2026年9月4日，用 ChatGPT 6 写 SCI 全流程工具Top20

做科研时，我们已经习惯向 AI 提问。但如果每次都要重新解释研究背景、检索要求和论文规范，再强的模型也容易变成一个“临时助手”：这次会查文献，下次忘了核验引用；刚写完实验计划，换个对话又得从头讲起。

通过AI 我们可以把科研方法、执行步骤和质量检查写成可复用的工作流程，让 AI 知道什么时候该搜索、什么时候该停下来核对。

本期按照 2026 年 9 月 4 日 GitHub 仓库总 Star 数，整理当前关注度最高的二十个科研 Skill 项目。

排行榜总览

项目介绍

| 01 academic-research-skills

★ Star 数：44,501

项目简介： academic-research-skills 是一套面向学术研究全流程的 Claude Code Skills。

官方将其工作范围概括为 research、write、review、revise 和 finalize，覆盖深度研究、论文写作、同行评审、修订以及最终交付。项目强调人机协作，研究问题、方法选择与结果解释仍由使用者决定。

核心特点：项目将科研流程拆分为 Deep Research、Academic Paper、Academic Paper Reviewer 和 Academic Pipeline 等模块。

项目可以进行多智能体深度研究、系统综述、学术写作、引用核验、多视角审稿和十阶段流程编排，并设置材料交接、主张核验与人工检查节点。

适用场景：适合研究生、教师和科研团队开展文献综述、论文结构规划、学术写作、投稿前审查、返修和审稿意见回复。

官方项目页面：

https://github.com/Imbad0202/academic-research-skills

| 02 scientific-agent-skills

★ Star 数：41,139

项目简介：scientific-agent-skills 是 K-Dense AI 开源的综合科学 Skill 库，目标是把通用 AI Agent 转换为能够调用专业科研方法和工具的“AI Scientist”。仓库提供 165 个经过整理的 Skills，并连接一百多个科学数据库。

核心特点：项目把专业 Python 工具、科学数据库和科研规范封装为可自动发现的 Skills，覆盖生物信息学、化学信息学、医学、药物发现、材料科学、地理空间分析、统计建模、科研绘图、文献综合和实验室自动化。用户可以按学科选择所需能力。

适用场景：适合需要调用专业科研软件、数据库或计算流程的研究人员，尤其适用于生物医药、化学、材料、物理、地理信息和数据科学研究。

官方项目页面：

https://github.com/K-Dense-AI/scientific-agent-skills

| 03 Auto-claude-code-research-in-sleep

★ Star 数：15,544

项目简介：Auto-claude-code-research-in-sleep 通常简称 ARIS，即 Auto-Research-In-Sleep。项目使用轻量化 Markdown Skills 组织机器学习科研流程，可在 Claude Code、Codex、OpenClaw 等 Agent 环境中使用。

核心特点：仓库提供 82 个可组合 Skills，把文献与创新性检索、研究创意筛选、GPU 试验、跨模型审查、论文写作和持续研究记忆连接起来。Research Wiki 保存论文、创意、实验和失败记录，引用部分还能借助 DBLP、Crossref 等来源进行核验。

适用场景：适合机器学习、人工智能和计算机科学方向的研究者进行选题发现、实验规划、代码实验、结果复核与 LaTeX 论文写作。

官方项目页面：

https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep

| 04 AI-Scientist

★ Star 数：14,494

项目简介：AI-Scientist 是 Sakana AI 开源的自动科学发现系统，官方 README 将其描述为从想法生成、实验执行到论文撰写的完整流程。系统会围绕研究想法生成代码、运行实验、分析结果并生成论文草稿。

核心特点：项目把大语言模型用于文献检索、代码实验、结果分析、论文生成和同行评审，并可接入 Semantic Scholar、OpenAlex 等学术来源。README 还提供成本估算、模型配置、实验模板和自动审查说明，便于复现实验流程。

