<div align="center">

<img src="assets/logo.png" width="140" alt="Light logo"/>

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

<br/>

简体中文 · English

</div>

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。

<details> <summary><b>低配/备用档模型的已知限制</b></summary>

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。) </details>

🚀 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:

一个项目的完整链路

技能不是孤立工具,而是沿一条科研主线相互交接:

<p align="center"> <img src="assets/pipeline.png" alt="Light 科研主线技能链路图:文献→数据→创新→方案→实验→分析→写作→图表→投稿" width="860"> </p>

<details> <summary>纯文本版链路(终端友好)</summary>

立项 → literature-search 找方向与 gap → data-engineering 数据体检与防泄漏划分
     → idea-generation ⇄ idea-critique 提创新点、对抗挑刺,循环到站得住
     → research-plan 定技术路线与实验矩阵 → backend-coding 落地实验(TDD)
     → result-analysis 显著性检验 + 效应量 + 出版级图
     → paper-drafting ⇄ paper-polishing 成稿与润色
     → citation / figure-drawing / typesetting 引用核验、出图、排版
     → venue-matching 选刊投稿 → review-rebuttal 返修回复
     → ip-application 软著专利 · slides 答辩 PPT(程序化) · competition 竞赛申报

</details>

全程 11 个常驻技能在后台兜底:file-reading 吃进任意材料,memory-pm 记住做到哪一步,orchestrator 编排跨阶段 pipeline,consistency 盯跨材料一致,self-review 每次产出前自审,research-ethics 守住诚信底线。

🔬 案例展示:一篇用 Light 从头做到底的论文

Resampling Silently Degrades Probability Calibration in Tree Ensembles —— 完全用 Light 走完全流程的端到端实证研究:从找文献、提 idea、对抗严审,到真跑实验、出图、写成 6 页 IEEE 论文。所有数字都来自真实运行,不造一个数据。

<p align="center"> <a href="projects/resampling-calibration-study/paper/main.pdf"> <img src="projects/resampling-calibration-study/paper/main-preview.png" alt="论文首页预览" width="520"> </a><br> _{点击论文首页预览打开完整 PDF · <a href="projects/resampling-calibration-study/paper/main.pdf">阅读 PDF</a> · <a href="projects/resampling-calibration-study/paper/main.tex">LaTeX 源码</a>} </p>

• 5 个 OpenML 数据集(不平衡比 1.9–70)· 2 个树集成 · 7 种处理 · 10 个随机种子 · 配对统计检验
• 核心发现:重采样(SMOTE/过采样/欠采样)会系统性破坏概率校准,而 F1/AUC 等常看的指标几乎不动——所以这个代价是"隐形"的
• 一步事后校准可把 ECE 降约 66%,AUC 仅损 0.003

这个项目还推动了技能包自身的进化:它如实承认核心结论与前作重叠,并据此强化了 idea/审稿/自审环节的"新颖性撞车检查"。完整经过见项目 README。

📊 图表展示

light-figure-drawing 的出版级图表能力——九种对标顶刊的图型,从冲积漏斗到 Kaplan-Meier 生存曲线。这组是视觉能力展示,数据为脚本合成的演示数据(每图右下角已标注),一键复现见 assets/gallery/make_showcase.py;真实数据驱动的九图见上方案例展示。配色走色盲安全的 Okabe-Ito 色板,300 dpi 出版级导出。

