大家刚装 GPT 做科研的时候可能会一脸懵，后来才发现—— Skills才是 Codex 做科研的灵魂，下面我将给大家分享 5 个做科研的必备 Skills，覆盖论文写作的全流程——研究选题，梳理大纲，检索文献，论文写作，论文论色。
01_研究选题：Scientific-brainstorming
概括： 结构化创意生成工具，帮助研究者系统性地发散科研思路、筛选可行的研究方向与实验假设
适用场景： 开题选题、寻找研究空白、实验方案设计、基金申请中的创新点提炼
效果展示：
这是我调用这个 Skill 让 GPT 对我暂定的研究方向：人工智能对财务会计的质量保障影响，进行分析并给出选题建议
这个 Scientific Brainstorming Skill 最大的好用的地方，在于它不会直接给出一个看似合理的论文题目，而是通过"明确问题—发散探索—批判评估—综合收敛"的科研思维流程，帮助研究者从多个视角比较不同研究方向，最终形成更有逻辑性和研究价值的选题。
项目地址：
https://github.com/davila7/claude-code-templates/tree/main/cli-tool/components/skills/scientific/scientific-brainstorming
02_检索文献：Arxiv
概括： 集成 ArXiv 等学术数据库的 AI 技能，实现智能化的论文发现、筛选与分析，辅助科研文献综述撰写
适用场景： 课题前期文献调研、追踪领域最新进展、系统性文献综述准备、跨学科交叉研究检索、LaTeX 论文排版
效果展示：
这次检索覆盖面广，横跨英文顶刊、中文核心/CSSCI、前沿LLM研究和政策报告六大类别，形成了较完整的文献谱系。而且文献分类逻辑清晰，从影响机制到优化路径再到前沿技术探索，基本构建出了该主题的研究框架骨架。
项目地址：
https://github.com/appautomaton/latex-arxiv-SKILL
03_梳理大纲：Writing-plans
概括： 写作计划制定工具，帮助研究者从零梳理论文/学位论文的框架结构与各阶段写作路线
适用场景： 写作规划、大纲设计、基金申请书结构组织、多章节写作的优先级排列
效果展示：
这套大纲遵循 Writing-plans 的自我复查原则：首先，主题覆盖——"影响机制"与"优化路径"两条主线均有独立且呼应的模块；其次是无占位符——每一部分都标明了应梳理的具体文献类型与聚类主题，而不是空泛的标题；最后是口径的一致性——"会计信息质量"的五维框架与"人工智能"的技术边界始终贯穿全文，构建了一份逻辑贯通、口径统一的文献综述框架。
项目地址：
https://github.com/obra/superpowers/blob/main/skills/writing-plans
04_论文写作：Research-paper-writing
概括： 基于学术写作最佳实践整理的论文写作技能包，覆盖从初稿撰写到投稿前自检的完整科研工作流
适用场景：论文写作、实验结果章节组织、论点-证据对齐检查、投稿前格式与逻辑自审
效果展示：
整体看下来结构清晰、逻辑递进自然，摘要与引言紧密围绕“影响机制—风险挑战—优化路径”展开，准确呼应了前面既定的大纲。文本概念口径统一、问题意识鲜明，既呈现了人工智能对会计质量保障赋能的价值，也为后续理论分析和对策研究奠定了良好基础。
项目地址：
https://github.com/Master-cai/Research-Paper-Writing-Skills
05_论文润色：Humanizer
概括： 检测并消除文本中 33 种 AI 写作模式，使 AI 辅助生成的论文初稿在保持学术严谨性的同时读起来更自然、更像研究者本人所写
适用场景： 文本润色、文风检查、基金申请书改写、降低 AI 痕迹
效果展示：
我们给大家展示同一篇论文的摘要和引言在润色前后的效果，看看该 Skill 对润文做了哪些改动：
润色前：
润色后：
这版相比之前，减少了"深刻影响""重要支撑""赋能""推动""提供新思路"等典型 AI 学术套话，也砍掉了“梳理/结合/分析..........的基础/现状/机制”这样的句式，降低段落之间模板化衔接的痕迹，更接近国内本科和硕士课程论文常见的写法，同时保留了真实可查的政策背景和学术观点，没有增加任何虚构的数据或文献。
项目地址：
https://github.com/blader/humanizer
