👇 连享会 · 推文导航 | www.lianxh.cn
连享会:2026AI-Agent专题 · 线上 时间:6月20-21日 嘉宾:李学恒 (中山大学) 咨询:王老师 18903405450(微信)
🍓 连享会 · 2026 AI 实证研究 嘉宾:司继春(上海对外经贸大学) 时间:2026 年 6 月 27-28 日 咨询:王老师 18903405450(微信)
A班和B班的区别
• 解决的问题不同 :A班偏向搭建AI科研协作系统,B班偏向把实证研究做扎实。 • 课程定位 :A班关注AI科研工作流,包括工作台、文献与知识管理、写作系统和论文修改流程;B班关注实证研究本身,包括数据获取、代码复查、识别策略和理论建模。 • A班——AI工具很多,但东一榔头西一棒槌,没有稳定系统? • B班——数据是否可靠、Stata代码能不能信、识别策略是否站得住、机制解释是否有理论含量? 在A班把工具理顺,在B班把研究做扎实,从而让好的研究想法更高效的产出。
作者: 连小白 (连享会) 邮箱:
lianxhcn@163.com [1]
• Title : 没有 Claude Code,如何实现 Skills?ChatGPT、Kimi、DeepSeek、豆包的替代方案 • Keywords : Skills, Prompt, ChatGPT, Kimi, DeepSeek, 豆包, PROJECT_RULES.md, AI 工作流, 论文复现, 数据清洗 • 提要 :ChatGPT、Kimi、DeepSeek、豆包等工具,都没有原生的 Skills 机制。本文介绍如何用项目规则文件、项目指令、文件问答、知识库和智能体,来近似实现与 Claude Code 中的 Skills 类似的效果。
编者按 :上一篇 推文 [2] 讨论了如何用 Claude Code Skills 把论文复现、数据清洗和代码规范写进 AI。但很多读者日常使用的是 ChatGPT、Kimi、DeepSeek、豆包等工具,它们未必有 Claude Code 式的 SKILL.md 自动触发机制。本文讨论的重点是:如果没有原生 Skills,我们能否用项目规则文件、项目指令、文件问答、知识库和智能体,近似实现同样的效果?
1. 不是每个工具都有 Skills Claude Code Skills [3] 有比较明确的原生机制:在 Claude Code 中,自定义 Skill 通常以文件夹形式存在,包含 SKILL.md 文件;Claude 会根据任务自动发现并使用相关 Skills。Anthropic 的 Agent Skills 文档 [4] 也说明,Skills 采用分层加载机制:启动时加载 name 和 description 等元数据,触发后再读取 SKILL.md 正文,必要时继续读取附带文件或执行脚本。
这套机制很适合代码项目,因为它把项目规则变成了 Claude 可以自动调用的「任务能力模块」。例如,一个 Stata 回归 Skill 可以规定不要修改原始数据、使用相对路径、回归表输出到 tables/ 、图片输出到 figs/ ;一个 Quarto 写作 Skill 可以规定不要破坏公式、脚注、图片链接和交叉引用。
但问题是,很多读者并不使用 Claude Code。他们可能主要使用 ChatGPT [5] 、Kimi [6] 、DeepSeek [7] 或 豆包 [8] ,也可能在网页端、桌面端、手机端和 API 之间切换。
这就需要先澄清一个概念:
Claude Code Skills 是一种具体实现;真正值得迁移的是「把反复解释给 AI 的项目规则,沉淀为可复用上下文」的工作方式。
换句话说,文件名是否叫 SKILL.md 并不是最重要的。真正重要的是:AI 能不能在后续任务中持续引用你的项目规则,而不是每次都从零开始。
对于经管和社会科学研究者来说,这些项目规则通常包括:
• 数据清洗、变量构造、回归分析、图表输出分开写; • 修改 Quarto 文稿时不得破坏公式、脚注、交叉引用和图片链接; • 每次修改后说明改动了哪些文件、生成了哪些输出。 不同工具实现这些规则的方式不一样,但目标是一致的。
