学术写作的 AI 工具有一个通用剧本：扔一篇论文进去，吐一篇改好的出来。看起来很爽，用起来会发现改出来的东西像穿着你外套的另一个人。Academic Research Skills（下称 ARS）走了一条完全相反的路线，它把论文写作拆成了 10 个阶段，每个阶段都有强制的人机确认点。读它的 README 第一句话就定了调：“AI is your copilot, not the pilot.”
这项目目前在 GitHub 上有超过一万个 Star，553 次提交，最近刚迭代到 v3.12.1。作者 Cheng-I Wu（吴政宜）在 README 里引用了一篇 2026 年 Nature 的论文（Lu et al., 651:914-919），专门研究全自主 AI 研究系统的失败模式。他的结论很直接：学术写作这件事，AI 当驾驶员会翻车。
说实话，刚开始看这个项目的时候我有点怀疑。把学术写作流程化听起来像是一个过于宏伟的目标，毕竟写过论文的人都知道，写作过程中的混乱和迭代几乎不可能预定义。但读完一整套架构文档之后，想法变了。这个项目不是在模拟写作，是在设计一个生产系统。
说白了我在这篇文章里想拆清楚两件事：这套 10 阶段流水线到底怎么跑起来的，以及它背后的设计哲学为什么比功能本身更值得关注。如果你也在用 AI 辅助学术写作，或者对”人机协作到底怎么落地”这件事感兴趣，应该能从 ARS 的做法里找到一些参考。
环境准备
装 ARS 比你想象中简单。前提是你有 Claude Code 的最新版本，以及一个可用的 Anthropic API Key。如果还需要 DOCX 或 PDF 格式输出，可以额外装 Pandoc 和 tectonic，但不是必须的。这套东西在 Markdown 模式下就能跑通核心流程。
安装就一条 marketplace 命令，30 秒搞定。装完之后跑 /ars-plan 验证一下，ARS 会启动一个苏格拉底式对话帮你规划章节结构。能正常对话就说明环境通了。
/plugin marketplace add Imbad0202/academic-research-skills
/plugin install academic-research-skills
如果你用的是 Codex CLI 而不是 Claude Code，作者也提供了姊妹发行版 academic-research-skills-codex，功能一致但打包方式不同。一个常见的安装卡点是锁文件冲突，通常是因为 Git 克隆残留和 Claude 插件安装机制打架。关掉 Claude，手动删掉 .claude/plugins/marketplaces/ 下的残留文件夹再重试就行。
ARS 还支持传统 symlink 安装方式，对不想用插件机制的用户也友好。文档里详细列了 5 种安装方法，覆盖了从 Claude Code 个人项目到 claude.ai 云端项目的各种场景，总有一款适合你的使用习惯。
操作流程
ARS 的完整 Pipeline 分 10 个阶段，但最有意思的不是阶段多，而是你可以从中间进入。不一定从零开始。完整路径是：Stage 1 做研究问题定义和方法论蓝图，Stage 2 进入论文写作，Stage 2.5 是一个硬性检查点做完整性验证。然后 Stage 3 进入同行评审，由一个 7 人评审委员会把关。如果有修订就进入 Stage 4，Stage 4.5 再做一轮完整性验证，最后 Stage 5 格式化输出，Stage 6 自动生成论文创建过程记录。
这条链路最让我意外的是 Stage 2.5 和 Stage 4.5 这两个完整性验证门。它们被设计成不可跳过的硬检查点，换句话说，即使你觉得”我论文没改过没必要检查”，这个步骤也必须执行。从文档里展示的实际运行示例看，Stage 2.5 在一次运行中捕获了 15 条伪造引用和 3 个统计错误。这个数字说明了一个残酷的事实：AI 生成的引用比你想象中更不可靠。
