前言¶
用大模型輔助科研，常見的落差是：聊完一輪，答案只留在聊天記錄裏。文獻綜述沒法歸檔，引用來源覈驗不了，換一個模型又得重新交代一遍上下文。對 DeepSeek Harness（DSH）生態的開發者來說，DSH 的理念是「一切皆插件」，缺的往往不是模型能力，而是一條寫進技能裏、可複用、可驗證的科研工作流。
下面介紹的 shidi-skill 就是圍繞這個問題做的技能包：把文獻調研、實驗方案、作圖、論文精讀這類活計完整跑完，交付落盤的真實文件。
這是什麼¶
shidi-skill 是 DeepSeek Harness 的 AI-for-Science 科研工作流技能包，由 IcyCreamDAS 維護，許可證 MIT。它的定位一句話可以說清：覆蓋文獻調研 / 實驗方案 / 作圖 / 論文精讀，交付真實文件，強制輸出交叉驗證任務書，零外部依賴。
兩個設計主張值得單獨說明：
1、交付物是文件而不是聊天文本。最終報告寫在 ~/shidi-output/，交叉驗證任務書寫在 ~/shidi-verify/，可以直接歸檔、引用或轉發。
2、每次交付必附交叉驗證任務書。可以把任務書交給另一個 LLM 做獨立驗證，驗證意見逐條回應，迴環迭代。
兼容性方面，它遵循 SKILL.md 規範，README 標註可用於 Claude Code / Codex / OpenClaw / OpenCode 等 agent，不綁定單一模型或平臺。版本號有兩處記載：README 徽標爲 0.3，package.json 中爲 0.3.1。
核心功能¶
按 README 的能力表，它覆蓋六類任務，先從主鏈路講起。
文獻調研：先確認三個參數（數量、領域、特殊要求），一次問完即開跑；發散 3×3=9 個角度，做頂刊定向檢索並走降級鏈；結果做六維評分，再分級閱讀；隨後批量下載 PDF，最後輸出文件報告。
實驗方案設計：先自由發散方案，再做文獻支撐，輸出原理、步驟、注意事項和漏洞清單——漏洞清單明確列出，不做掩飾。
科研作圖：從 CSV/TXT/Excel 讀入，先清洗再計算（numpy/scipy/sympy），渲染出版級圖，附 Origin 復刻說明。
論文精讀：source-map 六步精讀，產出 16 節論文卡片和術語表。
交叉驗證門：作者稱之爲靈魂的部分。每次交付必出驗證任務書，交給另一個 LLM 獨立驗證後迴環迭代。
實驗記錄：實驗 ID、批次 ID 標準化，用 YAML frontmatter 歸檔。
README 更新日誌最近一批條目（2026-08）補充了四項能力：
- PDF 批量下載：OpenAlex/Unpaywall 自動定位 OA 直鏈，失敗出分類報告，不靜默跳過
- 多格式報告：Markdown → HTML → PDF（Edge 無頭打印，零依賴）
- PDF 抽取層：文本型轉 Markdown 省上下文，掃描件自動標 needs_vision 走視覺路徑
- 分角度中間報告：多角度並行調研時每角度落盤獨立文件，彙總只讀文件
防護機制¶
調研類任務最大的風險是編造引用，shidi-skill 對此內置了幾條硬規則：
1、六維評分每維封頂，總分重算
2、主題匹配低於 10 分一票否決
3、DOI / arXiv ID / URL 三級去重
4、不編造：無法覈驗的引用、DOI、數據一律標「未驗證」
5、閱讀深度透明：全文 ✅ / 僅摘要 ⚠ / 不可獲取 ❌
6、交叉驗證意見逐條回應（採納或不採納加理由），不盲從
安裝與啓用¶
README 給出的安裝方式是 clone 後複製到 skills 目錄，作用是把技能裝載到本地的 agent 技能路徑裏：
git clone https://github.com/IcyCreamDAS/shidi-skill.git
cp -r shidi-skill/skills/shidi ~/.claude/skills/
資料中沒有查到 dsh plugin add 一類的官方 DSH 安裝命令，上面兩條就是 README 記載的全部安裝步驟。
插件的 package.json 聲明瞭 DSH 相關元信息，關鍵片段如下：
{
"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。
依賴情況分兩層：本體是純 SKILL.md 加 Markdown，零外部依賴，不需要安裝任何包；可選增強有兩處，作圖分支用到 numpy/scipy/matplotlib/pandas/sympy（3D 圖用 pyvista），PDF 抽取層用到 pdf-inspector。文獻檢索走降級鏈：WebSearch 之後回落到開放學術 API（OpenAlex / Crossref / arXiv），均無需 key。
典型用法¶
裝好後用自然語言下任務即可，README 給出的示例如下：
師弟，幫我查一下 XX 主題的文獻，要 20 篇
師弟，設計一個 XX 實驗方案
師弟，把這個數據畫成圖
師弟，幫我把這篇論文精讀一下
只喊「師弟」也行，它會先跟你確認任務類型再開工。人設僅在觸發詞「師弟」出現時生效，默認稱呼用戶爲師兄。
以文獻調研爲例，經過上面的步驟，完整鏈路是：確認三參數 → 按 9 個角度檢索（每個角度落盤獨立中間報告）→ 六維評分與三級去重 → 分級閱讀與 PDF 批量下載 → 在 ~/shidi-output/ 生成報告，同時在 ~/shidi-verify/ 生成驗證任務書。拿到任務書後，可以交給另一個 LLM 做獨立交叉驗證，它會對驗證意見逐條回應後再迭代。
適用場景與注意¶
適合的人羣：理工科研究生、做 AI for Science 的人，以及需要可歸檔、可交叉驗證文件輸出的 agent 用戶。如果日常工作圍繞查文獻、設計方案、作圖、讀論文展開，這套技能覆蓋了整條鏈路。
幾點注意：
1、插件以當前 dsh 進程的權限運行，能夠讀寫你機器上的文件，安裝前應檢查源碼與許可證（MIT，倉庫含 LICENSE）。
2、README 徽標（0.3）與 package.json（0.3.1）版本號不一致，以倉庫實際代碼爲準。
3、存在兩套命名：目錄標識爲 icycreamdas/shidi-skill，package.json 中包名爲 shidi-dsh-plugin，引用時注意區分。
4、零依賴只針對主流程；作圖與 PDF 抽取的可選增強需要對應的 Python 包，按需安裝。
小結¶
shidi-skill 的價值不在某個單點功能，而在把「問參數—檢索—評分—閱讀—出文件—交叉驗證」整條鏈寫成了技能，並用落盤文件和驗證任務書把結果從聊天記錄裏撈出來。對想在 DSH 上搭科研工作流的開發者，它也是一個可以直接讀源碼、按需改寫的參考實現。
- GitHub 倉庫：https://github.com/IcyCreamDAS/shidi-skill
- 社區目錄頁：https://www.skillhub.cn/plugins/IcyCreamDAS/shidi-skill
注：skillhub.cn 爲社區維護的獨立目錄站點，與 DeepSeek、幻方無官方從屬關係。