Claude Code / Agent Skills [4] .claude/skills/xxx/SKILL.md ChatGPT Projects [9] / Custom GPTs [10] Projects、自定义指令、Custom GPTs、项目规则文件 Kimi [6] / Kimi API 文件问答 [11] DeepSeek [7] / DeepSeek API [12] / Context Caching [13] 长上下文、规则文件、API system prompt、Context Caching 豆包 [8] / 火山引擎 AgentKit [14] / 知识库相关文档 [15]
不同 AI 工具可以通过项目规则文件实现相似目标:让 AI 复用项目规范 需要注意,这张表和上图不是在说这些工具都拥有 Claude Code 式的 Skills 自动触发机制。更准确地说,它们可以用不同方式实现类似目标: 让 AI 在一个项目中持续参考同一套规则 。
ChatGPT Projects [9] 可以把聊天、上传文件和自定义指令组织到同一个项目空间中,使回答参考该项目内共享上下文;Kimi API 文件问答 [11] 支持文件上传和基于文件内容进行问答;DeepSeek API [12] 提供网页、App 和 API 入口,API 文档还介绍了 Context Caching [13] ;豆包及火山引擎则提供 AgentKit [14] 、知识库和智能体等面向企业与智能体开发的能力。
因此,本文的核心不是「哪个工具功能最多」,而是:
如何把一次次对话中反复出现的要求,沉淀成一份可保存、可更新、可迁移的项目规则文件。
2. 不要从零开始:让 AI 从对话中萃取规则 很多用户一听到「写规则文件」,就会觉得麻烦。
这很正常。对多数研究者来说,从空白文档开始写一份完整的 PROJECT_RULES.md 、 STATA_STYLE.md 或 QUARTO_WRITING_RULES.md 并不现实。大家平时已经很忙,不可能为了使用 AI 先专门写一套规范手册。
更自然的方式是: 让规则从真实对话中长出来。
假设你刚刚和 AI 完成了一次比较满意的协作:它帮你修改了一篇推文,整理了一段 Stata 代码,审查了一份论文复现包,或者根据你的要求调整了一份 Quarto 讲义。这个对话中其实已经包含了很多有价值的规则:
这些规则如果留在聊天记录里,很快就会被遗忘。更好的做法是,在一次高质量对话结束后,直接让 AI 把这些可复用规则提取出来,整理为规则文件。
可以把这个过程理解为:
完成一次真实任务 → 萃取规则 → 人工审核 → 保存文件 → 下次加载 → 继续更新
这比「先写完美规则,再开始使用 AI」更容易落地。
项目规则文件可以从真实对话中萃取、审核、保存,并在后续任务中继续更新 提示词:从当前对话中萃取项目规则 请回顾我们刚才的完整对话,提取其中以后仍然值得复用的规则、偏好、流程和禁忌。请不要总结聊天内容,而是把它整理成一份可以在后续项目中复用的规则文件。
请按如下结构输出:
要求:规则要具体、可执行、可检查;不要写空泛原则;如果某条规则来自我的明确偏好,请标注为「用户偏好」;如果只是你根据对话推断出来的,请标注为「推断规则」。
这段提示词的关键在于:不要让 AI 总结聊天内容,而是让它提取 以后仍然值得复用的规则 。
例如,如果你在对话中多次提醒「不要把公式拆坏」「图片链接中的 alt text 要有中文含义」「代码要加中文注释」「Stata 中 { 放在首行行末, } 单独占一行」,AI 就可以把这些内容整理成规则文件。
下一次处理类似任务时,你就不必重新解释,只需要把这份规则文件交给 AI。
规则文件不是一次写完的。后续每次对话中,如果出现新的要求,也可以让 AI 更新规则。
提示词:根据新对话更新已有规则 我已经有一份项目规则文件。请结合本轮对话中的新要求,判断是否需要更新这份规则文件。
请按如下方式处理:
如有冲突,请保留更具体、更接近当前项目目标的版本; 要求:不要随意删除原有规则;如果删除或改写,请说明原因。
更新规则时,最重要的是防止 AI 擅自覆盖原有规则。比较稳妥的做法是:让它先列出新增规则、冲突规则和修改理由,再输出更新后的完整版本。
另外,每次让 AI 输出结果之前,也可以要求它做一次规则合规检查。
提示词:输出前做规则合规检查 在给出最终答案前,请根据项目规则文件进行一次合规检查。请不要只说「已遵守」,而要逐条说明。
请输出:
要求:检查结果放在答案末尾,标题为「规则合规检查」。
这个提示词尤其适合处理论文复现、数据清洗和投稿材料,因为这些任务一旦出错,后续返工成本很高。
当然,规则文件不是自动驾驶。AI 可以帮你萃取规则,但不能替你判断哪些规则真的应该长期保留。
注意:规则文件不是自动驾驶
