科研，从这里开始！

nature-skills 是上海交通大学博士生袁一哲创建的开源科研技能包集合，在 GitHub 上已获得约 5 万星标。它的核心思路不是做一个新工具，而是把 Nature 风格论文从写作、绘图到投稿、返修的全流程，拆解成一个个可复用的 SKILL.md 指令包，让 AI 智能体（Claude Code、Codex 等）能够直接“读懂”并执行。

📌 产品介绍

• 它是一套“科研 SOP 的标准化封装”，而非一个独立软件。每个技能都是一个自包含的目录，以 SKILL.md 为核心，配合规则、模板和脚本，告诉 Agent 在特定科研任务中该怎么做、边界在哪里。

• 与普通 Prompt 的根本区别在于“可验证、可复用、可组合”。项目强调规则基于已发表的 Nature 内容或官方期刊指南，每条规则都说明理由，输出优先是可直接使用的产物（可粘贴文本、.svg、.pptx、.docx）。

• 影响力已超出个人项目：谷歌 DeepMind 曾关注并借鉴其引用体系、脚本思路和技能设计哲学，推出了 Science Skills。

⚙️ 核心技能（按科研流程分）

📝 写作与润色

• nature-polishing（Stable） ：将学术文本润色、重构为中英互译的 Nature 风格英文，并扫描术语、单位、数值精度和全文一致性。

• nature-writing（Draft） ：起草 Nature 风格手稿章节，并重建论文论证逻辑。

📊 绘图与可视化

• nature-figure（Stable） ：生成、审计并导出投稿级科研配图，支持 Python/R，内置 figures4papers demo。

📚 阅读与文献

• nature-reader（Beta） ：将论文生成带来源锚点、图文对应、公式渲染和中英文对照的全文 Markdown reader。

• nature-paper-xray（Beta） ：精读论文到能复述作者推理的程度——还原出发点、分清承重设计与装饰、公式落到可手算的例子。

• nature-citation（Beta） ：按 claim 检索 Nature/CNS 系列支撑文献，导出 ENW、RIS 或 Zotero RDF。

🔬 投稿与审稿

• nature-reviewer（Draft） ：从审稿人视角模拟 Nature 风格评审，输出三份互盲 reviewer reports，分级 Major/Minor 意见。

• nature-response（Draft） ：逐点回复审稿意见（rebuttal）。

• nature-statistics（Draft） ：审查统计报告，覆盖实验单位、重复数、p 值、多重比较、效应量、置信区间、图注统计和跨章节数值一致性。

• nature-data（Draft） ：准备 Data Availability statement、数据仓储方案和 FAIR 检查。

🏫 其他方向

• nature-paper2ppt：将论文转为中文组会 PPT。

• nature-proposal-writer：基金申请书起草与科研写作 QA。

• nature-social-science：社科及相邻学科的选题构思、文献版图、证据路线与新颖性审计。

👥 适用人群

✅ 需要将论文推向高影响力期刊的研究生与青年研究者。 如果你的目标期刊是 Nature/CNS 系列，或需要一套系统化的润色、绘图、审稿模拟流程来提升稿件质量，这套技能提供了从写作到投稿的完整工具链，且规则明确标注了学术依据，而非泛泛的“审美偏好”。

✅ 已经在使用 Claude Code、Codex 等 Agent 工具的科研人员。 nature-skills 的设计前提就是“让 Agent 能读懂并执行”，安装后可直接在 Agent 会话中通过 slash command 调用。如果你已经在用这些工具做科研，它相当于给 Agent 装上了一套现成的“Nature 风格科研 SOP”。

⚠️ 边界：项目本身强调“真实问题解决、可验证工作流”，但技能质量因开发者而异，部分技能仍标记为 Beta 或 Draft（如 nature-reader、nature-citation、nature-reviewer）。润色和审稿模拟的输出需要研究者本人把关，不能直接作为最终稿提交。此外，项目 README 中包含代充、知识星球等运营信息，与技能本身的质量是两回事。

📝 总结

nature-skills 的核心价值，是把 Nature 风格科研工作中那些“知道该做但不知道怎么做对”的环节——润色到什么程度、图该怎么配、审稿人会问什么、统计该怎么报——封装成 Agent 能直接执行的标准化指令包。它最适合目标高影响力期刊、且已经在使用 Agent 工具的研究生，用这套技能把重复性的规范执行交给 AI，把判断和决策留给自己。