适用场景：适合机器学习研究者搭建自动化实验基线、批量验证研究想法，或研究 AI Scientist 类型的科研智能体。

官方项目页面：

https://github.com/SakanaAI/AI-Scientist

| 05 AutoResearchClaw

★ Star 数：14,305

项目简介：AutoResearchClaw 是一个从研究想法延伸到论文成稿的自主科研系统。官方用“Chat an Idea. Get a Paper.”概括其使用方式，研究者输入方向后，系统会组织检索、实验和写作流程。

核心特点：项目提供全自动、质量门确认、检查点、逐步执行、共同研究和自定义等人工介入模式，并包含想法讨论、实验基线设计、领域实验 Agent、论文协作写作、主张核验和成本控制。不同研究领域可以调用相应的实验执行环境。

适用场景：适合测试自主科研系统、快速验证研究想法，或搭建从选题到实验与论文输出的研究原型。

官方项目页面：

https://github.com/aiming-lab/AutoResearchClaw

| 06 AI-Research-SKILLs

★ Star 数：12,217

项目简介：AI-Research-SKILLs 是 Orchestra Research 维护的 AI 研究和工程 Skills 库。官方 README 将其定位为从研究创意到论文输出的综合能力集合，目前包含 98 个 Skills，分布在 23 个类别中。

核心特点：仓库同时提供文献调研、选题构思、自动研究和机器学习论文写作，也覆盖模型架构、微调、后训练、分布式训练、推理优化、评估、RAG、MLOps 与可观测性。各 Skill 可以按类别或单独安装。

适用场景：适合人工智能与机器学习研究者、算法工程师及研究团队，用于实验开发、模型训练评估、研究记录整理和会议论文写作。

官方项目页面：

https://github.com/Orchestra-Research/AI-Research-SKILLs

| 07 AI-Scientist-v2

★ Star 数：7,087

项目简介：AI-Scientist-v2 是 AI-Scientist 的新一代端到端科研系统。官方介绍明确覆盖假设生成、实验运行、数据分析和手稿写作，并用渐进式智能体树搜索组织研究过程。

核心特点：系统将研究任务拆为可并行探索的分支，智能体依据实验结果继续扩展或淘汰方向，最后汇总为论文手稿。项目还保留实验代码、配置与生成结果，方便检查每一步是否来自真实运行。

适用场景：适合研究自动化科学发现、机器学习实验搜索和多分支研究规划，也可作为构建科研 Agent 的参考实现。

官方项目页面：

https://github.com/SakanaAI/AI-Scientist-v2

| 08 AgentLaboratory

★ Star 数：5,826

项目简介：Agent Laboratory 是一个端到端自主科研工作流。README 将流程写成文献综述、实验和报告撰写三个连续阶段，并支持从公开论文与代码资源开始构建研究项目。

核心特点：项目提供文献检索与总结、研究想法提出、实验代码生成和结果报告写作；生成的内容可使用 Python、LaTeX 等常见科研工具继续修改。流程允许研究者在关键节点检查和调整智能体产出。

适用场景：适合计算机科学研究者快速形成可运行的实验草案、整理文献证据并生成研究报告初稿。

官方项目页面：

https://github.com/SamuelSchmidgall/AgentLaboratory

| 09 AI-Researcher

★ Star 数：5,716

项目简介：AI-Researcher 是面向“从概念到发表”的自主科研系统。官方 README 明确列出文献综述、创意生成、算法设计与实现、验证、结果分析和手稿生成等环节。

核心特点：系统用多个专门智能体协作完成研究，支持搜索论文、提出可检验想法、编写和运行算法、反复验证与完善结果，最后生成论文手稿。项目同时提供本地运行和模型服务配置说明。

适用场景：适合需要把文献调研、算法实验和论文写作串成连续流程的 AI/ML 研究团队。

官方项目页面：

https://github.com/HKUDS/AI-Researcher

| 10 claude-scholar

★ Star 数：5,293

项目简介：claude-scholar 是面向学术研究和软件开发的半自动研究助手，可在 Claude Code、Codex CLI、Kimi Code CLI 和 OpenCode 等环境中使用。项目将研究工作划分为从选题到发表的七个阶段。