<table> <tr> <td align="center" width="33%"><img src="assets/gallery/s1_alluvial.png" alt="冲积图" width="250"><br>_{🌊 筛选漏斗冲积图}</td> <td align="center" width="33%"><img src="assets/gallery/s2_chord.png" alt="和弦图" width="250"><br>_{🎼 跨学科合作和弦图}</td> <td align="center" width="33%"><img src="assets/gallery/s3_raincloud.png" alt="雨云图" width="250"><br>_{🌧 分布对比雨云图}</td> </tr> <tr> <td align="center" width="33%"><img src="assets/gallery/s4_volcano.png" alt="火山图" width="250"><br>_{🌋 差异表达火山图}</td> <td align="center" width="33%"><img src="assets/gallery/s5_embedding.png" alt="嵌入图" width="250"><br>_{🔬 单细胞 UMAP 嵌入}</td> <td align="center" width="33%"><img src="assets/gallery/s6_stream.png" alt="流图" width="250"><br>_{📊 主题演化流图}</td> </tr> <tr> <td align="center" width="33%"><img src="assets/gallery/s7_polar_heatmap.png" alt="极坐标热图" width="250"><br>_{🎯 昼夜节律极坐标热图}</td> <td align="center" width="33%"><img src="assets/gallery/s8_ridgeline.png" alt="山脊图" width="250"><br>_{🏔 效应量后验山脊图}</td> <td align="center" width="33%"><img src="assets/gallery/s9_km.png" alt="生存曲线" width="250"><br>_{📉 Kaplan-Meier 生存曲线}</td> </tr> </table>

📚 知识库

技能背后垫着 9 个共享知识库(databases/),内容均经核查、可溯源:

另有 code_assets/ 收录经对抗验证的统计与指标代码(一致性 κ/QWK 对照 sklearn,Welch t/BH-FDR/Wilson 对照 scipy,MOTA/IDF1、CORAL 序数损失、长尾重采样),数值与权威库逐位对齐,并由 CI 持续校验。

🔑 关于 API key

[!NOTE] 绝大多数功能开箱即用,无需任何 API key。 文献检索默认走免费的 OpenAlex / Crossref;OpenAlex 2026 年起官方要求注册免费 API key(匿名访问处于过渡期仍可用),建议花两分钟注册以免限流。

需要你自备 key 的只有一种情况:用 light-ip-application 做专利检索,调用商用专利库需要各自的凭证。Light 不内置、也不会替你保存任何 key,只在你提供时才发起请求。

key 通过环境变量提供,不要写进代码或提交到仓库。Light 的安全约定见 SECURITY.md。

🎯 设计理念

• 诚实优先 — 不编造文献、数据、出处、数据来源;核不实的明确标注"待核查",并区分"已验证"与"推测";受版权材料只保留元数据与链接。
• 能跑,不空谈 — 技能内置真实可运行的脚本、可套用的模板、完整的范例,而非一段段抽象指令。
• 对抗式自检 — 关键产出都经过独立"挑刺"和权威工具的交叉验证(统计结果对照 scipy/sklearn,对外接口逐一实测)。
• 全流程协同 — 28 个技能围绕一条科研主线衔接,共享 9 个知识库的术语、方法与投稿信息。

🗂️ 目录结构

Light-skills/
├── skills/             # 28 个技能,每个含 SKILL.md + references,按需带 scripts/templates/examples
├── databases/          # 9 个知识库(db01–db09)
├── code_assets/        # 经对抗验证、CI 持续校验的统计与指标代码
├── projects/           # 端到端示例项目(dairygoat-detect-track,跑通完整链路)
├── evals/              # 行为评测黄金集(44 任务 + Tier1 基线分,季度滚动)
├── _verification_log/  # 二次核实证据链(API 字段/库行为/技能来源,带真实 HTTP 码)
├── assets/             # LOGO、链路图、社交预览(含可复现生成脚本)
├── install.ps1 / .sh   # 一键安装脚本(幂等可重跑)
├── CONVENTIONS.md      # 全局规约(诚实底线、产出规范)
├── ROUTER.md           # 技能路由逻辑
├── ROUTER_EXAMPLES.md  # 路由样例回归集（防止继续/断点恢复/图表边界等入口漂移）
├── AGENTS.snippet.md   # Codex 路由片段
├── .claude-plugin/     # Claude 插件清单(plugin.json)
├── .codex-plugin/      # Codex 插件清单
├── CONTRIBUTING.md · CODE_OF_CONDUCT.md · SECURITY.md   # 贡献/行为准则/安全策略
├── CHANGELOG.md · CITATION.cff · LICENSE                # 更新日志/引用信息/许可
├── README.md · README.en.md                            # 中 / 英文档
├── .github/            # issue/PR 模板、CI、赞助配置
└── .codex/INSTALL.md   # Codex 安装说明