Pipeline 的”中途进入”机制在实际使用中很重要。你已经有了一篇论文草稿想直接送审，从 Stage 2.5 进入就行。收到了审稿意见想修订，从 Stage 4 进入。拿到了第二轮审稿意见要看改得怎么样，Stage 3’ 做修订验证。这种弹性背后是一个基本事实：学术写作从来不是一个从零开始的线性过程，它更像反复推倒重来的循环。
每个阶段结束时 ARS 都会等待用户确认，不会自动推进到下一个阶段。坦率地说，大多数 AI 工具有一种惯性，你点一下它，它就假设你要它全自动搞定。ARS 反着来，默认你需要做决策，它只负责把每个阶段的输入和输出准备好，等你拍板。这个设计很克制，也很有底气。
关键设计
ARS 最核心的设计决策可以概括为一个选择：构建多 Agent 协作系统而不是单 Agent 全自动系统。它包含 4 个核心技能，一共 27 种操作模式，背后有 30 多个专职 Agent 各自负责研究、写作、评审、编排等不同任务。Deep Research 的 13 个 Agent 只管找文献和验证引用，Academic Paper 的 12 个 Agent 只管写作和格式化，Reviewer 的 7 个 Agent 只管评审。三个团队之间职责边界清晰，没有”越界”的风险。
这个设计的好处和代价一样明显。好处是每个 Agent 只专注一件事，输出质量可控。代价也很实在：上下文切换成本高，完整跑一遍 Pipeline 大概需要 $4-6 的 API 费用，消耗不少 Token。对于不急着投稿的学者来说这个价格完全可以接受，但对于高频使用的博士生群体，累计成本可能是个需要考虑的因素。
| 设计决策 | 具体做法 | 可借鉴价值 |
|---|---|---|
| 人类检查点 | 每个阶段强制确认后才能推进 | 防止 AI 在错误方向上越跑越远 |
| 评审委员会 | 7 个独立视角 Agent 同时评审 | 多角度对冲单一模型的系统性偏见 |
| 引用验证门 | 跨 Semantic Scholar + OpenAlex + Crossref + arXiv 四索引交叉验证 | 把引用可靠性从”信任”变成”验证” |
| 反谄媚协议 | 评审 Agent 让步前强制 1-5 分评分，仅 ≥4 分才让步 | 阻止 AI 在面对质疑时过早放弃立场 |
| 格式配置文件 | 学者自定义字体、行距、页边距，场地合规优先 | 期刊格式要求优先级最高，防止格式漂移 |
有意思的是反谄媚协议的设计。作者在 v3.0 重构时发现了一个很具体的问题：AI 评审在面对作者的反驳时，只要作者稍微用力辩解，AI 就会让步。这种”你坚持我就认”的行为在学术评审中是灾难性的。于是 ARS 加了让步阈值协议，评审 Agent 必须先评分再决定是否让步，还禁止连续让步。这事说起来简单，但在 Prompt 层面实现一个不谄媚的 AI 评审，难度比想象中大得多。
我同时也注意到一些可能的设计盲区。Pipeline 的完整性虽然高，但 10 个阶段对一篇短文来说可能过重了。不是每篇论文都需要完整的评审委员会流程，但 ARS 目前没有针对不同篇幅论文做复杂度路由。另外，27 种模式对新手来说确实太多了，需要一段学习曲线才能找到自己真正需要的几个。
使用场景
ARS 最自然的场景是完整的学术论文发表流程。一个计算机科学方向的研究生正在写一篇 IMRaD 结构的会议论文，从文献综述到实验发现到最终提交，ARS 可以全程陪跑。每个阶段结束时停下来跟 ARS 确认方向是否正确，这种节奏对研究新手尤其友好。
但更有意思的是它的反驳信撰写场景。学术圈的人都知道写 rebuttal 有多折磨，要在礼貌和坚定之间拿捏分寸，还要逐条回应审稿意见且不能让对方觉得你在敷衍。ARS 的 rebuttal-audit 模式专门做这件事，会逐条检查你的反驳草稿是否覆盖了所有审稿意见，标记缺口和风险点。它不是帮你写反驳信，而是帮你检查你写的反驳信有没有漏掉致命攻击。
