面向学术研究和软件开发的个人 Claude Code 配置仓库 - 一个完整的工作环境。
- 2026-02-15: Zotero MCP 集成 — 新增
/zotero-review和/zotero-notes命令，更新research-ideationskill 添加 Zotero 集成指南，增强literature-revieweragent 支持 Zotero MCP 自动论文导入、集合管理、全文阅读和引用导出 - 2026-02-14: Hooks 优化 —
security-guard重构为两层系统（Block + Confirm），skill-forced-eval按 6 类分组并切换为静默扫描模式，session-start限制显示前 5 项，session-summary新增 30 天日志自动清理，stop-summary分别显示新增/修改/删除计数；移除废弃的 shell 脚本（lib/common.sh、lib/platform.sh） - 2026-02-11: 大版本更新，新增 10 个 skills（research-ideation、results-analysis、citation-verification、review-response、paper-self-review、post-acceptance、daily-coding、frontend-design、ui-ux-pro-max、web-design-reviewer）、7 个 agents、8 个研究工作流命令、2 条新规则（security、experiment-reproducibility）；重构 CLAUDE.md；涉及 89 个文件
- 2026-01-26: 所有 Hooks 重写为跨平台 Node.js 版本；README 完全重写；扩展 ML 论文写作知识库；合并 PR #1（跨平台支持）
- 2026-01-25: 项目正式开源，v1.0.0 发布，包含 25 个 skills（architecture-design、bug-detective、git-workflow、kaggle-learner、scientific-writing 等）、2 个 agents（paper-miner、kaggle-miner）、30+ 个命令（含 SuperClaude 命令套件）、5 个 Shell Hooks、2 条规则（coding-style、agents）
Claude Scholar 是一个面向 Claude Code CLI 的个人配置系统，提供丰富的技能、命令、代理和钩子，针对以下场景优化：
- 学术研究 - 完整的研究生命周期：想法生成 → 实验 → 结果分析 → 论文写作 → 审稿回复 → 会议准备
- 软件开发 - Git 工作流、代码审查、测试驱动开发、ML 项目架构
- 插件开发 - Skill、Command、Agent、Hook 开发指南与质量评估
- 项目管理 - 规划文档、代码规范、跨平台钩子驱动的自动化工作流
| 主题 | 说明 |
|---|---|
| 🚀 快速开始 | 快速上手指南 |
| 📚 核心工作流 | 论文写作、代码组织、技能进化 |
| 🛠️ 功能亮点 | 技能、命令、代理概览 |
| 📖 安装指南 | 完整、最小化或选择性安装 |
| 🔧 项目规则 | 代码风格和代理编排 |
完整的学术研究生命周期 - 从想法到发表的 7 个阶段。
从想法生成到文献管理的端到端研究启动：
工具: research-ideation skill + literature-reviewer agent + Zotero MCP
流程:
- 5W1H 头脑风暴: What, Why, Who, When, Where, How → 结构化思维框架
- 文献搜索与导入: WebSearch 搜索论文 → 提取 DOI → 通过
add_items_by_doi自动导入 Zotero → 分类到主题子集合（Core Papers、Methods、Applications、Baselines、To-Read） - PDF 与全文分析:
find_and_attach_pdfs批量附加开放获取 PDF →get_item_fulltext读取论文全文进行深度分析（回退：摘要 + 领域知识） - Gap 分析: 5 种类型（文献、方法论、应用、跨学科、时间）→ 识别 2-3 个具体研究机会
- 研究问题: SMART 原则 → 制定具体、可衡量的问题
- 方法选择与规划: 评估方法适用性 → 时间线、里程碑、风险评估
Zotero 集合结构:
📁 Research-{Topic}-{YYYY-MM}
├── 📁 Core Papers
├── 📁 Methods
├── 📁 Applications
├── 📁 Baselines
└── 📁 To-Read
输出: literature-review.md + research-proposal.md + references.bib（从 Zotero 导出）+ 带 PDF 的有序 Zotero 集合
命令:
/research-init "topic"→ 完整工作流：创建 Zotero 集合 → 搜索导入论文 → 全文分析 → Gap 分析 → 生成综述与提案/zotero-review "collection"→ 分析已有 Zotero 集合 → 生成带对比矩阵的文献综述/zotero-notes "collection"→ 批量阅读论文 → 生成结构化阅读笔记（summary/detailed/comparison 三种格式）
