选题是论文的灵魂。 一个好的研究问题需要满足三个条件：有理论价值、有数据支撑、有可信的识别策略。AI Agent 不能替你回答"这篇论文的贡献是什么"，但它可以帮你系统地扫描文献空白、评估研究可行性、搭建初始框架。
| 属性 | 说明 |
|---|---|
| 来源 | Galaxy-Dawn/claude-scholar |
| 功能 | 5W1H 脑暴 → 文献空白分析 → 研究方向综合 |
| 工作流 | 1. 从关键词出发进行发散思维 2. 扫描已有文献确认空白 3. 评估数据可用性和方法可行性 4. 输出结构化的研究方向建议 |
| 适用 | 初始选题阶段，特别适合还没有明确方向的研究者 |
| 属性 | 说明 |
|---|---|
| 来源 | luwill/research-skills |
| Stars | 209 |
| 功能 | 生成 2,000-4,000 字高质量研究提案 |
| 工作流 | 1. 需求收集（主题、领域、语言、字数） 2. 多源文献收集（WebSearch、Zotero、arXiv、PubMed） 3. 大纲生成（用户审核） 4. 完整写作（基于批准的大纲） 5. Markdown 输出 + 质量检查清单 |
| 输出 | 最少 40 篇参考文献，3-5 个图表建议 |
| 双语 | 支持中英文 |
| 安装 | git clone https://github.com/luwill/research-skills.git && cp -r research-skills/research-proposal ~/.claude/skills/ |
| 属性 | 说明 |
|---|---|
| 来源 | lishix520/academic-paper-skills |
| 功能 | 系统化论文规划框架，含 7 维度审稿人模拟 |
| 工作流 | Phase 1: 平台分析 → 目标期刊 + 风格指南 Phase 2: 理论框架 → 文献 + 研究缺口分析（3-5 引文支持） Phase 3: 大纲优化 → 审稿人评估大纲 |
| 特色 | 模拟审稿人视角提前发现问题，适合人文社科和跨学科研究 |
| 属性 | 说明 |
|---|---|
| 来源 | K-Dense-AI/claude-scientific-skills |
| Stars | 8,799 |
| 功能 | 基于文献分析自动生成可检验的研究假设 |
| 安装 | npx skills add https://github.com/K-Dense-AI/claude-scientific-skills --skill hypothesis-generation |
| 属性 | 说明 |
|---|---|
| 来源 | K-Dense-AI/claude-scientific-skills |
| 功能 | 基金/研究提案写作，支持 NSF、NIH 等格式 |
| 安装 | npx skills add https://github.com/K-Dense-AI/claude-scientific-skills --skill research-grants |
| 属性 | 说明 |
|---|---|
| 来源 | claesbackman/AI-research-feedback |
| 功能 | 6 个 AI 代理模拟基金评审小组，从不同角度评估你的提案 |
| 特色 | 专为经济学研究设计，评估因果推断策略的可信度 |
| 属性 | 说明 |
|---|---|
| 来源 | poemswe/co-researcher |
| 功能 | 专业研究套件：研究构思、方法论设计、系统综述指导 |
| 特色 | 跨平台兼容 Claude Code、Gemini CLI、Codex |
| 属性 | 说明 |
|---|---|
| 来源 | JeanDiable/academic-research-plugin |
| 功能 | 文献调查、论文评审、引用管理；搜索 arXiv/Semantic Scholar/DBLP，识别研究空白 |
| 特色 | 跨领域探索，提出 2-3 个创新方向 |
| 属性 | 说明 |
|---|---|
| 来源 | VoltAgent Skills / ClawHub |
| 功能 | 使用析因设计、响应面方法、田口方法和统计功效分析规划严格实验 |
| 适用 | 实验经济学、A/B 测试、随机对照试验设计 |
| 属性 | 说明 |
|---|---|
| 来源 | eseckel/ai-for-grant-writing |
| 功能 | LLM 辅助基金申请的策展资源列表，覆盖 NSF/NIH/SBIR 等 |
| 特色 | 提供提案标题生成、挑战识别、对标评审标准的 prompt 模板 |
| 属性 | 说明 |
|---|---|
| 来源 | 社区精选（awesome-claude-skills） |
| 功能 | 通过自然对话进行心理学画像，运用叙事认同和动机访谈技术 |
| 适用 | 用户研究、行为科学研究中的访谈设计 |
| 属性 | 说明 |
|---|---|
| 来源 | 社区精选（awesome-claude-skills） |
| 功能 | 生成数十个 AI 代理在模拟平台上辩论、发帖和互动，输出预测报告 |
| 适用 | 社会学实验模拟、舆论动态研究、集体行为预测 |
CoPaper.AI 的 Skills 体系从研究设计阶段就开始支持：
- 每个方法论 Skill 都内置了前置条件检查——在你开始分析前，AI 会确认你的数据结构、变量定义和识别策略是否满足方法要求
target_agent = modeling的 Skills 自动路由到统计建模子代理，确保研究设计与分析执行的连贯性- 支持自定义 Skill：你可以把自己的研究设计框架写成
.md文件上传，和内置 Skills 享受相同的路由和注入能力
- 先用
research-proposal跑一遍：即使你已经有了选题，让 AI 生成一份完整提案也能帮你发现遗漏的文献和逻辑盲点 - 用
strategist做审稿人预演：在动笔前就用 7 维度审稿人模拟检验你的研究设计，远比写完再改效率高 - 工具选择不要纠结：Codex 的
AGENTS.md和 Claude Code 的CLAUDE.md高度对应，技能可以在工具间迁移