前言¶
用大模型辅助科研，常见的落差是：聊完一轮，答案只留在聊天记录里。文献综述没法归档，引用来源核验不了，换一个模型又得重新交代一遍上下文。对 DeepSeek Harness（DSH）生态的开发者来说，DSH 的理念是「一切皆插件」，缺的往往不是模型能力，而是一条写进技能里、可复用、可验证的科研工作流。
下面介绍的 shidi-skill 就是围绕这个问题做的技能包：把文献调研、实验方案、作图、论文精读这类活计完整跑完，交付落盘的真实文件。
这是什么¶
shidi-skill 是 DeepSeek Harness 的 AI-for-Science 科研工作流技能包，由 IcyCreamDAS 维护，许可证 MIT。它的定位一句话可以说清：覆盖文献调研 / 实验方案 / 作图 / 论文精读，交付真实文件，强制输出交叉验证任务书，零外部依赖。
两个设计主张值得单独说明：
1、交付物是文件而不是聊天文本。最终报告写在 ~/shidi-output/，交叉验证任务书写在 ~/shidi-verify/，可以直接归档、引用或转发。
2、每次交付必附交叉验证任务书。可以把任务书交给另一个 LLM 做独立验证，验证意见逐条回应，回环迭代。
兼容性方面，它遵循 SKILL.md 规范，README 标注可用于 Claude Code / Codex / OpenClaw / OpenCode 等 agent，不绑定单一模型或平台。版本号有两处记载：README 徽标为 0.3，package.json 中为 0.3.1。
核心功能¶
按 README 的能力表，它覆盖六类任务，先从主链路讲起。
文献调研：先确认三个参数（数量、领域、特殊要求），一次问完即开跑；发散 3×3=9 个角度，做顶刊定向检索并走降级链；结果做六维评分，再分级阅读；随后批量下载 PDF，最后输出文件报告。
实验方案设计：先自由发散方案，再做文献支撑，输出原理、步骤、注意事项和漏洞清单——漏洞清单明确列出，不做掩饰。
科研作图：从 CSV/TXT/Excel 读入，先清洗再计算（numpy/scipy/sympy），渲染出版级图，附 Origin 复刻说明。
论文精读：source-map 六步精读，产出 16 节论文卡片和术语表。
交叉验证门：作者称之为灵魂的部分。每次交付必出验证任务书，交给另一个 LLM 独立验证后回环迭代。
实验记录：实验 ID、批次 ID 标准化，用 YAML frontmatter 归档。
README 更新日志最近一批条目（2026-08）补充了四项能力：
- PDF 批量下载：OpenAlex/Unpaywall 自动定位 OA 直链，失败出分类报告，不静默跳过
- 多格式报告：Markdown → HTML → PDF（Edge 无头打印，零依赖）
- PDF 抽取层：文本型转 Markdown 省上下文，扫描件自动标 needs_vision 走视觉路径
- 分角度中间报告：多角度并行调研时每角度落盘独立文件，汇总只读文件
防护机制¶
调研类任务最大的风险是编造引用，shidi-skill 对此内置了几条硬规则：
1、六维评分每维封顶，总分重算
2、主题匹配低于 10 分一票否决
3、DOI / arXiv ID / URL 三级去重
4、不编造：无法核验的引用、DOI、数据一律标「未验证」
5、阅读深度透明：全文 ✅ / 仅摘要 ⚠ / 不可获取 ❌
6、交叉验证意见逐条回应（采纳或不采纳加理由），不盲从
安装与启用¶
README 给出的安装方式是 clone 后复制到 skills 目录，作用是把技能装载到本地的 agent 技能路径里：
git clone https://github.com/IcyCreamDAS/shidi-skill.git
cp -r shidi-skill/skills/shidi ~/.claude/skills/
资料中没有查到 dsh plugin add 一类的官方 DSH 安装命令，上面两条就是 README 记载的全部安装步骤。
插件的 package.json 声明了 DSH 相关元信息，关键片段如下：
{
"name": "shidi-dsh-plugin",
"version": "0.3.1",
"engines": { "node": "^22.19.0 || >=24" },
"peerDependencies": {
"@deepseek-ai/dsh-skill-filesystem": ">=0.1.0-rc.6 <0.2.0"
}
}
另外 package.json 的 dsh.bundle.patch 字段指向 ./cordis.patch.yml。
依赖情况分两层：本体是纯 SKILL.md 加 Markdown，零外部依赖，不需要安装任何包；可选增强有两处，作图分支用到 numpy/scipy/matplotlib/pandas/sympy（3D 图用 pyvista），PDF 抽取层用到 pdf-inspector。文献检索走降级链：WebSearch 之后回落到开放学术 API（OpenAlex / Crossref / arXiv），均无需 key。
典型用法¶
装好后用自然语言下任务即可，README 给出的示例如下：
师弟，帮我查一下 XX 主题的文献，要 20 篇
师弟，设计一个 XX 实验方案
师弟，把这个数据画成图
师弟，帮我把这篇论文精读一下
只喊「师弟」也行，它会先跟你确认任务类型再开工。人设仅在触发词「师弟」出现时生效，默认称呼用户为师兄。
以文献调研为例，经过上面的步骤，完整链路是：确认三参数 → 按 9 个角度检索（每个角度落盘独立中间报告）→ 六维评分与三级去重 → 分级阅读与 PDF 批量下载 → 在 ~/shidi-output/ 生成报告，同时在 ~/shidi-verify/ 生成验证任务书。拿到任务书后，可以交给另一个 LLM 做独立交叉验证，它会对验证意见逐条回应后再迭代。
适用场景与注意¶
适合的人群：理工科研究生、做 AI for Science 的人，以及需要可归档、可交叉验证文件输出的 agent 用户。如果日常工作围绕查文献、设计方案、作图、读论文展开，这套技能覆盖了整条链路。
几点注意：
1、插件以当前 dsh 进程的权限运行，能够读写你机器上的文件，安装前应检查源码与许可证（MIT，仓库含 LICENSE）。
2、README 徽标（0.3）与 package.json（0.3.1）版本号不一致，以仓库实际代码为准。
3、存在两套命名：目录标识为 icycreamdas/shidi-skill，package.json 中包名为 shidi-dsh-plugin，引用时注意区分。
4、零依赖只针对主流程；作图与 PDF 抽取的可选增强需要对应的 Python 包，按需安装。
小结¶
shidi-skill 的价值不在某个单点功能，而在把「问参数—检索—评分—阅读—出文件—交叉验证」整条链写成了技能，并用落盘文件和验证任务书把结果从聊天记录里捞出来。对想在 DSH 上搭科研工作流的开发者，它也是一个可以直接读源码、按需改写的参考实现。
- GitHub 仓库：https://github.com/IcyCreamDAS/shidi-skill
- 社区目录页：https://www.skillhub.cn/plugins/IcyCreamDAS/shidi-skill
注：skillhub.cn 为社区维护的独立目录站点，与 DeepSeek、幻方无官方从属关系。
