跳到主要内容
极客日志极客日志
首页博客AI提示词GitHub精选代理工具
|注册
博客列表

目录

  1. 简介
  2. News
  3. 核心工作流
  4. 主要工作流
  5. 1. 研究构思
  6. 2. ML 项目开发
  7. 3. 实验分析
  8. 4. 论文写作
  9. 5. 论文自审
  10. 6. 论文提交与 Rebuttal
  11. 7. 录用后处理
  12. 支撑工作流
  13. 1. 自动化执行工作流
  14. 2. 知识提取工作流
  15. 3. 技能进化系统
  16. 快速开始
  17. 安装选项
  18. 选项 1:完整安装(推荐)
  19. 克隆仓库
  20. 重启 Claude Code CLI
  21. 选项 2:最小化安装
  22. 克隆仓库
  23. 仅复制钩子和核心技能
  24. 清理
  25. 选项 3:选择性安装
  26. 克隆仓库
  27. 复制您需要的内容,例如:
  28. - 仅钩子
  29. - 特定技能
  30. - 特定代理
  31. - 项目规则
  32. 系统要求
  33. 首次运行
  34. 适用人群
  35. 贡献
  36. 许可证
  37. 致谢
  38. 总结
PythonNode.jsAI算法

Claude Scholar:AI 学术研究全流程助手

Claude Scholar 是面向 Claude Code CLI 的个人配置系统,涵盖学术研究、软件开发及项目管理场景。核心功能包括研究构思、ML 项目开发、实验分析、论文写作与自审、投稿回复及录用后处理。系统采用 Node.js 钩子实现跨平台自动化,内置 paper-miner 与 kaggle-miner 代理进行知识提取,并提供技能进化机制。支持完整安装、最小化安装及选择性安装,适用于研究人员、数据科学家及 ML 工程师。

随缘发布于 2026/4/5更新于 2026/4/131 浏览
Claude Scholar:AI 学术研究全流程助手

简介

Claude Scholar 是一个面向 Claude Code CLI 的个人配置系统,提供丰富的技能、命令、代理和钩子,针对以下场景优化:

  • 学术研究 - 完整的研究生命周期:想法生成 → 实验 → 结果分析 → 论文写作 → 审稿回复 → 会议准备
  • 软件开发 - Git 工作流、代码审查、测试驱动开发、ML 项目架构
  • 插件开发 - Skill、Command、Agent、Hook 开发指南与质量评估
  • 项目管理 - 规划文档、代码规范、跨平台钩子驱动的自动化工作流

News

  • 2026-02-11: 大版本更新,新增 10 个 skills(research-ideation、results-analysis、citation-verification、review-response、paper-self-review、post-acceptance、daily-coding、frontend-design、ui-ux-pro-max、web-design-reviewer)、7 个 agents、8 个研究工作流命令、2 条新规则(security、experiment-reproducibility);重构 CLAUDE.md;涉及 89 个文件
  • 2026-01-26: 所有 Hooks 重写为跨平台 Node.js 版本;README 完全重写;扩展 ML 论文写作知识库;合并 PR #1(跨平台支持)
  • 2026-01-25: 项目正式开源,v1.0.0 发布,包含 25 个 skills(architecture-design、bug-detective、git-workflow、kaggle-learner、scientific-writing 等)、2 个 agents(paper-miner、kaggle-miner)、30+ 个命令(含 SuperClaude 命令套件)、5 个 Shell Hooks、2 条规则(coding-style、agents)

核心工作流

主要工作流

完整的学术研究生命周期 - 从想法到发表的 7 个阶段。

1. 研究构思

系统化的研究启动,包含想法生成和文献综述:

工具: research-ideation skill + literature-reviewer agent

流程:

  • 5W1H 头脑风暴: What, Why, Who, When, Where, How → 结构化思维框架
  • 文献综述: arXiv + Semantic Scholar 集成 → 自动化论文搜索和分类
  • Gap 分析: 5 种类型(文献、方法论、应用、跨学科、时间)→ 识别研究机会
  • 研究问题: SMART 原则 → 制定具体、可衡量的问题

命令: /research-init "topic" → 启动完整的研究启动工作流

2. ML 项目开发

可维护的 ML 项目结构,用于实验代码:

工具: architecture-design skill + code-reviewer agent + git-workflow skill

流程:

