论文写作 Skills

本指南介绍如何使用 Claude Code 中的 EvoScientist Research Skills 完成学术研究任务。 Skills 通过 npx skills add EvoScientist/EvoSkills 安装，直接以 /skill-name 方式调用。

目录#

• 安装与配置
• Skills 一览
• MCP 服务器
• Skills 详解
• 场景一：撰写区块链调研报告
• 场景二：阅读 SDN 论文并撰写阅读报告
• 场景三：从零撰写一篇学术论文
• 场景四：实验调试与迭代
• 场景五：撰写网络管理读书报告
• 常用技巧
• 图表绘制选择

安装与配置#

Skills 安装#

npx skills add EvoScientist/EvoSkills --yes

安装后 skills 会通过 symlink 自动同步到 Claude Code，可通过 cc-switch 统一管理。

MCP 服务器配置#

在 ~/.claude.json 的 mcpServers 中添加：

arxiv（论文搜索，免费）：

# 先安装 Python 包
uv tool install arxiv-mcp-server

"arxiv": {
  "command": "C:\\Users\\Alen\\.local\\bin\\arxiv-mcp-server.exe",
  "args": [],
  "type": "stdio"
}

exa（语义搜索，需 API Key）：

"exa": {
  "type": "http",
  "url": "https://mcp.exa.ai/mcp",
  "headers": {
    "Authorization": "Bearer YOUR_EXA_API_KEY"
  }
}

API Key 获取：https://exa.ai ↗ 注册后在 Dashboard → API Keys 中创建。

Skills 一览#

MCP 服务器#

exa 搜索消耗 API 额度，建议仅在需要语义搜索时使用。arxiv 免费，可随意使用。

Skills 详解#

1. /paper-navigator — 论文搜索与阅读#

做什么： 从 arXiv、Semantic Scholar、GitHub 等来源搜索、发现、评估和阅读学术论文。支持 10 种工作流：快速搜索、精确查找、文献追踪、带代码的 Baseline 检索、论文精读等。

产出： 论文列表表格（标题/作者/年份/引用数/TLDR）、单篇论文卡片、Baseline 推荐报告、结构化阅读笔记（保存到 /artifacts/paper-notes/）。

何时使用：

• 需要搜索某个方向的论文
• 需要精读某篇特定论文
• 需要找到带代码的 SOTA Baseline
• 需要追踪某领域最新进展

所有论文检索必须通过此 skill 进行，不要用 WebSearch 替代。

2. /research-ideation — 研究选题与提案生成#

做什么： 从研究目标出发，经过文献调研 → 三角色头脑风暴（创新者/实用主义者/批评者）→ 迭代精化 → ELO 排名赛 → 用户选定方向 → 展开为完整研究提案的全流程。

产出： Top-3 排名研究想法（含对比表格 + 完整精化版本）、/research-proposal.md（稿件级研究提案）、/direction-summary.md（方向摘要）。

何时使用：

• 需要寻找研究方向或头脑风暴
• 需要评估某个想法是否值得追求
• 需要比较和排名多个研究想法
• 需要从一个想法展开为完整提案

3. /research-survey — 文献综述报告生成#

做什么： 将收集的论文通过 6 阶段流水线生成综述级文献报告：大纲生成 → 初稿 → 逐节扩展 → 摘要生成 → 精化 → 组装。按技术机制分类（非时间线），生成对比表格、LaTeX 公式、密集引用。

产出： /artifacts/survey-{topic}-{date}.md，包含分类体系、方法对比表、LaTeX 形式化、带编号引用的完整综述报告。

何时使用：

• 需要撰写”文献综述”、“调研报告”、“领域概览”
• 已通过 /paper-navigator 收集论文，需要结构化综合
• 需要系统性了解一个研究领域的全貌

