🤖 科研人专属！开源28技能让论文从想法做到投稿｜Light-skills
配套媒体
本页对应的 PPT 与演示视频
下载没反应？点这里复制直链
侧边栏预览窗口（Electron webview）会拦截下载，把下面的链接复制到 Chrome / Edge 地址栏打开即可保存。
../../Light-skills-recommend.pptx../../Light-skills-recommend.mp4本文目录
- 🚀 什么是 Light-skills？
- ✨ 核心功能一览
- 28 个手动技能（按科研主线顺序）
- 🎯 它如何协同工作？
- 🛠️ 5 分钟快速上手
- 安装（幂等可重跑）
- 第一次启动
- 核心代码示例（proof-of-work）
- 📊 科研全流程对比
- 💡 适用场景（9 大科研图表）
- 场景 1：生物医学 — 重采样校准
- 场景 2：交叉学科合作 — 和弦图
- 场景 3：组学统计 — 雨云图
- 场景 4：差异分析 — 火山图
- 场景 5：单细胞测序 — UMAP 嵌入
- 场景 6：演化分析 — 主题流图
- 场景 7：时间生物学 — 极坐标热图
- 场景 8：贝叶斯分析 — 山脊图
- 场景 9：临床研究 — KM 生存曲线
- 🏆 成功案例：用 Light 跑完一篇 IEEE 6 页论文
- 用户群体总结
- 💰 完全免费 + 离线可用
- 🎯 总结
🤖 科研人专属！开源28技能让论文从想法做到投稿｜Light-skills
📌 核心价值：把一位真正懂科研工具的资深伙伴，装进你的 Claude Code / Codex 编辑器
28 个互相衔接的 AI Skill + 9 个可溯源知识库 + 49 个真实可跑脚本 = 论文全流程不再孤军奋战。从找文献、数据处理、创新点生成，到写论文、画图、排版、投稿返修，一句话搞定。
🚀 什么是 Light-skills？
Light（全名 Light-skills）是一个由科研工作者深度打磨的 AI 科研全流程技能包。
把科研全流程拆成 28 个互相衔接的 AI 技能，装进 Claude Code 和 Codex 客户端——从找文献、理数据、想创新点，到写论文、画图、排版、投稿返修，再到软著专利、答辩 PPT、竞赛申报，每一步都有专门的技能接管，背后还垫着 9 个可溯源的知识库。
版本：v3.0.0 开源协议：MIT Stars：342 ⭐（截至 2026-07-02） 核心定位：开源 / AI Skill 化 / 全流程科研
核心定位：28 个 Skill + 9 个知识库 + 49 个可跑脚本 = 科研工作流全自动化
✨ 核心功能一览
28 个手动技能（按科研主线顺序）
| 科研阶段 | 对应 Skill | 能力 |
|---|---|---|
| 📚 资料调研 | light-literature-search |
多源检索文献、去重、判可信度、排重要性 |
| 🧹 数据处理 | light-data-engineering |
体检数据、防泄漏划分、校验质量 |
| 💡 创新提案 | light-idea-generation ⇄ light-idea-critique |
提创新点 ↔ 审稿人视角对抗挑刺 |
| 🗺️ 方案设计 | light-research-plan |
定技术路线、排实验矩阵、评可行性 |
| 📊 结果分析 | light-result-analysis |
EDA、显著性检验、效应量计算 |
| ✍️ 论文写作 | light-paper-drafting ⇄ light-paper-polishing |
分模块成稿 ↔ 逻辑打磨 |
| 📈 图表 | light-figure-planning ⇄ light-figure-drawing |
规划做什么图 ↔ 出版级绘图 |
| 🔖 引用排版 | light-citation · light-typesetting |
DOI 核验 · LaTeX/Word 排版 |
| 📮 投稿返修 | light-venue-matching · light-review-rebuttal |
分层选刊 · 逐条返修 |
| 🏆 成果转化 | light-ip-application · light-slides · light-competition |
软著专利 · 答辩 PPT · 竞赛 |
注意：这是 28 个 Skill 沿一条科研主线衔接的全部链路，从立项到投稿返修一气呵成。
🎯 它如何协同工作？
九个图库展示的 9 种科研图表风格：
🛠️ 5 分钟快速上手
安装（幂等可重跑）
# Linux / macOS
curl -fsSL https://raw.githubusercontent.com/Light0305/Light-skills/master/install.sh | bash
# 或手动
git clone https://github.com/Light0305/Light-skills.git
cd Light-skills
bash install.sh
第一次启动
安装完后，启动 Claude Code 或 Codex 客户端，输入：
请用 light-literature-search 帮我调研一下「重采样对树集成概率校准的影响」这个领域，
要求 30 篇近 3 年的代表性论文，按影响力排序。
Skill 会自动从 OpenAlex / Crossref 拉取真实文献，按引用量排序，绝不编造任何 DOI 或数据来源。
核心代码示例（proof-of-work）
# 直接调用某个 Skill 的脚本
python -m light_skills.skills.literature_search \
--query "resampling probability calibration" \
--top-k 30 \
--years 2023-2026
注意：所有产物都走 schema v1 协议，含 source_hash 防重复，9 个知识库共享术语与方法。
📊 科研全流程对比
| 维度 | 普通提示词/助手 | Light-skills |