  • 结构: Factory & Registry 模式 → 配置驱动模型(仅 cfg 参数)→ 由 rules/coding-style.md 强制执行
  • 代码风格: 200-400 行文件 → 需要类型提示 → 配置使用 @dataclass(frozen=True) → 最多 3 层嵌套
  • 调试 (bug-detective): Python/Bash/JS 的错误模式匹配 → 堆栈跟踪分析 → 反模式识别
  • Git: Conventional Commits (feat/scope: message) → 分支策略(master/develop/feature)→ 使用 --no-ff 合并

命令: /plan, /commit, /code-review, /tdd

3. 实验分析

实验结果的统计分析和可视化:

工具: results-analysis skill + data-analyst agent

流程:

  • 数据处理: 自动化清理和预处理实验日志
  • 统计检验: t-test, ANOVA, Wilcoxon signed-rank → 验证显著性
  • 可视化: matplotlib/seaborn 集成 → 发表级图表(折线图、柱状图、热图)
  • 消融实验: 系统化组件分析 → 理解每个部分的贡献

命令: /analyze-results <experiment_dir> → 生成带有图表和统计数据的分析报告

4. 论文写作

从模板到最终草稿的系统化论文写作:

工具: ml-paper-writing skill + paper-miner agent + latex-conference-template-organizer skill

流程:

  • 模板准备: 下载会议 .zip → 提取主文件 → 删除示例内容 → 输出适合 Overleaf 的干净结构
  • 引文验证 (citation-verification): 多层验证(格式 → API → 信息 → 内容)→ 防止幻觉引用
  • 系统化写作: 叙事框架 → 5 句式摘要公式 → 分节起草与反馈循环
  • 去 AI 化处理 (writing-anti-ai): 移除夸大象征、宣传语言、模糊归因 → 添加人性化声音和节奏 → 双语支持(中英文)

会议: NeurIPS, ICML, ICLR, ACL, AAAI, COLM, Nature, Science, Cell, PNAS

5. 论文自审

提交前的质量保证:

工具: paper-self-review skill

流程:

  • 结构检查: 逻辑流畅性、章节平衡、叙事连贯性
  • 逻辑验证: 论证合理性、主张 - 证据对齐、假设清晰性
  • 引文审计: 引用准确性、适当归属、引文完整性
  • 图表质量: 视觉清晰度、标题完整性、色彩无障碍性
  • 写作润色: 语法、清晰度、简洁性、学术语气
  • 合规性: 页数限制、格式要求、伦理披露

6 项检查清单 → 系统化质量评估

6. 论文提交与 Rebuttal

论文提交和审稿意见回复:

工具: review-response skill + rebuttal-writer agent

提交流程:

  • 提交前检查: 会议特定检查清单(NeurIPS 16 项、ICML 更广泛影响、ICLR LLM 披露)
  • 格式检查: 页数限制、匿名化、补充材料
  • 最终审查: 校对、检查引用、验证图表

Rebuttal 流程:

  • 审稿意见分析: 解析并分类评论(主要/次要/错字/误解)
  • 回复策略: 接受/辩护/澄清/实验 → 针对每种评论类型的定制方法
  • Rebuttal 写作: 结构化回复,包含证据和推理
  • 语气管理: 专业、尊重、基于证据的语言

命令: /rebuttal <review_file> → 生成完整的 rebuttal 文档和实验计划

7. 录用后处理

会议准备和研究推广:

工具: post-acceptance skill

流程:

  • 演讲: 幻灯片创建指导(15/20/30 分钟格式)→ 视觉设计原则 → 叙事结构
  • 海报: 学术海报模板(A0/A1 尺寸)→ 布局优化 → 视觉层次
  • 推广: 社交媒体内容(Twitter/X, LinkedIn)→ 博客文章 → 新闻稿 → 研究摘要

命令: /presentation, /poster, /promote → 自动化内容生成

支撑工作流

这些工作流在后台运行,增强主要工作流。

1. 自动化执行工作流

跨平台钩子(Node.js)自动化工作流执行:

会话开始 → 技能评估 → 会话结束 → 会话停止 
  • skill-forced-eval (skill-forced-eval.js): 在每次用户提示之前 → 动态扫描所有可用技能(本地 + 插件)→ 强制评估每个技能 → 要求实现前激活 → 确保不遗漏相关技能
  • session-start (session-start.js): 会话开始时 → 显示 Git 状态、待办事项、可用命令、包管理器 → 一目了然地展示项目上下文
  • session-summary (session-summary.js): 会话结束时 → 生成全面的工作日志 → 总结所做的所有更改 → 提供下一步的智能建议
  • stop-summary (stop-summary.js): 会话停止时 → 快速状态检查 → 检测临时文件 → 显示可操作的清理建议

跨平台: 所有钩子使用 Node.js(非 shell 脚本),确保 Windows/macOS/Linux 兼容性。

2. 知识提取工作流

两个专门的挖掘代理持续提取知识以改进技能:

  • paper-miner (agent): 分析研究论文(PDF/DOCX/arXiv 链接)→ 提取写作模式、结构见解、会议要求、审稿意见回复策略 → 使用分类条目更新 ml-paper-writing/references/knowledge/(structure.md、writing-techniques.md、submission-guides.md、review-response.md)
  • kaggle-miner (agent): 研究获胜的 Kaggle 竞赛解决方案 → 提取竞赛简介、前排方案详细技术分析、代码模板、最佳实践 → 更新 kaggle-learner skill 的知识库(references/knowledge/[domain]/ 目录,按 NLP/CV/Time Series/Tabular/Multimodal 分类)

知识反馈循环: 每篇分析的论文或解决方案都会丰富知识库,创建一个随您研究进化的自我改进系统。

3. 技能进化系统

维护和改进技能的 3 步持续改进循环:

skill-development → skill-quality-reviewer → skill-improver 
  1. 开发 (skill-development): 创建具有正确 YAML frontmatter 的技能 → 清晰的描述和触发短语 → 渐进式披露(精简的 SKILL.md,详细信息在 references/)
  2. 审查 (skill-quality-reviewer): 4 维质量评估 → 描述质量(25%)、内容组织(30%)、写作风格(20%)、结构完整性(25%)→ 生成优先修复的改进计划
  3. 改进 (skill-improver): 合并建议更改 → 更新文档 → 根据反馈迭代 → 自动读取并应用改进计划

快速开始

安装选项

选择适合您需求的安装方式:

选项 1:完整安装(推荐)

数据科学、AI 研究和学术写作的完整设置:

# 克隆仓库
git clone https://github.com/Galaxy-Dawn/claude-scholar.git ~/.claude
# 重启 Claude Code CLI

包含:所有 32 个技能、50+ 命令、14 个代理、5 个钩子和项目规则。

选项 2:最小化安装

仅核心钩子和基本技能(加载更快,复杂度更低):

# 克隆仓库
git clone https://github.com/Galaxy-Dawn/claude-scholar.git /tmp/claude-scholar
# 仅复制钩子和核心技能
mkdir -p ~/.claude/hooks ~/.claude/skills
cp /tmp/claude-scholar/hooks/*.js ~/.claude/hooks/
cp -r /tmp/claude-scholar/skills/ml-paper-writing ~/.claude/skills/
cp -r /tmp/claude-scholar/skills/research-ideation ~/.claude/skills/
cp -r /tmp/claude-scholar/skills/results-analysis ~/.claude/skills/
cp -r /tmp/claude-scholar/skills/review-response ~/.claude/skills/
cp -r /tmp/claude-scholar/skills/writing-anti-ai ~/.claude/skills/
cp -r /tmp/claude-scholar/skills/git-workflow ~/.claude/skills/
cp -r /tmp/claude-scholar/skills/bug-detective ~/.claude/skills/
# 清理
rm -rf /tmp/claude-scholar

包含:5 个钩子、7 个核心技能(完整研究工作流 + 基本开发)。

选项 3:选择性安装

选择和选择特定组件:

# 克隆仓库
git clone https://github.com/Galaxy-Dawn/claude-scholar.git /tmp/claude-scholar
cd /tmp/claude-scholar
# 复制您需要的内容,例如:
# - 仅钩子
cp hooks/*.js ~/.claude/hooks/
# - 特定技能
cp -r skills/latex-conference-template-organizer ~/.claude/skills/
cp -r skills/architecture-design ~/.claude/skills/
# - 特定代理
cp agents/paper-miner.md ~/.claude/agents/
# - 项目规则
cp rules/coding-style.md ~/.claude/rules/
cp rules/agents.md ~/.claude/rules/