4. /paper-planning — 论文写作前规划#

做什么： 在动笔之前完成 4 项规划：故事线设计（task → challenge → insight → contribution → advantage）、实验规划（对比实验 + 消融实验）、图表设计（pipeline 图 + teaser 图）、4 周写作时间表。

产出： 故事摘要、模块动机映射表、实验计划（保存到 /assets/experiment-plan-template.md）、pipeline 图草图、4 周进度表。

何时使用：

• 写论文前需要规划故事线和贡献点
• 需要设计实验方案（Baseline 选择、消融实验）
• 需要规划论文图表
• 需要制定写作时间表

包含反直觉策略：先写一封拒稿信来预判弱点，先设计消融再打磨方法。

5. /paper-writing — 论文逐节撰写#

做什么： 按 11 步流程逐节撰写论文：画 pipeline 图 → 设计故事 → 写 Method → 修改 Intro 和 Method → 写 Experiments → 精修图表 → 写 Related Work → 自审 → 写 Abstract → 选标题 → 迭代。提供 LaTeX 模板和各节写作指南。

产出： 完整论文草稿（LaTeX 格式）、paper-skeleton.tex（论文骨架模板）、各节写作计划。

何时使用：

• 需要撰写论文的任意章节（Introduction、Method、Experiments 等）
• 需要 LaTeX 模板
• 需要提升学术写作质量

6. /paper-review — 提交前自审#

做什么： 对论文草稿进行对抗性压力测试。5 维度检查清单：贡献充分性、写作清晰度、结果质量、实验完整性、方法设计。包含反直觉审稿协议（模拟拒稿、删除无证据声明、信任评分、攻击新颖性声明）。

产出： 5 维度审查报告、反向大纲分析、图表质量检查、提交前最终检查清单。

何时使用：

• 论文草稿完成后、投稿前的自审
• 需要准备应对审稿人批评
• 需要检查论文是否”准备好”

仅用于自审自己的论文，不要用于审阅他人论文。

7. /paper-rebuttal — 回复审稿意见#

做什么： 收到审稿意见后的系统性回复流程：诊断评分（红/橙/灰/绿四色标记）→ 制定策略（识别 Champion、合并共性问题）→ 按优先级撰写回复。每条回复遵循”承认 → 回应 → 行动”三段式。

产出： 结构化 rebuttal 文档（含评分诊断、优先级排序、逐条回复）、/assets/rebuttal-template.md。

何时使用：

• 收到审稿意见需要撰写 rebuttal
• 需要分析审稿意见的优先级
• 需要回复特定批评（如”novelty 不足”、“缺少 Baseline”）

8. /experiment-pipeline — 4 阶段实验执行#

做什么： 结构化 4 阶段实验流程，每阶段有尝试预算和通过条件：Stage 1 初始实现（复现 Baseline，≤20 次）→ Stage 2 超参调优（≤12 次）→ Stage 3 新方法验证（≤12 次）→ Stage 4 消融实验（≤18 次）。

产出： /experiments/stage{1-4}_xxx/ 目录（含结果、配置、代码）、代码轨迹日志、消融结果表。

何时使用：

• 有实验计划，需要组织执行流程
• 需要先复现 Baseline 再测试新方法
• 需要系统性验证方法的有效性

如果某阶段失败，自动调用 /experiment-craft 进行诊断。

9. /experiment-craft — 实验调试与诊断#

做什么： 当实验失败或结果异常时的 5 步诊断流程：收集失败案例 → 找到可工作的版本 → 逐步缩小差距 → 假设验证 → 提出修复方案。核心是”找到 WHY”，而非盲目跑更多实验。

产出： 故障原因确认、修复方案及验证结果、结构化实验日志（保存到 /artifacts/experiment-log.md）。

何时使用：

• 实验不工作或结果异常
• 训练 loss 不收敛
• 需要诊断为什么方法在某些数据上失败
• 需要结构化的实验记录

10. /experiment-iterative-coder — 迭代代码精修#

做什么： 通过 plan → code → evaluate → refine 循环迭代精修代码。每个循环运行 lint（ruff）、测试（pytest）和自评，诊断失败后精化。将复杂任务分解为顺序阶段，每阶段最多 3 轮迭代。

