用 Claude Code 写学术论文，网友做了一套完整的流水线工具。
这个叫 ARS（Academic Research Skills）的开源项目，把学术研究从选题到发表的完整流程，拆成了可以用 AI 协作完成的 10 个阶段。

1. 它解决的是什么问题
AI 写学术论文最大的问题不是写作质量，是可信度：
1）引用幻觉——Zhao 等人今年审计了 2500 万篇论文里的 1.11 亿条引用，仅 2025 年就估计有约 14.7 万条幻觉引用，而且呈加速趋势
2）数据错误——统计数字看起来对，但支撑论点的原始文献根本没说那回事
3）方法论捏造——AI 自己"补"了不存在的研究设计
ARS 的思路：在流水线里设两道拦截关卡（Stage 2.5 和 Stage 4.5），跑 7 类完整性检测，强制拦截可疑输出才能继续下一步。

2. 四个核心模块
1）Deep Research：13 个 agent 协同的研究阶段，支持 PRISMA 系统综述，接 Semantic Scholar API 验证引用是否真实存在
2）Academic Paper：12 个 agent 写作阶段，包含 Style Calibration——学习你过去的写作风格，让输出不像 AI 写的
3）Paper Reviewer：7 个 agent 模拟同行评审，有主编、三个动态评审人、还有一个专门扮演"魔鬼代言人"的角色
4）Academic Pipeline：10 阶段完整编排，带自适应检查点和评分轨迹追踪

3. 几个细节值得关注
引用可信度是重点设计方向。v3.8 新增了 ARS_CLAIM_AUDIT=1 模式：开启后会把每条引用锚定到具体断言，自动拉取原文判断"这篇文献真的支持这个论点吗"，发现问题直接拒绝输出。
流水线最后会自动生成一份「协作质量评估报告」，六个维度打分，记录整个写作过程。
费用：跑一篇约 1.5 万字的完整论文大约 4-6 美元。

AI 是副驾驶，不是飞行员。这个工具不会帮你写论文。它处理繁琐的部分——找文献、格式化引用、验证数据、检查逻辑一致性——让你专注于真正需要用脑的部分：定义问题、选择方法、解读数据的意义，以及写出"我认为"后面那句话。
本质上是：把 AI 协作的边界想清楚，再做工具。

GitHub：Imbad0202/academic-research-skills

#HOW I AI# #程序员#