❓ 常见问题

<details> <summary><b>对话太长上下文不够了怎么办?</b></summary>

Light 有会话衔接协议:当上下文将尽或一段任务收尾,它会主动给你两件套——把当前状态写成一张自包含的衔接卡(落在项目 .light/handoff/ 下),并打印一段中文"新对话启动提示词"。你复制提示词、开个新对话粘贴进去,下一个 Light 只读最新衔接卡就能无缝接上"做到哪、下一步是什么",还能沿衔接链追到任意上级对话。提示词第一行会建议把对话命名为 [项目] S04 ... 这样的编号,让对话列表天然有序。也可以随时说"给我衔接提示词"主动触发。 </details>

<details> <summary><b>它和直接用 ChatGPT/Claude 聊有什么区别?</b></summary>

Light 给的是能跑的脚本、能套的模板和真实范例,且有"不编造"的硬底线和对抗式自检;还能跨会话记住你的项目进度。不是一次性问答。 </details>

<details> <summary><b>需要配置 API key 吗?</b></summary>

绝大多数功能免 key,文献检索默认走免费的 OpenAlex / Crossref(OpenAlex 建议注册免费 key,见 2026 新政说明)。需要自备 key 的只有专利检索(Lens/EPO/USPTO)。详见 关于 API key。 </details>

<details> <summary><b>常驻技能为什么在 <code>/</code> 里看不到?</b></summary>

这 11 个技能设计为后台自动生效,无需手动唤起,所以不占用 / 菜单。17 个手动技能则照常用 / 调用。 </details>

<details> <summary><b>必须两端都装吗?</b></summary>

不必。install.ps1 -Client claude 或 install.sh claude 只装一端。 </details>

<details> <summary><b>会把我的数据上传到第三方吗?</b></summary>

不会,除非任务本身需要(如检索文献会访问公开学术 API)。涉及上传的操作会提示。详见 SECURITY.md。 </details>

<details> <summary><b>Light 会替我写论文、造数据吗?</b></summary>

不会。它辅助你做研究、组织表达,但严守学术伦理(见 light-research-ethics):不造数据、不编文献、不过度包装。 </details>

🤝 参与贡献

欢迎修 bug、加技能、扩知识库、改文档。请先读 CONTRIBUTING.md 与 CONVENTIONS.md(尤其是诚实底线),并遵守 CODE_OF_CONDUCT.md。安全问题请按 SECURITY.md 私下报告。

维护节律：数据卡保鲜由 .github/workflows/freshness.yml 每月 1 日定时检查，有超期条目自动开"数据卡保鲜清单"issue；也可在 Actions 页手动 "Run workflow"（GitHub 对不活跃仓库 60 天会停定时、fork 默认禁用定时，故手动入口是兜底）。技能行为质量由 evals/（季度跑黄金任务记基线，详见 evals/README.md）把关——它与结构校验器（CI）分工：CI 验"结构对不对"，evals 验"行为好不好"。

❤️ 支持与鼓励

Light 由一个人利用业余时间打磨。如果它帮你省下了时间、让科研更顺手,欢迎请作者喝杯咖啡——你的支持是持续更新的最大动力。

<div align="center"> <img src="assets/wechat-donation.jpg" width="220" alt="微信收款码"/>

微信扫码,金额随意,心意已收到 🙏 </div>

💬 反馈与建议

• 问题反馈 / 功能建议:在本仓库提 Issue(有 bug / 功能模板)
• 使用交流:欢迎到 Discussions
• 改进贡献:Fork 后提 Pull Request
• 邮件联系:[email protected]

📈 Star 趋势

📌 引用

如果 Light 对你的研究有帮助,可按 CITATION.cff 引用,或在 GitHub 仓库页点击 "Cite this repository"。

📄 许可

MIT License © 2026 Light

<div align="center"> _{用 Light 把想法照进论文 · Made with care for researchers} </div>