可维护的 ML 项目结构，用于实验代码：
工具: architecture-design skill + code-reviewer agent + git-workflow skill
流程:
- 结构: Factory & Registry 模式 → 配置驱动模型（仅
cfg参数）→ 由rules/coding-style.md强制执行 - 代码风格: 200-400 行文件 → 需要类型提示 → 配置使用
@dataclass(frozen=True)→ 最多 3 层嵌套 - 调试 (
bug-detective): Python/Bash/JS 的错误模式匹配 → 堆栈跟踪分析 → 反模式识别 - Git: Conventional Commits (
feat/scope: message) → 分支策略（master/develop/feature）→ 使用--no-ff合并
命令: /plan, /commit, /code-review, /tdd
实验结果的统计分析和可视化：
工具: results-analysis skill + data-analyst agent
流程:
- 数据处理: 自动化清理和预处理实验日志
- 统计检验: t-test, ANOVA, Wilcoxon signed-rank → 验证显著性
- 可视化: matplotlib/seaborn 集成 → 发表级图表（折线图、柱状图、热图）
- 消融实验: 系统化组件分析 → 理解每个部分的贡献
命令: /analyze-results <experiment_dir> → 生成带有图表和统计数据的分析报告
从模板到最终草稿的系统化论文写作：
工具: ml-paper-writing skill + paper-miner agent + latex-conference-template-organizer skill
流程:
- 模板准备: 下载会议 .zip → 提取主文件 → 删除示例内容 → 输出适合 Overleaf 的干净结构
- 引文验证 (
citation-verification): 多层验证（格式 → API → 信息 → 内容）→ 防止幻觉引用 - 系统化写作: 叙事框架 → 5 句式摘要公式 → 分节起草与反馈循环
- 去 AI 化处理 (
writing-anti-ai): 移除夸大象征、宣传语言、模糊归因 → 添加人性化声音和节奏 → 双语支持（中英文）
会议: NeurIPS, ICML, ICLR, ACL, AAAI, COLM, Nature, Science, Cell, PNAS
提交前的质量保证：
工具: paper-self-review skill
流程:
- 结构检查: 逻辑流畅性、章节平衡、叙事连贯性
- 逻辑验证: 论证合理性、主张-证据对齐、假设清晰性
- 引文审计: 引用准确性、适当归属、引文完整性
- 图表质量: 视觉清晰度、标题完整性、色彩无障碍性
- 写作润色: 语法、清晰度、简洁性、学术语气
- 合规性: 页数限制、格式要求、伦理披露
6 项检查清单 → 系统化质量评估
论文提交和审稿意见回复：
工具: review-response skill + rebuttal-writer agent
提交流程:
- 提交前检查: 会议特定检查清单（NeurIPS 16 项、ICML 更广泛影响、ICLR LLM 披露）
- 格式检查: 页数限制、匿名化、补充材料
- 最终审查: 校对、检查引用、验证图表
Rebuttal 流程:
- 审稿意见分析: 解析并分类评论（主要/次要/错字/误解）
- 回复策略: 接受/辩护/澄清/实验 → 针对每种评论类型的定制方法
- Rebuttal 写作: 结构化回复，包含证据和推理
- 语气管理: 专业、尊重、基于证据的语言
命令: /rebuttal <review_file> → 生成完整的 rebuttal 文档和实验计划
会议准备和研究推广：
工具: post-acceptance skill
流程:
- 演讲: 幻灯片创建指导（15/20/30 分钟格式）→ 视觉设计原则 → 叙事结构
- 海报: 学术海报模板（A0/A1 尺寸）→ 布局优化 → 视觉层次
- 推广: 社交媒体内容（Twitter/X, LinkedIn）→ 博客文章 → 新闻稿 → 研究摘要
命令: /presentation, /poster, /promote → 自动化内容生成
覆盖范围: 90% 的学术研究生命周期（从想法到发表）
这些工作流在后台运行，增强主要工作流。
跨平台钩子（Node.js）自动化工作流执行：
会话开始 → 技能评估 → 会话结束 → 会话停止
- skill-forced-eval (
skill-forced-eval.js): 在每次用户提示之前 → 将所有可用技能（本地 + 插件）按 6 类分组 → 静默扫描模式，仅输出匹配的技能 → 要求实现前激活 → 确保不遗漏相关技能 - session-start (
session-start.js): 会话开始时 → 显示 Git 状态、待办事项、可用命令（前 5 项，折叠显示）、包管理器 → 一目了然地展示项目上下文 - session-summary (
