业使用，机构或公司要嵌进内部流程前请先看清楚条款。
我的看法：十个里“人味”最重的一个。它给的不是流程而是判断，比如什么样的 idea 值得做下去、什么时候该止损，这些恰恰是 AI 最难凭空生成的部分。手边没有导师带的读者尤其该看那份 handbook。
Star 约 4,475，7 日增量约 +183，支持 Claude Code、Codex、OpenClaw、Hermes CLI 四个宿主。
V4 版本的设计原则叫贡献为先（Contribution-First）：稿件的最高组织单元是已确认的贡献，在 confirmed_contribution.md 生成之前不允许开始实质写作，这条规则由一个脚本强制执行。整套流程是先研究目标场景和优秀样例，再和你确认贡献，然后逐单元设计文章结构，最后才动笔，输出 LaTeX、PDF 或 Word。选英文输出时还能额外生成一份中文翻译包。
它支持两种入口：从零素材构建（给一个装着实验设置、图、笔记、PDF 的文件夹），或者重写已有初稿。
我的看法：这是“闸门”这件事做得最彻底的一个。很多人用 AI 写论文的失败模式是先写出一堆漂亮句子，回头才发现根本没说清自己贡献了什么。PaperSpine 从机制上堵死了这条路。
Star 约 3,146，7 日增量约 +125，面向社会科学的实证研究，覆盖 8 个学科方向。
前九个仓库对理工科友好，这一个是给经管、社会学、教育、心理这类实证方向的读者补位的。同一作者还维护 Awesome-Journal-Skills，按具体期刊（AER、QJE 等）做专属技能包。
我的看法：社科实证的痛点跟理工科不一样，卡在数据清洗、识别策略和稳健性检验的规范表述上。这个仓库和它的姊妹项目值得一起看。
03
PART
备选清单
BACKUP PICKS
榜单里还有几个没进前十但对特定人群更对口的：
jihe520/MathModelAgent（约 3,035 Star）：数学建模竞赛专用，从赛题到可提交论文一条龙
zLanqing/codex-claude-academic-skills（约 2,375 Star）：面向中文科研用户的三件套，覆盖文献阅读、写作润色、科学计算与期刊级图表
huangwb8/ChineseResearchLaTeX（约 2,578 Star）：中国科研常用 LaTeX 模板集
LigphiDonk/academic-figure-generator（约 1,938 Star）：论文配图生成，上传论文后自动分析内容生成绘图指令
aipoch/medical-research-skills（约 1,576 Star）：医学研究方向，含方案设计与数据分析
claesbackman/AI-research-feedback（约 455 Star）：八个 agent 组成的评审团，另有预分析计划评审与基金评审
·
04
PART
装之前，三条纪律
THREE RULES
写到这里必须泼点冷水。这十个仓库我一个都没让它替我做过判断，原因如下。
提醒
Star 数不等于质量。 榜单前几名多是今年新建的仓库，几个月冲到几万 Star，这个曲线本身就值得警惕。真正该看的指标是最近一次 push 的时间、issue 有没有人回、SKILL.md 写得是否具体。有几个高 Star 仓库的最近更新已经停在两个月前。
提醒
Skill 会在你的环境里执行代码。 这是 Agent Skill 生态最容易被忽略的风险。skill 不只是文本，它可以带脚本、可以调网络、可以读你的本地文件。装任何一个之前，把 SKILL.md 和 bundle 里的脚本读一遍，这件事没有捷径。来源不明的 skill 不要装。
提醒
引用必须逐条回原文核。 模型编造文献这件事至今没有被解决，只是变得更隐蔽了：它现在会给你格式完美、期刊真实、作者真实、但那篇文章根本不存在的条目。上面提到的几个仓库都宣称做了引用验证，但验证的是“能不能检索到”，不是“这篇文献是否支持你这句话”。后一件事只有你能做。
还有一条属于合规而非技术：多数期刊和高校现在要求披露 AI 使用情况，具体口径各家不同，投稿前查一遍目标期刊的作者须知。Supervisor-Skills 的 CC BY-NC-SA 许可也提醒我们，开源不等于随便用。
·
05
PART
福利包
BONUS PACK
本期整理了一份可下载的资源包，包含：
《十大科研 Skill 速查表》（xlsx）：仓库地址、Star 与增量、分类、适用 agent、许可证、安装命令，可排序可筛选
《安装与配置指南》：Claude Code、Codex、通用 SKILL.md 三条路径，含常见踩坑
《按角色的组合装法》：开题期、写作期、投稿返修期三套配置
《学术合规与避坑清单》：引用核验流程、AI 使用披露、许可证速查
两个原创 Skill 模板：citation-verify（引文逐条核验）与 thesis-selfcheck-zh（中文学位论文自检，对齐 GB/T 7714-2015）
在公众号后台回复关键词【B812】即可找小助理免费领取。
福利包内容一览图
·
///
LAST
写在最后
CLOSING
仓库热度变化快，读者看到本文时数字可能已有出入，以 GitHub 实时页面为准。
想要更多AI使用技巧？回复关键词
B655：nature-skill功能测试
B675：Codex 使用前必做的几个设置：配置、权限和 Skill 一次讲清楚
F424：科研写作与绘图 Skills 汇总推荐
科研小白需安装的 11 个 SKills
B678：文献下载管理与综述Skill安装包：literature-review-workflow
B685：创新点设计与可证伪性检验Skill安装包：paper-novelty-design
B716：Zotero + Obsidian + Codex 联动教程
B719：GPT-5.6-Sol-实战指南
B721：GPT5.6 安装指南和必装skill
B740：GPT做PPT-全流程提示词模板（异常好用）
B754：drawio绘图软件、skill和插件安装包