Auto-Research-Skills 研究工具箱
集中获取自主科研技能、系统与评测资源，覆盖从选题到论文的研究流程。
- Star 数
- ★ 221
- 最近更新
- 3 天前
- License
- CC0-1.0
- 主语言
- Python
- FA 评分
- 65/100 · 存在缺口
30 秒速览
- 运行形态
- 可在哪里用
- 通用 · 跨平台Codex · Claude Code（部分支持）
- 费用
- 免费，无需付费服务
- 上手难度
- 中 · 需要几步配置
- 开始前需要
- 典型场景
- 研究生想按文献、实验或写作阶段寻找 agent 技能，可从
catalog/STARTER-KITS.md选一组入门资源。 - 不适合
- 只想安装一个轻量技能、不需要整套研究工具箱的用户
- 需要所有技能名称唯一、可无冲突批量导入的团队
- 源码审查
- 65/100 · 存在缺口
这个 Agent 能做什么，适合哪些场景？
这是一个社区精选的自动化研究资源仓库，按 skills/、systems/、benchmarks/ 和 lists/ 收录可复用技能、端到端系统、评测基准及精选清单。README 记载，仓库通过浅克隆 git 子模块汇集 110 个仓库中的 6,089 个 skills。资源面向 Claude Code、Codex、OpenClaw 及其他 LLM agent，涵盖文献综述、实验与数据分析、论文写作和同行评审等工作。用户可先克隆主仓库，再运行 setup.sh 拉取顶层及上游声明的嵌套子模块。它不是单一研究 agent 或托管服务；具体能力、运行要求和许可取决于各个收录项目。
仓库将资源分为四类：skills/ 是可复用技能与插件，systems/ 收录端到端研究系统，benchmarks/ 收录评测基准，lists/ 收录精选清单。运行 ./setup.sh 会初始化顶层子模块，并尽力初始化上游声明的嵌套子模块。README 提供 catalog/STARTER-KITS.md 作为按科研阶段挑选技能的入口，并提示可用 tools/build_starter_kits.py 安装某个阶段的技能。资源可用于文献检索与综述、实验代码、数据分析、论文撰写和评审；仓库本身不执行统一的研究流水线，也不生成统一格式的研究成果。
- 研究生想按文献、实验或写作阶段寻找 agent 技能，可从
catalog/STARTER-KITS.md选一组入门资源。 - 研究团队需要比较自主研究系统、深度研究工具和科研技能，可按
systems/、skills/等目录浏览。 - 使用 Codex 或 Claude Code 的研究者想为现有编码 agent 增加论文写作、文献综述或代码技能，可挑选相应子模块。
- 实证社会科学研究者需要识别策略、数据处理或回归表格相关资源，可查看重点推荐的 Auto-Empirical-Research-Skills 与 Stata 技能。
- 评测研究 agent 的开发者需要 ML 工程或科学编程基准，可浏览
benchmarks/中的项目。
如何安装或部署这个 Agent？
需要 Git，并且初始化子模块需要网络访问。克隆主仓库后运行 setup.sh：
git clone https://github.com/brycewang-stanford/Auto-Research-Skills.git
cd Auto-Research-Skills
./setup.sh若只需顶层仓库，可跳过嵌套子模块：
ARS_SKIP_NESTED_SUBMODULES=1 ./setup.shREADME 未说明统一的运行时、模型凭据或安装依赖；这些要求因所选子模块而异。
如何使用这个 Agent？
先浏览 catalog/STARTER-KITS.md 或四个资源目录，再按需选择子模块。README 给出的阶段技能安装示例为：
python3 tools/build_starter_kits.py --install literature --dest ~/.claude/skills组合安装多个技能集前，可检查 catalog/collisions.json，因为不同集合可能包含同名但内容不同的技能。各子模块的后续配置和调用方式需查看其自身说明。
这个 Agent 有哪些优点和局限？
- 按技能、系统、基准和清单分目录，便于按研究任务或资源类型筛选。