session-summary.js): 会话结束时 → 生成全面的工作日志 → 总结所做的所有更改 → 提供下一步的智能建议 → 自动清理 30 天前的日志 - stop-summary (
stop-summary.js): 会话停止时 → 快速状态检查，分别显示新增/修改/删除计数 → 按文件夹分组临时文件（每组前 3 个）→ 显示可操作的清理建议 - security-guard (
security-guard.js): 两层安全系统 — Block 层: 立即拒绝灾难性命令（rm -rf /、dd、mkfs、系统目录）；Confirm 层: 注入 systemMessage 强制模型在执行危险但合法的操作前询问用户（git push --force、git reset --hard、chmod 777、SQL DROP/DELETE/TRUNCATE、敏感文件写入）
跨平台: 所有钩子使用 Node.js（非 shell 脚本），确保 Windows/macOS/Linux 兼容性。
两个专门的挖掘代理持续提取知识以改进技能：
- paper-miner (agent): 分析研究论文（PDF/DOCX/arXiv 链接）→ 提取写作模式、结构见解、会议要求、审稿意见回复策略 → 使用分类条目更新
ml-paper-writing/references/knowledge/（structure.md、writing-techniques.md、submission-guides.md、review-response.md） - kaggle-miner (agent): 研究获胜的 Kaggle 竞赛解决方案 → 提取竞赛简介、前排方案详细技术分析、代码模板、最佳实践 → 更新
kaggle-learnerskill 的知识库（references/knowledge/[domain]/目录，按 NLP/CV/Time Series/Tabular/Multimodal 分类）
知识反馈循环: 每篇分析的论文或解决方案都会丰富知识库，创建一个随您研究进化的自我改进系统。
维护和改进技能的 3 步持续改进循环：
skill-development → skill-quality-reviewer → skill-improver
- 开发 (
skill-development): 创建具有正确 YAML frontmatter 的技能 → 清晰的描述和触发短语 → 渐进式披露（精简的 SKILL.md，详细信息在references/） - 审查 (
skill-quality-reviewer): 4 维质量评估 → 描述质量（25%）、内容组织（30%）、写作风格（20%）、结构完整性（25%）→ 生成优先修复的改进计划 - 改进 (
skill-improver): 合并建议更改 → 更新文档 → 根据反馈迭代 → 自动读取并应用改进计划
claude-scholar/
├── hooks/ # 跨平台 JavaScript 钩子（自动化执行）
│ ├── hook-common.js # 共享工具（git diff、变更分析）
│ ├── session-start.js # 会话开始 - Git 状态、待办事项、前 5 个命令
│ ├── skill-forced-eval.js # 静默扫描，6 类技能分组
│ ├── session-summary.js # 会话结束 - 工作日志、30 天日志自动清理
│ ├── stop-summary.js # 会话停止 - 新增/修改/删除计数、分组临时文件
│ └── security-guard.js # 两层安全：Block（灾难性）+ Confirm（危险操作）
│
├── skills/ # 32 个专业技能（领域知识 + 工作流）
│ ├── ml-paper-writing/ # 完整论文写作：NeurIPS, ICML, ICLR, ACL, AAAI, COLM
│ │ └── references/
│ │ └── knowledge/ # 从成功论文中提取的模式
│ │ ├── structure.md # 论文组织模式
│ │ ├── writing-techniques.md # 句子模板、过渡
│ │ ├── submission-guides.md # 会议要求（页数限制等）
│ │ └── review-response.md # 审稿意见回复策略
│ │
│ ├── research-ideation/ # 研究启动：5W1H、文献综述、Gap 分析
│ │ └── references/
│ │ ├── 5w1h-framework.md # 系统化思维工具
│ │ ├── gap-analysis-guide.md # 5 种研究 Gap 类型
│ │ ├── literature-search-strategies.md
│ │ ├── research-question-formulation.md
│ │ ├── method-selection-guide.md
│ │ └── research-planning.md
│ │
│ ├── results-analysis/ # 实验分析：统计、可视化、消融
│ │ └── references/