产出： 精修后的代码、/artifacts/iteration_log.md（迭代日志，含每轮评分和改进记录）。

何时使用：

• 需要高质量代码实现（非一次性通过）
• 任务复杂（5+ 文件、多模块交互）
• 需要经过 lint 和测试验证的代码

11. /evo-memory — 跨会话研究记忆#

做什么： 管理跨研究周期的持久记忆。维护两个记忆库：Ideation Memory M_I（可行/不可行方向）和 Experimentation Memory M_E（可复用策略）。三种进化机制：IDE（选题后更新方向）、IVE（实验失败后分类为实现失败 vs 原理性失败）、ESE（实验成功后提取可复用策略）。

产出： /memory/ideation-memory.md、/memory/experiment-memory.md、进化报告（/memory/evolution-reports/）。

何时使用：

• 完成 /research-ideation 后需要更新方向记忆
• 完成或失败 /experiment-pipeline 后需要更新策略记忆
• 开始新研究周期，需要加载之前的经验
• 需要分类失败原因（实现失败 vs 原理性失败）

12. /academic-slides — 学术 PPT 制作#

做什么： 从论文或研究项目创建学术演示文稿。7 步流程：定义受众 → 设计叙事弧 → 规划幻灯片结构 → 逐页创建 → 添加视觉元素 → 排练计时 → 准备 Q&A 备用页。

产出： .pptx 演示文稿文件、演讲大纲、备用 Q&A 幻灯片。

何时使用：

• 需要为学术会议、答辩、组会制作 PPT
• 需要将论文转化为演示文稿
• 需要设计演讲结构和叙事

13. /nano-banana — AI 生成演示文稿与插图#

做什么： 使用 Gemini 图像生成 API 将幻灯片作为高质量图片生成。完整流程：内容规划对话 → 生成 slides_plan.json → 批量图片生成 → 浏览器交互式预览 → 反馈编辑 → 打包为 PPTX。也可生成论文插图和架构图。

产出： 幻灯片图片序列（slide-XX.png）、.pptx 文件、论文/文档高质量插图。

何时使用：

• 需要快速生成视觉效果好的演示文稿
• 需要为论文生成高质量插图、架构图、概念图
• 不想手动排版 PPT，希望 AI 生成

需要 Google API Key（$GOOGLE_API_KEY）。与 /academic-slides 互补：后者侧重叙事结构，前者侧重视觉生成。

场景一：撰写区块链调研报告#

目标：针对某个行业的区块链应用案例（如医疗、版权、金融等），撰写一份完整的调研报告。报告需涵盖行业背景、传统方案与区块链方案的对比分析、未来展望，正文字数不少于 3000 字，需自行绘制图表，最终输出 PDF。