AI 可以帮助你从对话中萃取规则,但最终仍然需要人工审核。尤其是涉及原始数据、隐私数据、论文结论、投稿材料和项目权限的规则,不能直接照单全收。
比较稳妥的做法是:先让 AI 生成草稿,再由研究者确认哪些规则可以长期保留,哪些只是本次任务的临时要求。
3. ChatGPT:Projects、Custom GPTs 与项目规则文件 对很多读者来说,最容易落地的工具是 ChatGPT。
如果你使用 ChatGPT Projects [9] ,可以把一个论文项目、课程项目或推文项目放进同一个 Project 中。OpenAI 帮助文档说明,Project 可以把聊天、上传文件和自定义指令组织在一起,使 ChatGPT 从共享项目内容中获取上下文;共享项目还可以用于团队工作、内容创作、报告和研究等场景。
因此,ChatGPT 中最接近 Skills 思路的轻量方案是:
Step 1 :建立一个 Project
例如「现金分红政策研究」「金融数据分析课程」「连享会 AI 推文项目」「Stata 回归代码规范」。
Step 2 :上传项目规则文件
可以命名为 PROJECT_RULES.md 、 WRITING_RULES.md 、 STATA_STYLE.md 或 REPLICATION_RULES.md 。
Step 3 :在 Project instructions 中写明规则
例如:「后续所有回答,请优先遵守 PROJECT_RULES.md 。如果本次任务与该规则文件冲突,请先说明冲突,再给出建议。」
Step 4 :相关对话都放在这个 Project 中
不要今天在普通聊天里改论文,明天在另一个窗口里跑代码,后天又在新窗口里整理复现包。项目上下文越分散,AI 越难稳定遵守规则。
Step 5 :定期更新规则文件
每次完成一轮重要任务后,让 AI 从对话中萃取新规则,更新 PROJECT_RULES.md 。
这套做法适合单篇论文、一门课程、一个长期推文系列或一个持续迭代的数据分析项目。
如果你的任务更加固定,例如「每次都帮我检查 Stata 代码」「每次都帮我修改连享会推文」「每次都帮我审查论文复现包」,可以考虑使用 Custom GPTs [10] 。OpenAI 帮助文档说明,创建 GPT 时可以配置 instructions、knowledge、capabilities、apps、actions 和 version history。关于 GPT 的一般说明,也可以参考 GPTs in ChatGPT [16] 。
Custom GPT 更像一个固定岗位的助手。比如:
这里要注意一个细节:如果某些规则是「行为规则」,例如「先检查项目目录,再修改代码」「不要覆盖原始数据」「输出前做合规检查」,最好写进 GPT 的 instructions,而不是只作为 knowledge 文件上传。Knowledge 更适合放参考资料、模板、术语表、示例文档;而工作流程、输出格式、禁止事项,应该放在 instructions 里。
对于更复杂的需求,还可以用 GPT Actions [17] 把 GPT 连接到外部 API。比如连接 GitHub、数据库、文献管理系统或课程资料库。这类方案更适合课题组、课程团队或企业内部工具,不必作为普通用户的第一步。
所以,对多数 ChatGPT 用户来说,最稳妥的路径是:
Project 管长期项目;Custom GPT 管固定任务;规则文件管可复用规范。
4. Kimi、DeepSeek、豆包:长上下文、文件问答和智能体的替代路径 ChatGPT 之外,很多国内用户更常用 Kimi、DeepSeek、豆包。它们不一定有 Claude Code 式 SKILL.md ,但都可以用「规则文件 + 长上下文 / 文件问答 / 知识库 / 智能体」来近似实现 Skills 思路。
4.1 Kimi:适合长文档、论文草稿和材料整理 Kimi 的优势在于长文档和文件问答。Kimi API 文件问答文档 [11] 说明,Kimi API 可以通过文件上传接口上传文件、抽取文件内容,并将文件内容放入 prompt 中进行问答。普通用户也可以使用 Kimi [6] 的网页端或 App 处理文档材料。
因此,Kimi 适合处理:
在 Kimi 中近似实现 Skills,可以这样做:
Step 1 :准备或生成一份 项目规则说明.md
如果没有规则文件,就用前文的蓝色 callout,让 Kimi 从当前对话中萃取规则。
Step 2 :把论文草稿、变量表、代码说明和规则文件一起上传
