Academic Research Skills — полный исследовательский конвейер для Claude Code

Academic Research Skills (ARS) — комплекс навыков для Claude Code, который закрывает полный цикл академической работы: от поиска источников и систематического обзора литературы до написания статьи, рецензирования, ответов рецензентам и финальной вычитки. Проект ведёт Cheng-I Wu, текущая версия — v3.22.0, на GitHub около 49 тысяч звёзд, лицензия CC BY-NC 4.0.

Главная идея позиционирования: AI — пилот-напарник, а не пилот. ARS не пишет статью за вас. Он берёт на себя рутину — поиск ссылок, форматирование цитат, сверку утверждений с источниками, проверку логической согласованности, — а исследователь занимается тем, что требует мысли: формулирует вопрос, выбирает метод, интерпретирует данные и пишет предложения после слов «я утверждаю, что».

Состав набора

ARS состоит из четырёх взаимосвязанных скиллов:

Deep Research

Исследовательская команда из 13 агентов. Восем режимов: полный, быстрый обзор, обзор качества исследования, литературоведческий обзор, сравнение трёх статей в формате WHY/HOW/WHAT, fact-check, сократическое руководство и систематический обзор по PRISMA. Есть интеграция с Semantic Scholar API для проверки существования источников, детекция намерений в сократическом режиме и мониторинг «здоровья» диалога.

Academic Paper

Конвейер написания статьи из 12 агентов. Одиннадцать режимов: полное написание, guided-план, каркас, ревизия по замечаниям, разбор комментариев рецензентов в дорожную карту, отдельный аннотация, литературоведческий обзор, конвертация форматов, проверка цитат, генерация AI disclosure statement и аудит rebuttal-черновика. Style Calibration учится на ваших прошлых текстах, Writing Quality Check ловит машинные паттерны прозы. На выходе — Markdown, DOCX (через Pandoc) и LaTeX с компиляцией в PDF.

Academic Paper Reviewer

Мультиперспективное рецензирование из 7 агентов: Journal-Fit Reviewer + три динамических рецензента + Devil's Advocate. Рецензии привязаны к критериям и опираются на доказательства, а не на сводные баллы — итоговая цифра искусственно не маппится на Accept / Minor / Major / Reject. Есть протокол concession threshold (адвокат не сдаётся без веской причины), режим калибровки по gold set и read-only ограничение.

Academic Pipeline

Десятистадийный оркестратор всего процесса: исследование → написание → integrity-проверка → рецензирование → ревизия → итог. Каждая стадия требует подтверждения пользователя. Integrity-гейты на стадиях 2.5 и 4.5 обязательны и не могут быть пропущены без записи причины в лог. В финале генерируется запись о процессе создания статьи с оценкой качества коллаборации по шести измерениям.

Полная схема конвейера, матрица стадий и граф зависимостей скиллов — в docs/ARCHITECTURE.md.

Установка

Рекомендуемый способ — плагин Claude Code (v3.7.0+):

/plugin marketplace add Imbad0202/academic-research-skills
/plugin install academic-research-skills

После установки запустите /ars-plan и опишите статью, над которой работаете, — ARS начнёт сократический диалог по структуре глав. Для одноразовой проверки подойдёт /ars-lit-review "тема".

Доступны и другие каналы: скиллы в проекте, глобальные скиллы, claude.ai Project, импорт из GitHub в Claude Science, клонирование репозитория. Полное руководство — в docs/SETUP.md. Для Codex CLI существует отдельная сборка academic-research-skills-codex, для Pi — обёртка в самом репозитории.

Необязательные зависимости: Pandoc для DOCX, tectonic для PDF. Без них работает Markdown-вывод. Python нужен только для write-scope guard и части опциональных команд — ядро скиллов работает на промптах.

Human-in-the-loop вместо полной автономии

Авторы честно описывают границы подхода. Они опираются на The AI Scientist (Lu et al., 2026, Nature) и его перечень отказов полностью автономных исследовательских систем: баги реализации, галлюцинации результатов, fabrication методологии, frame-lock, галлюцинации цитат. ARS построен на предположении, что исследователь с AI справляется с этими отказами лучше, чем каждый сам по себе.

Ключевые механизмы:

• Integrity-гейты 2.5 и 4.5 — блокирующий чеклист из семи режимов проверки (существование цитат, соответствие утверждений источникам, согласованность методологии, верность таблиц и рисунков)
• Claim audit — опциональный проход (ARS_CLAIM_AUDIT=1), который сверяет каждое утверждение с реальным текстом процитированного источника
• Anti-leakage protocol и trust-chain frontmatter — происхождение источников фиксируется явно
• Concession threshold — Devil's Advocate обязан оценить оппонентуру по шкале 1-5 и уступает только при score ≥4, что снижает сикофанцию модели
• Dialogue health monitoring — сократический наставник тихо отслеживает преждевременное схождение и подсаживает контрольные вопросы

Важное ограничение, которое авторы декларируют прямо: ARS проверяет рукопись и заявленный процесс, но не доказывает, что процедуры действительно выполнялись и что результаты воспроизводимы. Согласованная фабрикация может пройти такие проверки. Границы описаны в POSITIONING.md.

Возможности

• Форматы цитирования: APA 7.0 (по умолчанию), Chicago, MLA, IEEE, Vancouver
• Структуры статей: IMRaD, тематический обзор, теоретический анализ, кейс-стади, policy brief, конференционная статья
• Языки интерфейса и вывода: английский и традиционный китайский, двуязычные аннотации; сократический режим работает на любом языке через детекцию намерений
• Data Access Level Metadata — каждый скилл объявляет уровень доступа к данным (raw / redacted / verified_only)
• Опциональный cross-model verification — кросс-модельная проверка integrity-гейтов
• Model Tiering — распределение ролей между экономичными и топовыми моделями
• Материальный паспорт (Material Passport) и optional repro_lock для трекинга артефактов
• Экспериментальная provenance-intake — фиксация экспериментов, проведённых вне конвейера

Полный список рисков и того, какие контроли их закрывают, — в docs/RISK_REGISTER.md.

Стоимость и примеры

По оценке авторов, полный конвейер на статью объёмом 15 тысяч слов стоит около $4-6 при рекомендуемых настройках Claude Code. Подробные бюджеты токенов по режимам — в docs/PERFORMANCE.md.

В репозитории лежит showcase реального прогона десятистадийного конвейера: финальная статья на английском и китайском, отчёты integrity-проверок (на стадии 2.5 было поймано 15 фабрикованных ссылок и 3 статистические ошибки), раунды peer-review, ответы рецензентам и постпубликационный аудит. Артефакты — в examples/showcase.

Экосистема

• Experiment Agent — запуск и валидация экспериментов между стадиями RESEARCH и WRITE
• Teaching Skills — та же архитектура для учебного процесса
• Codex-распределение — та же методология в упаковке под Codex CLI

История версий и что менялось в каждом релизе — в CHANGELOG.md.