另一个值得提的场景是 post-publication 审计。ARS 的 Stage 6 Process Summary 会生成 6 维度协作质量评估，从方向设定、智力贡献、质量把关到迭代纪律和元学习，每个维度 1-100 分。这类评分不是为了”打分排名”，而是给研究者本人一个反思的尺子。你在这篇论文中到底贡献了什么判断？哪些判断是 AI 帮你做的？在学术伦理讨论越来越热的当下，这种透明性有实际价值。
坦率地讲，ARS 不太适合短平快的场景。如果你只是想快速润色一篇课程论文，它的完整 Pipeline 是杀鸡用牛刀。它的设计前提是你真的在乎产出质量，愿意花时间走完整个流程。对于习惯了一键生成的人来说，这个工具可能显得过于啰嗦。但对于认真做学术的人，这种”慢”反而是一种保护。
洞察与反思
深入研究了 ARS 的架构之后，最让我重新思考的不是它的功能有多全，而是它证明了一件事：在 AI 学术工具领域，“少做”比”多做”更难实现。大多数 AI 写作工具的路线是不断扩大功能范围，让用户觉得”这个也能做那个也能做”。ARS 反其道行之，花了大量精力在边界上：这个阶段你必须在场、这个决策你不能跳过、这个检查不管你愿不愿意都得做。
这种”硬约束”思维在 AI 产品里非常罕见，因为它要求设计者有足够的自信，自信到敢对用户说”不行，你不能跳过这一步”。但这种设计思路正在成为一个新信号。我注意到最近几个月有三个 AI 学术工具的演变方向值得关注：引用验证从概率判断变成确定性逻辑，评审工作从单一打分变成多视角校准，工具定位从”替你完成”变成”让你更清楚自己做了什么”。
ARS 在这三个方向上都有实际落地。它的引用验证跨四个索引做交叉比对，确定性远高于单索引依赖。它的评审委员会用 7 个视角对冲单模型偏见，本质上是用系统设计的冗余来降低 AI 的不确定性。它的 Stage 6 协作质量评估则是一个典型的元认知工具，让研究者看到自己在整个过程中的贡献分布。
但 ARS 的局限也很明显。它目前只支持 Claude Code，这个平台依赖本身就是一道门槛。它的工作流是为英文论文和 IMRaD 结构优化的，对中文学术写作和人文社科类论文的适配性还不明确。而且它的 CC-BY-NC 4.0 许可禁止商业用途，教学场景免费但高校商业化服务不能直接用。
说到底，ARS 的真正价值不在于让论文写得更快。它的价值在于让你对自己的论文更诚实。这篇论文里哪些判断是你做的，哪些是 AI 辅助的，评审意见你真的回应了还是假装回应了。在一个 AI 可以生成以假乱真的论文的时代，这种诚实可能是最稀缺的东西。你怎么看？
资源地址
| 资源 | 地址 |
|---|---|
| GitHub | https://github.com/Imbad0202/academic-research-skills |
| 配套工具 Experiment Agent | https://github.com/Imbad0202/experiment-agent |
总结
写到这里，回到开头那个问题：AI 到底该在学术写作中扮演什么角色？ARS 给的答案是”辅助验证者”，而不是”替代写作者”。这个答案不花哨，但它配套了一整套落地机制：10 个阶段、27 种模式、30 多个 Agent、硬性检查点和反谄媚协议。每一个设计都在强化同一个信号：论文是你的，AI 只是帮你检查。
如果你准备试试 ARS，我建议从 deep-research 的 three-way-scan 模式开始，而不是直接跑完整 Pipeline。用 WHY/HOW/WHAT 框架快速扫几篇论文，感受一下多 Agent 协作是怎么工作的。觉得有用再逐步打开更多阶段，不要一上来就 10 个阶段跑满。工具的价值在于帮你做更好的判断，而不是替你做完所有事情。
学术写作真正难的不是字写不出来，是判断不准。AI 能帮你验证判断，但不能帮你做判断。ARS 把这个边界画得很清楚，这是它区别于市面上大多数 AI 写作工具的根本原因，也是它值得被认真对待的地方。