让 Kimi 把规则文件视为当前项目的约束,而不是普通参考资料。
Step 3 :在任务提示中明确规则优先级
例如:「请优先遵守 项目规则说明.md ;如果论文草稿与规则文件冲突,请先指出冲突,再提出修改建议。」
Step 4 :每次输出后做规则合规检查
让 Kimi 说明哪些规则已经遵守,哪些规则无法判断。
Step 5 :有新要求时更新规则文件
不要让新要求只留在聊天记录里。
需要说明的是,Kimi 的文件问答不等于 Claude Code Skills 的自动触发。换一个对话、换一组文件,规则文件可能需要重新上传或重新引用。它更适合文档密集型任务,不一定适合在 IDE 中自动修改多文件代码项目。
4.2 DeepSeek:适合推理、代码生成和规则约束输出 DeepSeek 更适合强调「规则文件 + 长上下文 / API」这条路径。DeepSeek 官网 [7] 提供 Web、App 和 API 入口;DeepSeek API 文档 [12] 介绍了 API 调用方式;Context Caching [13] 文档说明,后续请求如果与前序请求有相同前缀,可以命中缓存。
对于普通用户,最简单的做法是:
Step 1 :准备 PROJECT_RULES.md
内容包括项目背景、目录结构、数据规则、代码规则、输出规则、反面示例和更新记录。
Step 2 :在对话开头粘贴或上传规则文件
明确告诉模型:「以下是本项目规则,后续回答请优先遵守。」
Step 3
:要求模型先复述本次任务相关规则
这一步可以检查它是否真的读懂了规则。
Step 4 :输出后增加「规则合规检查」
尤其适合代码生成、模型设定讨论和数据清洗任务。
Step 5 :把新规则追加到 PROJECT_RULES.md
不要让规则散落在聊天记录里。
对于 API 用户,可以进一步把规则文件写进 system prompt 或固定请求前缀,也可以把规则文件放进 RAG 检索系统。这样,每次调用模型时,先检索与任务相关的项目规则,再生成回答。
这里需要注意:DeepSeek 的强项是推理和代码生成,但如果没有项目规则文件,它仍然会把每次任务当作新问题。要让它稳定遵守项目规范,必须把规则显式放进上下文或系统提示词。
4.3 豆包:从文件助手到智能体 / 知识库 豆包普通用户可以把它理解为「文件处理 + 写作辅助 + 对话问答」工具。豆包官网 [8] 将其定位为 AI 聊天智能对话问答助手,可用于写作文案、翻译、编程和创作等任务。
对于普通用户,可以这样做:
Step 1 :完成一次文档修改、材料整理或代码问答
例如修改一篇推文、整理一个 Excel、分析一份会议纪要、检查一段代码。
Step 2 :让豆包把本轮对话中的长期规则整理为「项目规则文件」
不要只让它总结内容,而要提取可复用的规则。
Step 3 :后续处理同一项目时,把规则文件和相关 Word、Excel、PDF 或代码片段一起提供给豆包
让规则文件成为任务上下文的一部分。
Step 4 :输出末尾做「规则合规检查」
尤其适合文稿修改、课程材料整理和项目文档处理。
对于进阶用户或机构用户,可以考虑火山引擎的知识库、智能体和 AgentKit。火山引擎 [18] 是字节跳动旗下的云与 AI 服务平台,提供面向 Agent 开发到部署的一站式服务;AgentKit [14] 则面向 AI Agent 构建、部署和运行。火山引擎文档中也介绍了带知识库能力的智能体构建方式,例如 Knowledge--AgentKit [15] 。
这类能力更适合:
但也要谨慎表述:豆包普通聊天功能并不等同于 Claude Code 式自动触发 Skills。更准确地说,它可以通过文件、知识库、智能体和规则提示词,近似实现「让 AI 复用项目规则」的思想。
5. GitHub 上有哪些现成 Skills 可以参考? 如果你已经开始使用 Claude Code 或其他支持 Agent Skills 的工具,可以参考一些 GitHub 上的现成资源。
这里要先说明:这些仓库适合学习结构、任务拆分方式和规则写法,不建议直接盲目套用。尤其是涉及 shell 命令、文件删除、Git 操作、密钥、数据库连接和外部 API 的 Skills,一定要先审查源码和说明。
可以重点关注以下几类资源:
Anthropic 官方 Agent Skills 示例仓库 K-Dense-AI/scientific-agent-skills [20] 面向科研、科学、工程、分析、金融和写作的 Skills InternScience/Awesome-Scientific-Skills [21] VoltAgent/awesome-agent-skills [22] alirezarezvani/claude-skills [23] 社区 Claude Code skills / plugins 集合 GitHub Docs: About agent skills [24] GitHub Copilot 中的 agent skills 说明 可用于理解 Skills 在 Copilot 生态中的扩展
例如, Anthropic 官方 skills 仓库 [19] 展示了 Claude skills system 的可能性,覆盖创意、技术和企业工作流;K-Dense-AI/scientific-agent-skills [20] 面向 research、science、engineering、analysis、finance 和 writing 场景,并说明其支持兼容 open Agent Skills 标准的 AI agent;InternScience/Awesome-Scientific-Skills [21] 强调科研优先、可克隆和跨 agent 兼容;VoltAgent/awesome-agent-skills [22] 则是一个更大的 agent skills 汇总目录。
另外,一些社区仓库会列出大量 Claude Code skills / plugins,例如 alirezarezvani/claude-skills [23] 。这类仓库可以帮助你快速理解别人如何拆分任务,但也更需要审查安全风险和适配成本。
在使用这些资源时,我建议遵循三条原则:
• 先在非重要项目中测试,再用于正式论文、课程或课题组项目。 尤其不要把来历不明的脚本直接放进自己的研究项目运行。Skills 虽然看起来像文本文件,但很多 Skills 会引用脚本、命令或外部工具。对于涉及数据、投稿材料、账号权限和私有代码的项目,安全性比便利性更重要。
6. 通用模板:先写一份 PROJECT_RULES.md 无论你使用 Claude Code、ChatGPT、Kimi、DeepSeek 还是豆包,第一步都不是研究某个按钮在哪里,而是先把项目规则整理成稳定文件。
工具不同,加载方式不同;但规则文件本身可以长期复用。
无论使用哪种 AI 工具,都可以先沉淀一份 PROJECT\_RULES.md 作为项目规则模板 下面给出一个最小可用模板。你可以把它保存为 PROJECT_RULES.md ,也可以根据任务改名为 STATA_STYLE.md 、
WRITING_RULES.md 、 REPLICATION_RULES.md 。
# PROJECT _RULES.md ## 适用范围 说明这份规则适用于哪些任务。 ## 项目背景 简要说明研究主题、数据来源和主要产出。 ## 目录结构 - data_ raw/: 原始数据,禁止修改 - data _clean/: 清洗后的数据 - codes/: 代码文件 - tables/: 回归表和统计表 - figs/: 图形输出 - paper/: 论文或讲义文稿 ## 数据规则 - 不得覆盖 data_ raw/ 中的文件。 - 清洗数据必须另存到 data _clean/。 - 删除样本必须记录筛选条件。 - 合并数据时必须说明主键和合并方式。 ## 代码规则 - 使用相对路径。 - 数据清洗、变量构造、回归分析、图表输出分开写。 - 代码必须有清楚注释。 - 修改代码后需要说明改动位置和改动原因。 ## 输出规则 - 回归表保存到 tables/。 - 图形保存到 figs/。 - 每次修改后说明改动了哪些文件。 - 如果无法生成某个输出,必须说明原因。 ## 写作规则 - 不得破坏公式、脚注和交叉引用。 - 保留已有图片链接。 - 修改后说明主要改动。 - 不要把临时讨论写成正式结论。 ## 反面示例 - 不要覆盖 data_ raw/。 - 不要写本地绝对路径。 - 不要静默删除样本。 - 不要生成无法复现的结果文件。 - 不要在没有说明的情况下改动变量定义。 ## 更新记录 - 2026-xx-xx:根据某次对话新增 xxx 规则。 这个模板不需要一次填满。你可以从最简单的几条规则开始:
## 固定规则 - 不得覆盖 data _raw/ 中的原始数据。 - 代码必须使用相对路径。 - 回归表保存到 tables/。 - 图形保存到 figs/。 - 输出前必须做规则合规检查。 然后在每次真实对话后继续补充。
从长期看, PROJECT_RULES.md 会成为你的项目记忆。它记录的不是某一次对话,而是一组可以跨工具、跨任务、跨时间复用的工作规范。