│ │ ├── statistical-methods.md # t-test, ANOVA, Wilcoxon
│ │ ├── visualization-best-practices.md # matplotlib/seaborn
│ │ ├── results-writing-guide.md # 结果章节写作
│ │ └── common-pitfalls.md # 常见分析错误
│ │
│ ├── review-response/ # 系统化 rebuttal 写作
│ │ └── references/
│ │ ├── review-classification.md # 主要/次要/错字/误解
│ │ ├── response-strategies.md # 接受/辩护/澄清/实验
│ │ ├── rebuttal-templates.md # 结构化回复模板
│ │ └── tone-guidelines.md # 专业语言
│ │
│ ├── paper-self-review/ # 6 项质量检查清单
│ ├── post-acceptance/ # 会议准备
│ │ └── references/
│ │ ├── presentation-templates/ # 幻灯片创建（15/20/30 分钟）
│ │ ├── poster-templates/ # 学术海报设计
│ │ ├── promotion-examples/ # 社交媒体内容
│ │ └── design-guidelines.md # 视觉设计原则
│ │
│ ├── citation-verification/ # 多层引文验证
│ ├── writing-anti-ai/ # 移除 AI 模式：象征主义、宣传语言
│ │ └── references/
│ │ ├── patterns-english.md # 要移除的英文 AI 模式
│ │ └── patterns-chinese.md # 要移除的中文 AI 模式
│ │
│ ├── architecture-design/ # ML 项目模式：Factory、Registry、配置驱动
│ ├── git-workflow/ # Git 纪律：Conventional Commits、分支
│ ├── bug-detective/ # 调试：Python、Bash、JS/TS 错误模式
│ ├── code-review-excellence/ # 代码审查：安全性、性能、可维护性
│ ├── skill-development/ # 技能创建：YAML、渐进式披露
│ ├── skill-quality-reviewer/ # 技能评估：4 维评分
│ ├── skill-improver/ # 技能进化：合并改进
│ ├── kaggle-learner/ # 从 Kaggle 获胜解决方案中学习
│ ├── doc-coauthoring/ # 文档协作工作流
│ ├── latex-conference-template-organizer # Overleaf 模板清理
│ └── ... （10+ 更多技能）
│
├── commands/ # 50+ 斜杠命令（快速工作流执行）
│ ├── research-init.md # 启动研究启动工作流
│ ├── zotero-review.md # 从 Zotero 读取论文，生成文献综述
│ ├── zotero-notes.md # 批量阅读 Zotero 论文，生成阅读笔记
│ ├── analyze-results.md # 分析实验结果
│ ├── rebuttal.md # 生成系统化 rebuttal 文档
│ ├── presentation.md # 创建会议演讲大纲
│ ├── poster.md # 生成学术海报设计方案
│ ├── promote.md # 生成推广内容
│ ├── plan.md # 带代理委托的实施方案规划
│ ├── commit.md # Conventional Commits：feat/fix/docs/refactor
│ ├── code-review.md # 质量和安全审查工作流
│ ├── tdd.md # 测试驱动开发：Red-Green-Refactor
│ ├── build-fix.md # 自动修复构建错误
│ ├── verify.md # 运行验证循环
│ ├── checkpoint.md # 保存验证状态
│ ├── refactor-clean.md # 移除死代码
│ ├── learn.md # 从代码中提取模式
│ ├── update-github.md # 提交并推送到 GitHub
│ ├── update-readme.md # 更新 README 文档
│ ├── update-memory.md # 检查并更新 CLAUDE.md 记忆
│ ├── create_project.md # 从模板创建新项目
│ ├── setup-pm.md # 配置包管理器（uv/pnpm）
│ └── sc/ # SuperClaude 命令套件（30 个命令）
│ ├── sc-agent.md # 代理管理
│ ├── sc-estimate.md # 开发时间估算
│ ├── sc-improve.md # 代码改进
│ └── ...