推荐用于:想要自定义配置的高级用户。

系统要求
  • Claude Code CLI
  • Git
  • Node.js(用于钩子)
  • (可选)uv、Python(用于 Python 开发)
首次运行

安装后,钩子提供自动化工作流辅助:

  1. 每次提示触发 skill-forced-eval → 确保考虑适用技能
  2. 会话开始时使用 session-start → 显示项目上下文
  3. 会话结束时使用 session-summary → 生成带有建议的工作日志
  4. 会话停止时使用 stop-summary → 提供状态检查

适用人群

🎓 研究生/博士生:系统化论文写作,代码管理
👨‍🔬 研究员:从实验到发表的完整工作流
👨‍💻 数据科学家:实验可复现,代码规范化
🚀 ML 工程师:项目架构,团队协作

贡献

这是个人配置,欢迎:

  • Fork 并为你自己的研究进行调整
  • 提交错误报告
  • 通过问题建议改进

许可证

MIT License

致谢

使用 Claude Code CLI 构建,并由开源社区增强。

参考资料
本项目受到社区优秀作品的启发和构建:

  • everything-claude-code - Claude Code CLI 的综合资源
  • AI-research-SKILLs - 研究导向的技能和配置

这些项目为 Claude Scholar 的研究导向功能提供了有价值的见解和基础。

总结

Claude Scholar 不仅仅是一个配置集合,它是一套完整的研究工作方法论。通过自动化钩子强制执行最佳实践,通过专业技能提供领域知识,通过智能代理处理复杂任务,通过知识进化持续改进。

仓库地址:https://github.com/Galaxy-Dawn/claude-scholar

极客日志微信公众号二维码

微信扫一扫,关注极客日志

微信公众号「极客日志」,在微信中扫描左侧二维码关注。展示文案:极客日志 zeeklog

更多推荐文章

查看全部
  • 通义万相 2.1 模型升级与应用拓展实践
  • PyCharm 中 Copilot 与 Claude 插件不可用问题排查
  • YOLO-DRONE 无人机低空巡检检测模型技术解析
  • Godot 通过 GDExtension 配置 C++ 开发环境
  • 大型 C++ 项目代码依赖管理方案
  • C++ STL list 容器常用接口与拓展用法详解
  • C/C++ 错误处理机制与常用函数详解
  • 2026 传媒行业趋势:Agent 成入口,AIGC 重塑供给
  • DeepSeek-R1-Distill-Llama-8B 详解:蒸馏过程中强化学习信号保留机制
  • 前端调用摄像头拍照,并使用 Vue Cropper 进行裁剪
  • Midjourney 官网地址及中文支持情况说明
  • Docker 部署 Coze 应用服务实战操作详解
  • AI 技术资讯:Agent 进化与模型更新
  • AI Agent 架构:基础组成模块深度解析
  • 基于 KaiwuDB 的 PX4-ROS2 无人机仿真时序数据存储与分析实践
  • AIGC 首尾帧图生成视频案例教程
  • 直播互动效率工具:神奇弹幕机器人功能配置与脚本开发
  • 基于 AI Agent 的米家智能家居通用控制方案
  • 10 个提升 AI 模型能力的必备技能
  • 多模态大模型微调框架 LlamaFactory 使用指南

相关免费在线工具

  • 加密/解密文本

    使用加密算法(如AES、TripleDES、Rabbit或RC4)加密和解密文本明文。 在线工具,加密/解密文本在线工具,online

  • RSA密钥对生成器

    生成新的随机RSA私钥和公钥pem证书。 在线工具,RSA密钥对生成器在线工具,online

  • Mermaid 预览与可视化编辑

    基于 Mermaid.js 实时预览流程图、时序图等图表,支持源码编辑与即时渲染。 在线工具,Mermaid 预览与可视化编辑在线工具,online

  • curl 转代码

    解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具,curl 转代码在线工具,online

  • Base64 字符串编码/解码

    将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具,Base64 字符串编码/解码在线工具,online

  • Base64 文件转换器

    将字符串、文件或图像转换为其 Base64 表示形式。 在线工具,Base64 文件转换器在线工具,online