- 以浅克隆子模块汇集 110 个仓库，
setup.sh可批量获取收录资源。 - 提供按科研阶段挑选技能的 starter kits，并记录技能同名冲突信息。
- 6,089 个技能规模较大，筛选和组合需要投入时间；README 也提示不宜全量导入。
- 技能和系统来自多个上游仓库，运行环境、配置方式及维护状态并不统一。
- 主仓库不提供统一研究执行器；具体能力及各子模块许可证需逐项核查。
这个 Agent 与同类方案有什么区别？
相较于只收录单一研究系统的项目，这个仓库同时汇集技能、系统、评测基准和清单；若只需要某一具体能力，应选择对应子模块，而不是将整个合集视为一个可直接运行的 agent。
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| Auto-Research-Skills 研究工具箱 当前 | 65 · 存在缺口 | 命令行工具免费 | ★ 221 | 3 天前 | Python | — |
| Wisp Science | 71 · 存在缺口 | 桌面应用免费 + 模型费 | ★ 1.1k | 今天 | Rust | Codex · Claude Code · OpenAI API · Claude API |
| AERS 实证研究技能库 | 51 · 缺口较多 | Agent 插件 / 技能免费 + 模型费 | ★ 4.7k | 3 天前 | Stata | Claude Code |
| Open Science 开源科研工作台 | 52 · 缺口较多 | 桌面应用免费 + 模型费 | ★ 5.4k | 今天 | TypeScript | Codex · Claude Code |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
README 将内容说明为第三方 git 子模块，并推荐通过 setup.sh 获取；SECURITY.md 明确指出技能是可执行的供应链输入、仓库不沙箱或执行技能，扫描标记仅供参考。这支持来源与风险边界透明及普通克隆所需权限有限，但未展示面向使用者的逐项授权、敏感数据保护或外部副作用审批机制，因此这些方面只给部分分。
README、SECURITY.md、工作流和测试共同描述了目录、目录生成、安全报告及检查流程，彼此大体一致；工作流有元数据检查、单元测试和报告校验，SECURITY.md 也说明嵌套子模块初始化问题。依赖上游仓库和网络克隆且没有可用性保证，错误处理虽有复现及报告路径但缺少面向使用者的完整故障处理说明，故未给满分。
README 面向科研人员和使用 Claude Code、Codex、OpenClaw 等编码智能体的用户，按技能、系统、基准和清单分类，并提供新手套件及组合安装冲突提示。SECURITY.md 清楚限定本仓库只读目录层、不提供沙箱；但技能触发条件属于各上游内容，当前材料不能证明所有项目的触发描述统一精准，跨环境安装兼容性也只部分说明。
仓库目录、目录索引、安装命令和贡献检查路径均有清楚说明；README 提醒技能重名冲突，SECURITY.md 详述限制与报告方式，LICENSE 文件明确为 CC0 1.0。维护者更新、周度榜单脚本及 CI 提供一定更新机制，但没有证据表明版本发布或维护责任的完整制度，因此相关项保留扣分。
聚合目录、搜索/冲突浏览器、starter kits 和安全/质量报告能帮助用户发现并筛选大量研究技能，具有明确的目录增值；但它是第三方项目集合而非统一运行的研究 Agent，实际输出质量、不同技能的兼容成本以及筛选收益在给定材料中没有实证支持，故只给中等分。
README 的分类和目录路径、SECURITY.md 的责任说明、CI 工作流与单元测试提供了相互支撑的仓库内部证据；测试展示目录工具的若干案例，工作流列出检查命令。大量上游能力和数量仍是 README 的概述性陈述，材料未提供逐项独立核验结果；本评估仅据静态文件判断，不将宣传描述当作执行验证。
- 该仓库汇集可被智能体执行的第三方技能；仓库明确不提供沙箱，安全扫描结果也不是强制防护。使用前应审阅所选上游技能，并在自身环境中限制权限。
- README 提醒不同集合可能存在同名但内容不同的技能，组合安装前应检查冲突目录。
常见问题
克隆主仓库后就能使用所有研究功能吗？
./setup.sh 可获取子模块，但具体功能还取决于各项目自身的安装、配置和运行要求。