前言¶
用通用大模型写论文时，常见问题是：模型会按「常见套路」选 CSV、t 检验、固定章节模板，却很少根据你手里的真实文件和研究表述做判断。数据格式认错了、统计前提没核对、摘要里的数字和正文对不上，往往在成稿后才暴露。
下面介绍 SkillHub 社区 Skill paper-agent（@user_287657c9/paper-agent，v1.0.0）。它是一份自适应科研论文协作的操作规范（System Prompt/Skill），把「从零辅助完成一篇学术论文」拆成可检查的流水线，并强调基于当前输入动态推理，而不是从枚举模板里挑答案。
这是什么¶
paper-agent 由社区发布者 user_287657c9 维护，分类为 ai-agent，来源为 community。官方坐标为 @user_287657c9/paper-agent；Skill 页面与 API 入口分别为 SkillHub 技能页 与 https://api.skillhub.cn/user_287657c9/paper-agent。标签标明 requires_api_key=false，启用本 Skill 本身不依赖额外 API Key。
用官方表述概括其核心：不预设标准答案，只规定 Agent 如何一步步判断和决策。它侧重数据处理、统计分析与论文撰写流程监督，而不是替用户「想选题」或自动检索文献库。
核心功能¶
零预设推理¶
系统拒绝「枚举式」模板思维：不默认数据只能是某种表格格式，不默认统计只有固定几种检验，也不默认专家角色只有统计学家一类。
具体做法是：读文件时先看文件头与分隔特征（二进制还是文本、分隔符形态等）；读任务时从用语判断意图（例如比较还是预测）。推理建立在当前原始输入上，而不是从既有选项里硬选一项。
六环节工作流¶
官方把协作流程固定为六个环节，且要求各环节「所见即所得」：
- 数据获取：自适应识别文件格式；识别失败时可重试，最多 3 次。
- 数据分析：强制做描述性统计（均值、缺失率、正态性等），只描述观测到的数据，不猜测数据「应该」长什么样。
- 理解与组队：从用户描述反推研究目的，按需生成专家角色（如领域专家、方法学专家），而非固定角色表。
- 执行与决策：专家按固定结构输出（判断、证据强度、假设、风险）；决策时检查专家意见是否一致、数据是否自洽。
- 图表生成：不先定图表类型，而是根据数据关系（比较、分布、趋势等）反推应绘制的图形。
- 质量检查：核查全文数字是否前后一致、术语是否统一、结论是否超出证据。
三层验证¶
为降低「编造」风险，规范内置三类检查：
- 自洽性验证：例如摘要中的样本量须与表格一致。
- 交叉验证：参数法与非参数法各算一遍，对照结论是否稳健。
- 假设检验：若使用参数检验，须回头验证数据是否满足正态等前提。
与文献检索 Skill 的分工¶
官方说明：本 Skill 不负责从 PubMed、Web of Science、CNKI 等库检索文献。数据处理与成稿由 paper-agent 主导；文献检索类 Skill 负责查找与引用，paper-agent 可将已有文献嵌入引言、讨论、方法，并校验引用格式与文献列表完整性。两者搭配时，文献调研与数据分析、成稿环节需分别启用对应 Skill。
安装与启用¶
本 Skill 基于通用 SKILL.md 格式，通过 SkillHub CLI 安装到当前 Agent 的 skills 目录。安装文档见 SkillHub 安装说明。
1、检查或安装 SkillHub CLI¶
先确认本机是否已有 skillhub：
command -v skillhub && skillhub --version
若未安装，可按官方脚本安装（完整安装含 CLI 与默认 Skill；仅需 CLI 时加 --cli-only）：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
2、安装 paper-agent¶
安装时必须用 --dir 指向当前 Agent 的 skills 目录，否则默认落在 ./skills/ 且可能不被识别：
skillhub install @user_287657c9/paper-agent --dir <skills目录>
常用客户端 skills 目录（以官方文档为准）：
- Cursor：
~/.cursor/skills/ - Claude Code：
~/.claude/skills/ - Codex：
~/.codex/skills/或项目下的.agents/skills/
安装后按你所用客户端要求重启或刷新 Agent，使 Skill 被加载。页面亦提示：可将安装提示词发给 AI，并参照 https://skillhub.cn/install/skillhub.md 完成 @user_287657c9/paper-agent 的安装。
典型用法¶
官方给出的使用前提很具体，可作为可复现的起点：
- 准备原始数据集（由 Skill 规范指导 Agent 自行读取与识别格式）。
- 准备一段研究背景描述（由流程反推研究目的与专家分工）。
- 在已启用 paper-agent 的对话中，按六环节流水线逐步推进：先完成数据获取与描述性分析，再进入专家意见与决策、图表与成稿，最后走质量检查与三层验证。
若同时启用文献检索类 Skill，可将检索到的条目交给当前会话，由 paper-agent 侧规范负责嵌入正文并检查引用与文献表；检索动作本身不在 paper-agent 职责内。
适用场景与注意¶
适合：已有原始数据、需要严格方法论与可核对数字的论文协作；希望 Agent 少套模板、多依据当前文件与表述做统计与写作决策的场景。
注意：
- 它是执行与监督型规范，不是「灵感生成器」；选题与文献库检索需用户或其他 Skill 补足。
- 文件识别失败时最多重试 3 次，仍失败时需要用户检查文件或格式。
- 社区来源（community），使用前可在 SkillHub 页面查看版本 v1.0.0 与说明是否满足你的合规与审稿要求。
- SkillHub 页面展示的下载、评分等统计会变动，以技能页实时信息为准。
结尾¶
paper-agent 把学术论文协作收成一条带质检的流水线：零预设识别数据、强制描述性统计、结构化专家决策，以及自洽性、交叉方法与分布前提三类验证。若你的痛点是「模型乱套模板、数字和结论对不上」，可以在 SkillHub 安装 @user_287657c9/paper-agent 后，用数据集加研究背景描述试跑完整流程。
官方地址：https://www.skillhub.cn/skills/user_287657c9/paper-agent