7. 结语:从临时对话走向长期项目规则 Claude Code Skills 是一种具体实现;真正值得迁移的是「从对话中沉淀规则,再让规则反过来约束后续对话」的工作方式。
不同工具的按钮、入口和名称会变。今天叫 Skills,明天可能叫 Projects、智能体、知识库、文件问答、长期记忆或工作流。但核心问题不变:你的项目规则是否已经从脑子里、聊天记录里、零散文档里,沉淀成 AI 可以持续调用的上下文。
对研究者来说,这不是多写一个配置文件,而是改变和 AI 协作的方式。
如果每次都靠 Prompt 临时提醒,AI 就只能像一个临时助手;如果你把论文复现、数据清洗、代码规范和写作偏好沉淀为规则文件,它才有机会逐渐理解你的项目。
所以,真正重要的不是你用 Claude Code、ChatGPT、Kimi、DeepSeek 还是豆包,而是你有没有把那些反复解释过的规则保存下来,让它们在下一次任务中继续发挥作用。
从这个意义上说,Skills 不只是 Claude Code 的功能名,也是一种值得迁移到所有 AI 工具中的工作习惯。
参考资料 • Anthropic. Claude Code Skills Documentation . Link [3] , Google [25] . • Anthropic. Agent Skills - Claude API Docs . Link [4] , Google [26] . • Anthropic. Public repository for Agent Skills . GitHub. Link [19] , Google [27] .
• Anthropic. (2025). Equipping agents for the real world with Agent Skills . Link [28] , Google [29] . • OpenAI Help Center. Projects in ChatGPT . Link [9] , Google [30] . • OpenAI Help Center. Creating and editing GPTs . Link [10] , Google [31] . • OpenAI Help Center. GPTs in ChatGPT . Link [16] , Google [32] . • OpenAI Developers. GPT Actions . Link [17] , Google [33] . • Moonshot AI. 使用 Kimi API 进行文件问答 . Link [11] , Google [34] . • DeepSeek. DeepSeek official website . Link [7] , Google [35] . • DeepSeek. DeepSeek API Docs . Link [12] , Google [36] . • DeepSeek. Context Caching . Link [13] , Google [37] . • 豆包. 豆包官网 . Link [8] , Google [38] . • 火山引擎. AgentKit . Link [14] , Google [39] . • 火山引擎. Knowledge--AgentKit . Link [15] , Google [40] . • K-Dense-AI. scientific-agent-skills . GitHub. Link [20] , Google [41] . • InternScience. Awesome-Scientific-Skills . GitHub. Link [21] , Google [42] . • VoltAgent. awesome-agent-skills . GitHub. Link [22] , Google [43] . • alirezarezvani. claude-skills . GitHub. Link [23] , Google [44] . • GitHub Docs. About agent skills . Link [24] , Google [45] .