│
├── agents/ # 14 个专业代理（专注任务委托）
│ ├── literature-reviewer.md # 文献搜索和趋势分析
│ ├── data-analyst.md # 自动化数据分析和可视化
│ ├── rebuttal-writer.md # 系统化 rebuttal 写作
│ ├── paper-miner.md # 提取论文知识：结构、技巧
│ ├── architect.md # 系统设计：架构决策
│ ├── code-reviewer.md # 审查代码：质量、安全、最佳实践
│ ├── tdd-guide.md # 指导 TDD：测试优先开发
│ ├── kaggle-miner.md # 从 Kaggle 提取工程实践
│ ├── build-error-resolver.md # 修复构建错误：分析和解决
│ ├── refactor-cleaner.md # 移除死代码：检测和清理
│ ├── bug-analyzer.md # 深度代码执行流分析和根因调查
│ ├── dev-planner.md # 实施规划和任务拆解
│ ├── ui-sketcher.md # UI 蓝图设计和交互规范
│ └── story-generator.md # 用户故事和需求生成
│
├── rules/ # 全局指导原则（始终遵循的约束）
│ ├── coding-style.md # ML 项目标准：文件大小、不可变性、类型
│ ├── agents.md # 代理编排：何时委托、并行执行
│ ├── security.md # 密钥管理、敏感文件保护
│ └── experiment-reproducibility.md # 随机种子、配置记录、检查点
│
├── CLAUDE.md # 全局配置：项目概述、偏好设置、规则
│
└── README.md # 本文件 - 概述、安装、功能
网页设计：
frontend-design- 创建独特、生产级的前端界面ui-ux-pro-max- UI/UX 设计智能（50+ 风格、97 色板、9 技术栈）web-design-reviewer- 视觉检查和设计问题修复
写作与学术：
ml-paper-writing- 顶级会议/期刊的完整论文写作指导writing-anti-ai- 移除 AI 写作模式（双语支持）doc-coauthoring- 结构化文档协作工作流latex-conference-template-organizer- LaTeX 模板管理daily-paper-generator- 自动化每日论文生成，用于研究追踪
研究工作流：
research-ideation- 研究启动：5W1H 头脑风暴、文献综述、Gap 分析results-analysis- 实验分析：统计检验、可视化、消融实验review-response- 系统化 rebuttal 写作，语气管理paper-self-review- 6 项质量检查清单post-acceptance- 会议准备：演讲、海报、推广citation-verification- 多层引文验证，防止幻觉引用
开发：
daily-coding- 日常编码检查清单（极简模式，自动触发）git-workflow- Git 最佳实践（Conventional Commits、分支）code-review-excellence- 代码审查指南bug-detective- Python、Bash、JS/TS 调试architecture-design- ML 项目设计模式verification-loop- 测试和验证
插件开发：
skill-development- 技能创建指南skill-improver- 技能改进工具skill-quality-reviewer- 质量评估command-development- 斜杠命令创建agent-identifier- 代理配置hook-development- 钩子开发指南mcp-integration- MCP 服务器集成
工具：
uv-package-manager- 现代 Python 包管理planning-with-files- 基于 Markdown 的规划webapp-testing- 本地 Web 应用测试kaggle-learner- 从 Kaggle 解决方案中学习
研究命令：
| 命令 | 用途 |
|---|---|
/research-init |
启动研究启动工作流（5W1H、文献综述、Gap 分析） |
/zotero-review |
从 Zotero 集合读取论文，生成结构化文献综述 |
/zotero-notes |
批量阅读 Zotero 论文，生成结构化阅读笔记 |
/analyze-results |
分析实验结果（统计检验、可视化、消融实验） |
/rebuttal |
从审稿意见生成系统化 rebuttal 文档 |
/presentation |
创建会议演讲大纲 |
/poster |
生成学术海报设计方案 |
/promote |
生成推广内容（Twitter、LinkedIn、博客） |
开发命令：
| 命令 | 用途 |
|---|---|
/plan |
创建实施计划 |
/commit |
使用 Conventional Commits 提交 |
/update-github |
提交并推送到 GitHub |
/update-readme |
更新 README 文档 |
/update-memory |
检查并更新 CLAUDE.md 记忆 |
/code-review |
执行代码审查 |
/tdd |
测试驱动开发工作流 |
/build-fix |
修复构建错误 |
/verify |
验证更改 |
/checkpoint |
创建检查点 |
/refactor-clean |
重构和清理 |
/learn |
提取可重用模式 |
/create_project |
从模板创建新项目 |
/setup-pm |
配置包管理器（uv/pnpm） |
/sc |
SuperClaude 命令套件（30 个命令） |
研究代理：
- literature-reviewer - 文献搜索、分类和趋势分析