核心特点：科研模块覆盖研究构思、文献检索、Zotero 管理、论文精读、研究空白分析、结果分析、论文写作、引用核验、投稿前自审和审稿回复。项目还通过 Evidence Record、主张强度和 Claim Promotion Gate 管理证据。

适用场景：适合已经使用 Zotero、Obsidian 或命令行 Agent 的研究者搭建个人科研工作台，并持续处理资料、实验结果、论文与返修任务。

官方项目页面：

https://github.com/Galaxy-Dawn/claude-scholar

| 11 Auto-Empirical-Research-Skills

★ Star 数：3,665

项目简介：Auto-Empirical-Research-Skills 面向经验研究，官方 README 将其定位为从数据处理到可提交论文的完整 Skill 集合。项目覆盖社会科学常见的实证研究步骤，并提供可执行的研究规范。

核心特点：Skill 目录覆盖数据清理、识别策略、估计、稳健性检验、表格和图形生成以及论文草稿；README 还说明支持八个社会科学学科，并提供技能目录与评测方式。

适用场景：适合经济学、管理学、社会学等方向进行可重复的经验研究、回归分析和投稿稿件整理。

官方项目页面：

https://github.com/brycewang-stanford/Auto-Empirical-Research-Skills

| 12 FAROS

★ Star 数：3,031

项目简介：FAROS 是一个面向真实科研过程的多智能体协同系统，覆盖研究选题、文献检索、研究计划、代码生成、实验记录、论文写作和同行评审。系统当前主要服务于大语言模型与 AI Scientist 研究。

核心特点：FAROS 强调证据优先：先完成文献检索、语义过滤和深读，再进入创意生成。PlanPackage 保存研究假设、变量、步骤、验收条件与证据引用，后续代码、实验、论文和 ReviewX 共用可追踪标识，关键节点保留人工批准。

适用场景：适合需要完整保存研究来源、实验记录、决策过程与人工反馈的团队，也适合搭建可审计的 AI 科研平台。

官方项目页面：

https://github.com/OpenNSWM-Lab/FAROS

| 13 InternAgent

★ Star 数：1,419

项目简介：InternAgent 是面向长周期自主科学发现的统一智能体框架。官方介绍称其可以执行从假设生成到自动实验的完整科研任务，并覆盖物理、生物、地球与生命科学等领域。

核心特点：项目支持算法发现与经验性科学发现，可以配置不同模型接口和实验后端；独立 QA 模式则使用深度研究管道回答科研问题，在不运行实验循环时生成基于文献的综合回答。

适用场景：适合研究自主科学发现、多智能体科研框架和长周期实验自动化的实验室或开发团队，也可用于文献型深度研究。

官方项目页面：

https://github.com/InternScience/InternAgent

| 14 Principia

★ Star 数：705

项目简介：Principia 关注的不是直接代写论文，而是从已有研究中提取可以复用的科学原理，再由这些原理构造可追溯的候选研究想法。项目在论文和假设之间建立一层科学知识结构。

核心特点：系统将科学知识划分为 Work、Literature Principle、Meta-Principle 和 Derived Principle。每条原理保留来源、论证、边界、证伪条件和修订历史，多个原理还能在用户指定的推理范围内形成候选连接。

适用场景： 适合跨论文知识整理、研究原理抽取、跨领域联系发现和可追溯选题设计。

官方项目页面：

https://github.com/pzqpzq/Principia

| 15 PaperOrchestra

★ Star 数：650

项目简介：PaperOrchestra 是一个围绕论文生产组织的多智能体流水线。官方 README 将其分为大纲、绘图、文献综述、章节写作和内容精修等角色，最终输出可提交的 LaTeX 论文。

