Light

全流程科研技能包 · 让 AI 陪你把一篇论文从想法做到投稿

从找文献到投稿返修,科研每一步都有专门技能接管 · 适配 Claude Code 与 Codex

28 技能 · 9 知识库 · 49 个可跑脚本 · 39 套模板 · 317 张知识卡 · 全程不编造

简体中文 · English

目录

Light 是什么 · 为什么用它 · 推荐配置 · 快速上手 · 技能总览 · 完整链路 · 知识库 · API key · 常见问题 · 参与贡献 · 引用

Light 是什么

Light 把科研全流程拆成 28 个互相衔接的 AI 技能,装进你的 Claude Code 和 Codex。从找文献、理数据、想创新点,到写论文、画图、排版、投稿、返修,再到软著专利、答辩 PPT、竞赛申报——每一步都有专门的技能接手,背后还垫着 9 个可溯源的知识库。

它不是一堆提示词,也不是 MCP 或插件——而是一套装进客户端的技能包:每个技能都带能跑的脚本、能套的模板、真实的范例,对外接口经过实测,统计代码与 scipy/sklearn 逐位对齐。不编文献、不造数据、不臆想出处和数据来源——这是不可逾越的底线。

一句话:把一位真正懂科研工具的资深伙伴,装进你的编辑器。

为什么用它

市面上的"科研 AI"大多止于聊天问答。Light 不一样,它有三个硬核区别:

适合:要把项目真正做成论文/软著/专利/竞赛成果的本科生、研究生、独立研究者,尤其是导师资源有限、需要一个靠谱搭子全程兜底的人。

和同类开源技能套件比

开源生态里已有不少优秀的 agent 技能套件,各有侧重。Light 的差异化不在技能数量(论数量并不占优),而在形态组合——科研主线闭环 + 自有可溯源知识库 + 诚实机制 + 中英双语链路 + 会话衔接 + 行为评测同时具备:

对照日期 2026-06-12,数据来自各仓 README/目录实测(anthropics/skills 5754626 17 技能、K-Dense dab7aa6 146 技能、ScienceIntelligence ada6c05)。竞品在持续演进,表中"无/未见"指该仓此日 README/目录未见对应能力,只陈述事实、不作贬低。留痕见 _verification_log/R12-08-competitor-matrix.md。

看它真的能跑

不放演示动图凑数——直接给一篇完全用 Light 从头做到底的论文作证据:resampling-calibration-study 走完调研→idea→对抗严审→真跑实验→出图→6 页 IEEE 论文全流程,PDF 可点开,9 张真数据图见项目图表展示。所有数字都来自真实运行。技能脚本本身的离线演示录制脚本见 assets/demo.tape(可复现 GIF)。

🏆 推荐配置(最佳体验)

Light 在任意 Claude Code / Codex 环境都能跑;想要最佳体验,建议这套组合:

🔌 推荐 MCP(按需接,均非必装):Light 本体是技能包,不依赖 MCP;但接上这几个能扩展设计、绘图、3D 与计算能力。star 为 2026-06 GitHub 实测,会变动;费用以官方页为准、投入前自查。

接入任何第三方 MCP 都等于授权外部指令与代码,先评估来源与安全(详见 light-tool-selection)。论文数据图仍须程序化绘制(m11),不用 AI 生图;Draw.io 是 diagram-as-code、Blender 是程序化建模渲染,均非 AI 生图,但 3D 渲染作论文图需保证数据真实可复现,路演展示用更稳妥。 MATLAB 需本地付费软件;Blender MCP 驱动科研可视化目前实践尚少,成熟路子是直接用 Molecular Nodes/SciBlend 等插件。

低配/备用档模型(如 Claude Haiku 或第三方轻量模型)能守住技能的诚实红线(不编造、不夸大、守边界)——这是"红线写进 SKILL 正文而非靠模型自觉"设计的直接收益。但实测(2026-06-12,Haiku 4.5 跑 8 个诱导编造任务,红线 8/8 守住)发现它们倾向于"复述纪律"而少"跑脚本产证据",且不会主动质疑用户给的错误前提(如环境/状态信息)。重产出、需多步真实核验或主动排查的任务,建议用主力档(Opus 4.8 / GPT 5.5);低配档适合轻量、单步、红线明确的场景。(第三方备用档 DeepSeek V4 Pro 等本环境无 API 接入,未实测。)

🚀 安装

前置:已安装 Claude Code 或 Codex,本机有 git。

[!IMPORTANT] 28 个技能共用根目录下的 9 个知识库与 code_assets/(靠相对路径引用),所以整个仓库必须放在一起。安装脚本会把技能和共享库一并链接到客户端的技能目录,请勿只挪单个技能。

1. 克隆仓库(放哪都行):

git clone https://github.com/Light0305/Light-skills.git
cd Light-skills

官方源仅 GitHub:github.com/Light0305/Light-skills 是 Light 唯一的官方维护源。Light 也在第三方技能市场(如 skills.sh)登记以便发现,但任何第三方分发的版本同步与完整性不作保证,安装与更新请以本仓库为准。

2. 运行安装脚本:

# Windows (PowerShell)
powershell -ExecutionPolicy Bypass -File install.ps1            # 两端都装
powershell -ExecutionPolicy Bypass -File install.ps1 -Client claude   # 只装 Claude Code

# macOS / Linux
./install.sh           # 两端都装
./install.sh claude    # 只装某一端

脚本幂等、可重跑,把技能链接进 Claude Code 的 ~/.claude/skills/ 与 Codex 的 ~/.agents/skills/,并把 databases/、code_assets/ 与 CONVENTIONS.md/ROUTER.md/ROUTER_EXAMPLES.md/MODE_REGISTRY.md 作为同级共享资源一并链接过去(技能内"见 CONVENTIONS §5"等引用装后仍可达)。

Claude Code 无需路由片段:它按 ~/.claude/skills/<skill>/SKILL.md 的 frontmatter(name/description)自动发现并触发技能,不像 Codex 需要把 AGENTS.snippet.md 追加进 ~/.codex/AGENTS.md。所以本仓库只为 Codex 端提供 snippet,Claude Code 端装完即用。

3. 重启客户端,开说:

帮我把这个方向做一遍文献调研
这篇论文该投哪个期刊?
帮我把实验结果做显著性检验,出一张出版级的图

相关技能会自动触发(根据你的需求智能匹配,无需记命令);也可以用 / 点名调用 17 个手动技能。Codex 端还需一步小配置,详见 .codex/INSTALL.md。

卸载:删掉客户端技能目录下 Light 创建的链接即可,不影响源仓库。

⚠️ Windows 用户务必用 rmdir(cmd)删除目录链接:rmdir "%USERPROFILE%\.claude\skills\light-xxx"、rmdir "%USERPROFILE%\.claude\databases" 等。不要用 Remove-Item -Recurse 或资源管理器 Shift+Del 删 junction——那会穿透链接删掉源仓库本体。共享文档(CONVENTIONS.md 等)是硬链接,用 del 删除该副本不影响源文件。安全的整套卸载脚本(已正确判 ReparsePoint、用 cmd /c rmdir)见 .codex/INSTALL.md 卸载节。macOS/Linux 用 rm 删符号链接即可。

🧭 技能总览

28 个技能分两类:17 个手动技能可直接用 / 点名调用,也会在相关任务里自动触发;11 个常驻技能只在后台自动生效(不出现在 / 菜单,但照常工作)。

手动技能 · 按科研主线(17)

常驻技能 · 后台自动(11)

无需调用,在相关任务中自动生效,贯穿全程保障质量: