Academic Research Skills（ARS）是 Cheng-I Wu / Imbad0202 维护的 Claude Code 学术研究插件套件。它把 AI 定位为科研副驾驶，而不是替代研究者的“自动科学家”；研究问题、方法选择、结果解释、主张强度与最终投稿仍由人负责。
v3.19.0 包含 4 个核心 Skills、27 种运行模式与 39-Agent 协作体系：Deep Research、Academic Paper、Academic Paper Reviewer、Academic Pipeline。覆盖选题与苏格拉底式规划、PRISMA 系统综述、文献检索与元数据核验、论文结构/写作/风格校准、引用转换与存在性/主张一致性检查、多视角同行评审、修订路线图、Rebuttal、自审、终稿与投稿包。
用户可提供研究主题、检索式、论文/PDF/文献元数据、已有草稿、图表、外部实验产生的日志和结果、审稿意见及目标期刊或会议要求。输出可包括检索与证据记录、系统综述、结构提纲、论文段落、引文与定位锚点、统计/图表审计、同行评审报告、修订补丁或路线图、回复信、Material Passport、完整性报告与投稿包。ARS 不替用户运行科学实验，只登记外部实验来源并检查论断是否与证据匹配。
套件强调证据门控与可追踪性：四索引引用存在性检查（Semantic Scholar、OpenAlex、Crossref、arXiv）、可选的主张忠实性审计、PDF 读取完整性预检、read-scope 证明、claim strength 与 revision token drift guards、跨模型盲检和多阶段完整性检查点。但这些机制不能保证事实、引用、统计或新颖性绝对正确，最终结论必须由研究者复核。
本页面为第三方索引发布，原作者、官方仓库、DOI 与 CC BY-NC 4.0 授权保持不变。允许在署名条件下进行非商业使用、复制与改编；商业用途需要取得权利人额外许可。引用的外部论文、模型、数据集与服务按各自条款执行。
安装和安全提示：推荐从 Claude Code 插件市场安装，运行需要 Claude Code 与 Anthropic API；部分可选流程依赖 Python、Git Bash、Pandoc、tectonic 或外部模型/API。插件的 Hooks、Agents 和脚本可能读取或写入项目文件、调用网络服务、缓存元数据、生成投稿工件并产生 API 费用；跨模型或索引调用可能把提示、论文片段或引文元数据发送给相应服务。处理未公开研究、敏感数据或受限材料时，应关闭非必要外部调用、使用最小权限密钥、审阅 hooks 与 commands、备份项目，并避免把密钥或机密全文放入提示词、日志或可共享配置。仓库提供 SECURITY.md 和私密漏洞报告渠道。