核心特点：各 Agent 共享研究上下文，并在写作前完成文献与 BibTeX 处理；流程包含引用核验、LaTeX 编译和结构检查，能够把章节草稿与图表生成衔接起来。

适用场景：适合希望用多个专门 Agent 协作完成论文结构、文献、图表和 LaTeX 排版的研究者。

官方项目页面：

https://github.com/Ar9av/PaperOrchestra

| 16 PaperForge

★ Star 数：628

项目简介：PaperForge 是面向研究计划、受控实验和论文写作的 Research OS。项目 README 将研究流程拆成规划、实验、写作、同行评审及发布核验，并强调每个结论都要有证据记录。

核心特点：系统维护主张—证据数据库，设置实验门槛和阶段性检查点，配有论文模板、LaTeX 编译与渲染回路，还能把审稿意见纳入迭代。研究者可以在每一步查看输入、输出与通过条件。

适用场景：适合需要严格记录实验依据、控制写作质量并反复迭代论文的个人研究者或小型团队。

官方项目页面：

https://github.com/QJHWC/PaperForge

| 17 de-anthropocentric-research-engine

★ Star 数：413

项目简介：De-Anthropocentric Research Engine 简称 DARE，是由九百多个纯 Markdown Skills 组成的自主研究系统。仓库将这些 Skills 分为九个可组合软件包，并按照 Campaign、Strategy、Tactic 和 SOP 四层结构组织。

核心特点：项目提供多轮文献发现、引文追踪、跨数据库核验、多种研究空白识别方式，以及归纳、演绎和溯因式假设生成。候选想法会经过反方攻击、多标准评分和可证伪性检查，最后形成可执行研究规格。

适用场景：适合探索高度自动化的研究构思、系统性文献检索、研究空白扫描和实验方案生成。

官方项目页面：

https://github.com/yogsoth-ai/de-anthropocentric-research-engine

| 18 opendraft

★ Star 数：395

项目简介：OpenDraft 是一个由多个专门 Agent 组成的研究写作系统，目标是把已核验的资料组织成较长篇幅的学术草稿。README 说明它可生成 10,000 至 20,000 字的 source-grounded draft。

核心特点：系统通过 Crossref、OpenAlex 和 Semantic Scholar 进行引用检索与核验，支持从研究问题、资料整理到章节写作的协作流程，并可导出 PDF、DOCX 与 LaTeX。

适用场景：适合需要长篇文献综述、研究报告或论文初稿，并希望同时获得引用检查和多格式导出的研究者。

官方项目页面：

https://github.com/federicodeponte/opendraft

| 19 ResearchClaw

★ Star 数：312

项目简介：ResearchClaw 是本地优先的科研操作系统，将论文、工作流、实验和自动化任务放在同一项目空间。README 明确提供论文搜索下载、文献管理、数据分析和 LaTeX 写作能力。

核心特点：项目用持久化的主张、证据和草稿记录研究过程，可管理 BibTeX、实验数据与论文版本；本地运行方式让研究资料保留在用户环境中，并支持按工作流触发检索、分析和写作任务。

适用场景：适合重视本地数据控制、需要长期积累研究资料并连接文献、实验和论文版本的个人研究者。

官方项目页面：

https://github.com/ymx10086/ResearchClaw

| 20 research-plugins

★ Star 数：285

项目简介：research-plugins 是一套面向学术研究的插件和 Skill 集合。官方 README 提供 433 个学术 Skills、34 个工具和 18 个学术数据库的接入说明，覆盖从检索到投稿后的多阶段工作。

核心特点：插件支持文献搜索与全文获取、系统综述、数据分析、论文写作、引用管理、审稿意见回复和基金申请，并可按任务安装所需组件。README 同时列出数据库来源和各 Skill 的用途，便于按研究流程组合。

适用场景：适合希望按需拼装学术检索、综述、分析、写作和投稿工具的研究者与科研团队。

官方项目页面：

https://github.com/wentorai/research-plugins