第一步：确定调研方向

使用 /research-ideation 进行 idea 的讨论。先选定一个具体行业和应用场景，例如：

• 区块链在医疗数据共享中的应用
• 区块链在数字版权保护中的应用
• 区块链在供应链金融中的应用
• 区块链在跨境支付中的应用

方向越具体越好——“区块链在医疗中的应用”比”区块链应用”更容易写出深度。

第二步：搜索相关论文和资料

/paper-navigator

告诉 Claude 你的方向，例如：

帮我搜索关于”区块链在 RWA 与金融的应用”的论文和资料，重点关注：金融普惠、碎片化所有权、流动性提升，现金流自动化四个子方向。找近 5 年的论文和行业报告。

Claude 会通过 arXiv MCP 检索论文，返回论文列表。这一步的目标是收集 15-30 篇相关文献，覆盖技术方案和实际案例。

第三步：精读核心文献

/paper-navigator

从第二步的结果中挑选 3-5 篇最核心的论文进行精读：

帮我精读这篇论文：[粘贴论文标题或 arXiv ID]，重点分析：

1. 它解决了什么具体问题
2. 传统方案是什么、有什么不足
3. 区块链方案的技术细节
4. 实际效果和局限性

帮我精读这几篇文章：1.Swinkels (2023),2.RealT 白皮书,WEF 报告 (2025)以及精选的3篇论文，重点分析：

1. 它解决了什么具体问题
2. 传统方案是什么、有什么不足
3. 区块链方案的技术细节
4. 实际效果和局限性

第四步：生成调研报告初稿

/research-survey

基于收集的文献，生成结构化调研报告：

基于刚才找到的论文，生成一份关于”区块链在 [你选的行业] 中的应用”的调研报告。报告结构要求：

1. 摘要（300 字以内，概括全文要点）
2. 目录
3. 正文：
   • 行业背景与现状（该行业面临的核心痛点）
   • 传统方案及其分析（现有解决方案是什么、优缺点）
   • 区块链方案及其分析（技术架构、智能合约设计、共识机制选择）
   • 传统方案与区块链方案对比分析（用表格对比安全性、效率、成本、可扩展性等维度）
   • 典型应用案例（2-3 个具体案例，含实施效果）
   • 未来展望与挑战
4. 参考文献

要求：正文字数不少于 3000 字，每个论点都要引用具体文献，包含对比表格。

Claude 会生成完整的调研报告初稿，包含分类分析、对比表格和密集引用。

第五步：自审报告质量

/paper-review

检查报告是否满足作业要求：

帮我检查这份调研报告，重点核对：

1. 正文是否超过 3000 字
2. 是否包含要求的全部章节（行业背景、传统方案分析、区块链方案分析、对比分析、未来展望）
3. 对比分析是否有表格支撑
4. 参考文献是否完整且格式规范
5. 是否有”照搬”痕迹——用自己的语言重新表述技术内容

第六步：绘制图表

报告中需要自行绘制的图表，按用途选择不同工具。详见下方 图表绘制选择 章节。

第七步：排版导出 PDF

将报告整理为最终格式：

• 封面：组号、组员学号、班级、专业、贡献比
• 正文：摘要 → 目录 → 正文 → 参考文献
• 文件命名：组号-作业一调研报告-报告题目.pdf

场景二：阅读 SDN 论文并撰写阅读报告#

目标：针对某篇 SDN（软件定义网络）论文，撰写阅读报告。作业要求分两部分：必做（背景/问题/方案总结 + 方案理解）和提高（改进思路 → 具体方法 → 系统设计 → 仿真验证）。

第一步：获取并精读论文

/paper-navigator

告诉 Claude 论文信息：

帮我找到并精读这篇论文：[论文标题或 DOI]

重点分析：

1. 研究背景：这篇论文要解决什么问题？为什么这个问题重要？
2. 现有方案：之前的方法是什么？有什么不足？
3. 核心方案：作者提出了什么方法？关键技术细节是什么？
4. 实验验证：作者如何验证方案的有效性？结果如何？
5. 局限性：这个方案还有什么不足或未解决的问题？

第二步：撰写阅读报告（必做部分）

/paper-writing

基于精读结果，撰写报告的必做部分：

基于刚才的论文分析，撰写阅读报告的前两部分：

第一部分：背景、问题、解决方案总结

• 论文基本信息（标题、作者、会议/期刊、年份）
• 研究背景与问题定义（该领域面临什么挑战）
• 现有方案及其不足（传统方法为什么不够好）
• 作者的解决方案概述（核心思路和技术路线）
• 关键实验结果（用数据说话）

第二部分：对方案的理解

• 技术方案的详细解读（用你自己的语言解释核心机制）
• 方案的优势和创新点（为什么这个方法比之前的好）
• 方案的局限性（在什么场景下可能失效）
• 个人理解和评价（你认为这个方案的价值和意义）

