前言¶
用通用大模型寫論文時，常見問題是：模型會按「常見套路」選 CSV、t 檢驗、固定章節模板，卻很少根據你手裏的真實文件和研究表述做判斷。數據格式認錯了、統計前提沒覈對、摘要裏的數字和正文對不上，往往在成稿後才暴露。
下面介紹 SkillHub 社區 Skill paper-agent（@user_287657c9/paper-agent，v1.0.0）。它是一份自適應科研論文協作的操作規範（System Prompt/Skill），把「從零輔助完成一篇學術論文」拆成可檢查的流水線，並強調基於當前輸入動態推理，而不是從枚舉模板裏挑答案。
這是什麼¶
paper-agent 由社區發佈者 user_287657c9 維護，分類爲 ai-agent，來源爲 community。官方座標爲 @user_287657c9/paper-agent；Skill 頁面與 API 入口分別爲 SkillHub 技能頁 與 https://api.skillhub.cn/user_287657c9/paper-agent。標籤標明 requires_api_key=false，啓用本 Skill 本身不依賴額外 API Key。
用官方表述概括其核心：不預設標準答案，只規定 Agent 如何一步步判斷和決策。它側重數據處理、統計分析與論文撰寫流程監督，而不是替用戶「想選題」或自動檢索文獻庫。
核心功能¶
零預設推理¶
系統拒絕「枚舉式」模板思維：不默認數據只能是某種表格格式，不默認統計只有固定幾種檢驗，也不默認專家角色只有統計學家一類。
具體做法是：讀文件時先看文件頭與分隔特徵（二進制還是文本、分隔符形態等）；讀任務時從用語判斷意圖（例如比較還是預測）。推理建立在當前原始輸入上，而不是從既有選項裏硬選一項。
六環節工作流¶
官方把協作流程固定爲六個環節，且要求各環節「所見即所得」：
- 數據獲取：自適應識別文件格式；識別失敗時可重試，最多 3 次。
- 數據分析：強制做描述性統計（均值、缺失率、正態性等），只描述觀測到的數據，不猜測數據「應該」長什麼樣。
- 理解與組隊：從用戶描述反推研究目的，按需生成專家角色（如領域專家、方法學專家），而非固定角色表。
- 執行與決策：專家按固定結構輸出（判斷、證據強度、假設、風險）；決策時檢查專家意見是否一致、數據是否自洽。
- 圖表生成：不先定圖表類型，而是根據數據關係（比較、分佈、趨勢等）反推應繪製的圖形。
- 質量檢查：覈查全文數字是否前後一致、術語是否統一、結論是否超出證據。
三層驗證¶
爲降低「編造」風險，規範內置三類檢查：
- 自洽性驗證：例如摘要中的樣本量須與表格一致。
- 交叉驗證：參數法與非參數法各算一遍，對照結論是否穩健。
- 假設檢驗：若使用參數檢驗，須回頭驗證數據是否滿足正態等前提。
與文獻檢索 Skill 的分工¶
官方說明：本 Skill 不負責從 PubMed、Web of Science、CNKI 等庫檢索文獻。數據處理與成稿由 paper-agent 主導；文獻檢索類 Skill 負責查找與引用，paper-agent 可將已有文獻嵌入引言、討論、方法，並校驗引用格式與文獻列表完整性。兩者搭配時，文獻調研與數據分析、成稿環節需分別啓用對應 Skill。
安裝與啓用¶
本 Skill 基於通用 SKILL.md 格式，通過 SkillHub CLI 安裝到當前 Agent 的 skills 目錄。安裝文檔見 SkillHub 安裝說明。
1、檢查或安裝 SkillHub CLI¶
先確認本機是否已有 skillhub：
command -v skillhub && skillhub --version
若未安裝，可按官方腳本安裝（完整安裝含 CLI 與默認 Skill；僅需 CLI 時加 --cli-only）：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
2、安裝 paper-agent¶
安裝時必須用 --dir 指向當前 Agent 的 skills 目錄，否則默認落在 ./skills/ 且可能不被識別：
skillhub install @user_287657c9/paper-agent --dir <skills目錄>
常用客戶端 skills 目錄（以官方文檔爲準）：
- Cursor：
~/.cursor/skills/ - Claude Code：
~/.claude/skills/ - Codex：
~/.codex/skills/或項目下的.agents/skills/
安裝後按你所用客戶端要求重啓或刷新 Agent，使 Skill 被加載。頁面亦提示：可將安裝提示詞發給 AI，並參照 https://skillhub.cn/install/skillhub.md 完成 @user_287657c9/paper-agent 的安裝。
典型用法¶
官方給出的使用前提很具體，可作爲可復現的起點：
- 準備原始數據集（由 Skill 規範指導 Agent 自行讀取與識別格式）。
- 準備一段研究背景描述（由流程反推研究目的與專家分工）。
- 在已啓用 paper-agent 的對話中，按六環節流水線逐步推進：先完成數據獲取與描述性分析，再進入專家意見與決策、圖表與成稿，最後走質量檢查與三層驗證。
若同時啓用文獻檢索類 Skill，可將檢索到的條目交給當前會話，由 paper-agent 側規範負責嵌入正文並檢查引用與文獻表；檢索動作本身不在 paper-agent 職責內。
適用場景與注意¶
適合：已有原始數據、需要嚴格方法論與可覈對數字的論文協作；希望 Agent 少套模板、多依據當前文件與表述做統計與寫作決策的場景。
注意：
- 它是執行與監督型規範，不是「靈感生成器」；選題與文獻庫檢索需用戶或其他 Skill 補足。
- 文件識別失敗時最多重試 3 次，仍失敗時需要用戶檢查文件或格式。
- 社區來源（community），使用前可在 SkillHub 頁面查看版本 v1.0.0 與說明是否滿足你的合規與審稿要求。
- SkillHub 頁面展示的下載、評分等統計會變動，以技能頁實時信息爲準。
結尾¶
paper-agent 把學術論文協作收成一條帶質檢的流水線：零預設識別數據、強制描述性統計、結構化專家決策，以及自洽性、交叉方法與分佈前提三類驗證。若你的痛點是「模型亂套模板、數字和結論對不上」，可以在 SkillHub 安裝 @user_287657c9/paper-agent 後，用數據集加研究背景描述試跑完整流程。
官方地址：https://www.skillhub.cn/skills/user_287657c9/paper-agent