- data-analyst - 自动化数据分析和可视化
- rebuttal-writer - 系统化 rebuttal 写作，语气优化
- paper-miner - 从成功论文中提取写作知识
开发代理：
- architect - 系统架构设计
- build-error-resolver - 修复构建错误
- code-reviewer - 审查代码质量
- refactor-cleaner - 移除死代码
- tdd-guide - 指导 TDD 工作流
- kaggle-miner - 提取 Kaggle 工程实践
- bug-analyzer - 深度代码执行流分析和根因调查
- dev-planner - 实施规划和任务拆解
设计与内容代理：
- ui-sketcher - UI 蓝图设计和交互规范
- story-generator - 用户故事和需求生成
选择适合您需求的安装方式：
数据科学、AI 研究和学术写作的完整设置：
# 克隆仓库
git clone https://github.com/Galaxy-Dawn/claude-scholar.git ~/.claude
# 重启 Claude Code CLI包含：所有 32 个技能、50+ 命令、14 个代理、5 个钩子和项目规则。
仅核心钩子和基本技能（加载更快，复杂度更低）：
# 克隆仓库
git clone https://github.com/Galaxy-Dawn/claude-scholar.git /tmp/claude-scholar
# 仅复制钩子和核心技能
mkdir -p ~/.claude/hooks ~/.claude/skills
cp /tmp/claude-scholar/hooks/*.js ~/.claude/hooks/
cp -r /tmp/claude-scholar/skills/ml-paper-writing ~/.claude/skills/
cp -r /tmp/claude-scholar/skills/research-ideation ~/.claude/skills/
cp -r /tmp/claude-scholar/skills/results-analysis ~/.claude/skills/
cp -r /tmp/claude-scholar/skills/review-response ~/.claude/skills/
cp -r /tmp/claude-scholar/skills/writing-anti-ai ~/.claude/skills/
cp -r /tmp/claude-scholar/skills/git-workflow ~/.claude/skills/
cp -r /tmp/claude-scholar/skills/bug-detective ~/.claude/skills/
# 清理
rm -rf /tmp/claude-scholar包含：5 个钩子、7 个核心技能（完整研究工作流 + 基本开发）。
选择和选择特定组件：
# 克隆仓库
git clone https://github.com/Galaxy-Dawn/claude-scholar.git /tmp/claude-scholar
cd /tmp/claude-scholar
# 复制您需要的内容，例如：
# - 仅钩子
cp hooks/*.js ~/.claude/hooks/
# - 特定技能
cp -r skills/latex-conference-template-organizer ~/.claude/skills/
cp -r skills/architecture-design ~/.claude/skills/
# - 特定代理
cp agents/paper-miner.md ~/.claude/agents/
# - 项目规则
cp rules/coding-style.md ~/.claude/rules/
cp rules/agents.md ~/.claude/rules/推荐用于：想要自定义配置的高级用户。
- Claude Code CLI
- Git
- （可选）Node.js（用于钩子）
- （可选）uv、Python（用于 Python 开发）
安装后，钩子提供自动化工作流辅助：
- 每次提示触发
skill-forced-eval→ 确保考虑适用技能 - 会话开始时使用
session-start→ 显示项目上下文 - 会话结束时使用
session-summary→ 生成带有建议的工作日志 - 会话停止时使用
stop-summary→ 提供状态检查
由 rules/coding-style.md 强制执行：
- 文件大小：最大 200-400 行
- 不可变性：配置使用
@dataclass(frozen=True) - 类型提示：所有函数都需要
- 模式：所有模块使用 Factory & Registry
- 配置驱动：模型仅接受
cfg参数
在 rules/agents.md 中定义：
- 可用的代理类型和用途
- 并行任务执行
- 多视角分析
在 rules/security.md 中定义：
- 密钥管理（环境变量、
.env文件） - 敏感文件保护（禁止提交 token、密钥、凭证）
- 通过钩子进行提交前安全检查
在 rules/experiment-reproducibility.md 中定义：
- 随机种子管理，确保可复现性
- 配置记录（Hydra 自动保存）
- 环境记录和检查点管理
这是个人配置，但欢迎您：
- Fork 并适应您自己的研究
- 通过 issue 提交错误
- 通过 issue 建议改进
MIT 许可证
使用 Claude Code CLI 构建，并由开源社区增强。
本项目受到社区优秀工作的启发和构建：
- everything-claude-code - Claude Code CLI 的综合资源
- AI-research-SKILLs - 研究导向的技能和配置
这些项目为 Claude Scholar 的研究导向功能提供了宝贵的见解和基础。
面向数据科学、AI 研究和学术写作。