8. 相关推文 Note:产生如下推文列表的 Stata 命令为: lianxh AI工具, md2 nocat 安装最新版 lianxh 命令: ssc install lianxh, replace
• 吴欣洋, 2025, AI自动生成研究假设,靠谱吗?流程与挑战 [46] . • 王烨文, 2025, LLM Agent:大语言模型的智能体图解 [47] . • 王烨文, 2025, Marker:高效 PDF 文档解析与结构化提取工具 [48] . • 艾米丽, 2026, 让讲义图文并茂:如何用 ChatGPT 做课件插图? [49] . • 连享会, 2025, 助教入选通知:2025 生成式人工智能专题 [50] . • 连小白, 2025, AI助手系列:napkin.ai-文字转换为图片和表格 [51] . • 连小白, 2025, AI助手系列:借助AI工具复现高质量图形 [52] . • 连小白, 2025, AI工具系列:英文学术论文语法检测与纠正 [53] . • 连小白, 2025, AI工具!AI工具分类大集合 [54] .
• 连小白, 2025, No Chinglish:学术写作中的中式英语陷阱 [55] . • 连小白, 2025, 提示词来了!如何让 AI 翻译看起来像你写的 [56] . • 连玉君, 2026, AI 时代的焦虑 [57] . • 郑怿轩, 2025, 40 个实证研究 AI 工具大集合 [58] . • 陈庭伟, 2025, 2025年学术研究中的15大最佳AI工具 [59] . New! Stata 搜索神器: lianxh 和 songbl GIF 动图介绍 搜: 推文、数据分享、期刊论文、重现代码 …… 👉 安装: . ssc install lianxh . ssc install songbl 👉 使用: . lianxh DID 倍分法 . songbl all
🍏 关于我们 • 直通车: 👉【 百度一下: 连享会 】即可直达连享会主页。亦可进一步添加 「知乎」,「b 站」,「面板数据」,「公开课」 等关键词细化搜索。 引用链接 [1] lianxhcn@163.com: mailto:lianxhcn@163.com [2] 推文: https://www.lianxh.cn/details/1790.html [3] Claude Code Skills: https://docs.anthropic.com/en/docs/claude-code/skills [4] Agent Skills 文档: https://platform.claude.com/docs/en/agents-and-tools/agent-skills/overview [5] ChatGPT: https://chatgpt.com/ [6] Kimi: https://www.kimi.com/ [7] DeepSeek: https://www.deepseek.com/ [8] 豆包:
https://www.doubao.com/ [9] ChatGPT Projects: https://help.openai.com/en/articles/10169521-projects-in-chatgpt [10] Custom GPTs: https://help.openai.com/en/articles/8554397-creating-and-editing-gpts [11] Kimi API 文件问答: https://platform.moonshot.cn/docs/guide/use-kimi-api-for-file-based-qa [12] DeepSeek API: https://api-docs.deepseek.com/ [13] Context Caching: https://api-docs.deepseek.com/guides/kv_cache [14] 火山引擎 AgentKit: https://www.volcengine.com/product/agentkit [15] 知识库相关文档: https://www.volcengine.com/docs/86681/2155815 [16] GPTs in ChatGPT: https://help.openai.com/en/articles/8554407-gpts-in-chatgpt [17] GPT Actions: https://developers.openai.com/api/docs/actions/introduction [18] 火山引擎: https://www.volcengine.com/ [19] anthropics/skills: https://github.com/anthropics/skills [20] K-Dense-AI/scientific-agent-skills: https://github.com/K-Dense-AI/scientific-agent-skills [21] InternScience/Awesome-Scientific-Skills: https://github.com/InternScience/Awesome-Scientific-Skills [22] VoltAgent/awesome-agent-skills: https://github.com/VoltAgent/awesome-agent-skills [23] alirezarezvani/claude-skills: https://github.com/alirezarezvani/claude-skills [24] GitHub Docs: About agent skills: https://docs.github.com/en/copilot/concepts/agents/about-agent-skills [25] Google: https://scholar.google.com/scholar?q=Anthropic+Claude+Code+Skills+Documentation [26] Google: https://scholar.google.com/scholar?q=Anthropic+Agent+Skills+Claude+API+Docs [27] Google: https://scholar.google.com/scholar?q=anthropics+skills+GitHub [28] Link: https://www.anthropic.com/engineering/equipping-agents-for-the-real-world-with-agent-skills [29] Google: https://scholar.google.com/scholar?q=Equipping+agents+for+the+real+world+with+Agent+Skills [30] Google: https://scholar.google.com/scholar?q=OpenAI+Projects+in+ChatGPT [31] Google: https://scholar.google.com/scholar?q=OpenAI+Creating+and+editing+GPTs [32] Google: https://scholar.google.com/scholar?q=OpenAI+GPTs+in+ChatGPT [33] Google: https://scholar.google.com/scholar?q=OpenAI+GPT+Actions [34] Google: https://scholar.google.com/scholar?q=Kimi+API+file+based+QA+Moonshot [35] Google: https://scholar.google.com/scholar?q=DeepSeek+official+website [36] Google: https://scholar.google.com/scholar?q=DeepSeek+API+Docs [37] Google: https://scholar.google.com/scholar?q=DeepSeek+Context+Caching [38] Google: https://scholar.google.com/scholar?q=豆包+AI [39] Google: https://scholar.google.com/scholar?q=火山引擎+AgentKit
[40] Google: https://scholar.google.com/scholar?q=火山引擎+AgentKit+知识库 [41] Google: https://scholar.google.com/scholar?q=K-Dense-AI+scientific-agent-skills [42] Google: https://scholar.google.com/scholar?q=Awesome+Scientific+Skills+GitHub [43] Google: https://scholar.google.com/scholar?q=VoltAgent+awesome-agent-skills [44] Google: https://scholar.google.com/scholar?q=alirezarezvani+claude-skills [45] Google: https://scholar.google.com/scholar?q=GitHub+Copilot+agent+skills [46] AI自动生成研究假设,靠谱吗?流程与挑战: https://www.lianxh.cn/details/1588.html [47] LLM Agent:大语言模型的智能体图解: https://www.lianxh.cn/details/1650.html [48] Marker:高效 PDF 文档解析与结构化提取工具: https://www.lianxh.cn/details/1630.html [49] 让讲义图文并茂:如何用 ChatGPT 做课件插图?: https://www.lianxh.cn/details/1781.html [50] 助教入选通知:2025 生成式人工智能专题: https://www.lianxh.cn/details/1677.html [51] AI助手系列:napkin.ai-文字转换为图片和表格: https://www.lianxh.cn/details/1540.html [52] AI助手系列:借助AI工具复现高质量图形: https://www.lianxh.cn/details/1584.html [53] AI工具系列:英文学术论文语法检测与纠正: https://www.lianxh.cn/details/1562.html [54] AI工具!AI工具分类大集合: https://www.lianxh.cn/details/1587.html [55] No Chinglish:学术写作中的中式英语陷阱: https://www.lianxh.cn/details/1563.html [56] 提示词来了!如何让 AI 翻译看起来像你写的: https://www.lianxh.cn/details/1640.html [57] AI 时代的焦虑: https://www.lianxh.cn/details/1783.html [58] 40 个实证研究 AI 工具大集合: https://www.lianxh.cn/details/1666.html [59] 2025年学术研究中的15大最佳AI工具: https://www.lianxh.cn/details/1578.html