第三步：提出改进思路（提高部分，选做）

/research-ideation

如果想拿更高分数，基于论文的局限性提出改进方向：

基于刚才分析的论文局限性，帮我思考改进方向：

1. 这篇论文的方案有哪些可以改进的地方？
2. 能否结合其他领域的技术来解决这些不足？
3. 有没有更简单的方案能达到类似效果？

要求：给出 2-3 个具体的改进思路，每个思路说明动机、预期效果和可行性。

第四步：设计改进方案（提高部分，选做）

/paper-planning

将选定的改进思路展开为具体方案：

基于选定的改进思路”[具体思路]“，帮我设计一个完整的改进方案：

1. 具体的技术方案（改什么、怎么改）
2. 系统设计（模块划分、接口定义、数据流）
3. 预期改进效果（在哪些指标上能提升）
4. 可能的风险和挑战

第五步：仿真验证设计（提高部分，选做）

/experiment-pipeline

如果需要构造仿真环境验证想法：

帮我设计一个仿真实验来验证改进方案：

1. 仿真环境选择（Mininet、NS-3、或其他 SDN 仿真工具）
2. 实验拓扑设计（网络规模、链路参数、流量模型）
3. 对比实验设计（原方案 vs 改进方案，对比指标）
4. 评估指标（吞吐量、延迟、丢包率、控制器负载等）
5. 预期结果和分析方法

第六步：自审报告质量

/paper-review

检查报告是否满足作业要求：

帮我检查这份阅读报告，重点核对：

1. 必做部分是否完整（背景/问题/方案总结 + 方案理解）
2. 对论文方案的理解是否准确、是否有遗漏
3. 个人评价是否有独立思考（不是复述论文内容）
4. 如果有提高部分：改进思路是否有道理、方案是否具体可行

场景三：从零撰写一篇学术论文#

完整的论文写作流程，从选题到投稿。

全流程#

1. /research-ideation    → 选题和研究方向
2. /paper-planning       → 规划故事线、实验、图表
3. /experiment-pipeline  → 执行实验
4. /paper-writing        → 撰写论文
5. /paper-review         → 提交前自审
6. /academic-slides      → 制作报告 PPT

各阶段示例#

选题阶段：

我的研究方向是联邦学习中的隐私保护，请帮我：

1. 调研当前主流方案
2. 用三个角色（创新者/实用主义者/批评者）分别提出研究方向
3. 用 ELO 排名选出最有潜力的方向
4. 展开为完整的研究提案

规划阶段：

基于选定的方向”基于差分隐私的联邦学习梯度压缩”，帮我规划论文：

1. 设计故事线（task-challenge-insight-contribution-advantage）
2. 规划实验（对比实验 + 消融实验）
3. 设计图表（pipeline 图 + teaser 图）
4. 制定 4 周写作时间表

写作阶段：

帮我撰写论文的 Introduction 部分，要求：

• 采用”倒三角”结构
• 第一段：大背景和重要性
• 第二段：现有方法及不足
• 第三段：我们的方法和核心贡献
• 使用 LaTeX 格式

场景四：实验调试与迭代#

当实验代码跑不通或结果不理想时使用。

调试实验：

/experiment-craft

我的模型训练 loss 不收敛，当前配置：

• 模型：Transformer-based，3 层，hidden=256
• 优化器：Adam，lr=1e-3
• 数据集：自定义 NLP 数据集，5 万条
• 现象：loss 在 2.3 附近震荡，50 个 epoch 不下降

帮我诊断可能的原因并给出调试方案。

迭代代码：

/experiment-iterative-coder

帮我实现一个图神经网络的消息传递模块，要求：

• 支持 GCN、GAT、GraphSAGE 三种聚合方式
• 有完整的单元测试
• 使用 More Effort 模式迭代精修

场景五：撰写网络管理读书报告#

目标：针对网络管理技术的最新进展（AIOps、5G 网管、SDN、NFV 等），撰写一篇 2000 字以内的读书报告。中文资料需基于多篇文章归纳提炼，外文资料可基于一篇文章。截止日期：6 月 9 日。