|---|---|---|
| 产出 | 一段文字建议 | 能跑的脚本 + 能套的模板 + 真实范例 |
| 可信 | 可能编造文献/数据/DOI | 写进规约的硬底线：不编造，核不实标"待核查" |
| 协同 | 单点回答，前后脱节 | 28 个 Skill 沿主线衔接，9 个知识库共享术语 |
| 质量 | 一次成型 | 对抗式自检 + 权威库交叉验证 |
| 记忆 | 关掉就忘 | 跨会话项目记忆 + 主动衔接卡 |
| 持续 | 上下文断了重解释 | 启动提示词 + 衔接卡无缝续上 |
对比关键差异：Light 写进规约的"不编造"底线，是它区分于普通 AI 助手的核心。
💡 适用场景（9 大科研图表）
Light 已经覆盖几乎所有主流学科的 9 类科研图表，可以一键生成出版级图。
场景 1：生物医学 — 重采样校准
功能说明：筛选漏斗冲积图（Alluvial plot），常用于临床研究样本流失、模型压缩前后流程对比。 输入要求：分组样本数 + 阶段标签 输出效果：可视化的样本流转关系 适用场景：医学统计、临床试验、生信分析
场景 2：交叉学科合作 — 和弦图
功能说明：跨学科合作和弦图（Chord plot），可视化作者/机构/关键词之间的多边关系。 输入要求：作者-机构二部数据 输出效果：弦粗细反映合作频次 适用场景：文献计量学、合作网络分析
场景 3：组学统计 — 雨云图
功能说明：雨云图（Raincloud plot），结合箱线图、小提琴图与散点的混合可视化。 输入要求：连续变量 + 分组 输出效果：完整分布 + 显著差异 适用场景：生物学统计、心理测量学
场景 4：差异分析 — 火山图
功能说明：差异表达火山图（Volcano plot），用于 GWAS / RNA-seq 差异表达筛选。 输入要求：log2 Fold Change + -log10(p-value) 输出效果：高亮显著基因 + 阈值线 适用场景：基因组学、转录组学
场景 5：单细胞测序 — UMAP 嵌入
功能说明：单细胞 UMAP 降维嵌入图，按细胞类型着色。 输入要求：高维单细胞表达矩阵 输出效果：低维可视化 + 亚群标记 适用场景：单细胞测序、细胞图谱
场景 6：演化分析 — 主题流图
功能说明：主题演化流图（Stream graph），反映主题在时间维度上的强度变化。 输入要求：时间序列 + 主题占比 输出效果：动态演化路径 适用场景：文献计量、舆情分析
场景 7：时间生物学 — 极坐标热图
功能说明：极坐标热图（Polar heatmap），展示 24 小时节律性数据。 输入要求：时间点 + 测量值 输出效果：节律性 + 热区分布 适用场景：生物节律、临床时序
场景 8：贝叶斯分析 — 山脊图
功能说明：后验分布山脊图（Ridgeline plot），展示贝叶斯/频率学派的效应量分布。 输入要求：多次采样效应量 输出效果：分布形态对比 适用场景：元分析、贝叶斯推断
场景 9：临床研究 — KM 生存曲线
功能说明：Kaplan-Meier 生存曲线，临床研究核心展示图。 输入要求：生存时间 + 删失状态 + 分组 输出效果：生存概率 + 风险表 适用场景：临床随访、流行病学
🏆 成功案例：用 Light 跑完一篇 IEEE 6 页论文
论文：Resampling Silently Degrades Probability Calibration in Tree Ensembles
- 5 个 OpenML 数据集（不平衡比 1.9–70）
- 2 个树集成 · 7 种处理 · 10 个随机种子
- 核心发现：重采样（SMOTE/过采样/欠采样）会系统性破坏概率校准
- 一步事后校准可把 ECE 降约 66%，AUC 仅损 0.003
整个论文从立项到投稿，全程 11 个常驻 Skill 在后台兜底 + 17 个手动 Skill 沿主线接力。
用户群体总结
- ✅ 本科生 / 研究生：把项目真正做成论文/软著/专利/竞赛
- ✅ 独立研究者：导师资源有限，需要全程兜底
- ✅ AI 编程用户：已用 Claude Code / Codex 的可直接加载
- ✅ 跨学科研究：9 类图表覆盖医学/生物/统计/CS/工程
- ❌ 不适合：纯理论数学 / 思辨哲学（缺少数据接口）
💰 完全免费 + 离线可用
- 零成本：MIT 协议，所有 Skill 开源可改可商用
- 零 API key 默认：文献检索走免费的 OpenAlex / Crossref
- 零 GPU 默认：纯检索/写作 Skill 无 GPU 依赖
- 可选付费 key：仅 GPT-5.5 / Claude Opus 4.8 / DeepSeek V4 Pro 等模型调用需要
可选自定义：
| 配置 | 用途 |
|---|---|
DEEPSEEK_API_KEY |
启用中文文献检索增强 |
ANTHROPIC_API_KEY |
启用 Claude Sonnet 4.6+ 模型 |
OPENAI_API_KEY |
启用 GPT-5.5 模型 |
🎯 总结
Light 不是"又一个 AI 助手"，而是把资深科研伙伴的工程经验固化为可复用的代码资产。
它的差异化优势：
- 28 技能沿科研主线闭环：从立项到投稿返修一站到底
- 写进规约的诚实底线：不编造文献/DOI/数据，核不实标"待核查"
- 代码资产可跑可验证：49 脚本全离线 selftest + code_assets 对照 scipy/sklearn 逐位校验
- 9 个可溯源知识库：跨 9 个学域的真实数据集、模板、方法论共享
- 跨会话记忆 + 主动衔接：关机不丢，启动无缝续上
推荐指数： ⭐⭐⭐⭐⭐（满分5星）
适合人群：要把项目真正做成论文/软著/专利/竞赛成果的本科生、研究生、独立研究者
立即体验：
curl -fsSL https://raw.githubusercontent.com/Light0305/Light-skills/master/install.sh | bash
GitHub 仓库：Light0305/Light-skills
数据截至 2026-07-02，最新信息请以 GitHub 仓库为准。