第一步：选定主题并搜索文献

/paper-navigator

从推荐主题中选一个方向，例如 AIOps 或 SDN：

帮我搜索关于”网络管理中 AIOps 的最新进展”的论文和资料，重点关注：

1. AIOps 在网络故障检测中的应用
2. AIOps 在网络性能优化中的应用
3. 最近 3 年的高引用论文和综述

找 10-15 篇相关文献。

第二步：精读 2-3 篇核心文献

/paper-navigator

从搜索结果中挑选最核心的几篇精读：

帮我精读这篇论文：[论文标题或 arXiv ID]，重点分析：

1. 它解决了网络管理中的什么具体问题
2. 技术方案的核心思路
3. 实验效果和创新点
4. 局限性和未来方向

第三步：撰写读书报告初稿

/research-survey

基于精读结果，生成 2000 字以内的读书报告：

基于刚才读的论文，帮我撰写一篇关于”[你选的主题]“的读书报告，要求：

1. 标题自定，体现主题方向
2. 内容结构：
   • 引言（该领域的背景和重要性，200-300 字）
   • 技术现状（当前主流方法和最新进展，800-1000 字）
   • 关键技术分析（重点介绍 1-2 个核心技术，500-700 字）
   • 总结与展望（未来趋势和挑战，200-300 字）
3. 正文控制在 2000 字以内
4. 基于多篇中文资料归纳提炼，不要照搬原文
5. 引用文献格式规范

第四步：自审报告质量

/paper-review

检查报告是否满足要求：

帮我检查这份读书报告，重点核对：

1. 正文是否在 2000 字左右
2. 是否基于 P4 论文归纳提炼（而非照搬）
3. 内容是否覆盖了该领域的最新进展
4. 引用是否完整且格式规范
5. 语言是否通顺、逻辑是否清晰

第五步：排版导出

• 文件格式：PDF 或 DOC
• 文件命名：2025年网关作业-姓名-学号.pdf
• 附上参考文献列表（中文资料需标注来源，外文资料需注明原文名称）

常用技巧#

1. 组合使用 Skills#

Skills 可以串联使用。例如：

• 先用 /paper-navigator 找论文 → 再用 /research-survey 写综述
• 先用 /experiment-pipeline 跑实验 → 再用 /evo-memory 记录成功/失败策略

2. 研究记忆#

/evo-memory

在完成一轮研究后，用 evo-memory 记录：

• 哪些方法可行（存入成功策略）
• 哪些方法失败了、为什么（分类为实现失败 vs 原理性失败）
• 下一轮研究可以复用的经验

3. 复用模板#

每个 skill 都附带模板文件，例如：

• paper-writing 附带 LaTeX 论文骨架（paper-skeleton.tex）
• research-ideation 附带研究提案模板（proposal-template.md）
• experiment-pipeline 附带实验跟踪模板（pipeline-tracker-template.md）

Claude 会自动使用这些模板，你也可以要求它基于模板定制。

4. 与开发 Skills 的区别#

图表绘制选择#

报告中的图表按用途分为三类，分别使用不同工具绘制。

nano-banana 绘制（概念性插图）

无法用代码生成的创意性、概念性图片，调用 /nano-banana 生成：

prompt 示例：“A professional illustration showing hospitals securely sharing patient data through a blockchain network, modern flat design, blue and white color scheme”

Python 绘制（数据驱动图表）

基于具体数据的量化图表，用 matplotlib + seaborn 生成：

draw.io / Mermaid 绘制（技术架构图）

结构性、流程性的图表，用绘图工具最清晰：

选型原则：有数据用 Python，有结构用 draw.io，有概念用 nano-banana。