當 45+ Agent 同時為一篇論文工作
2026 年 5 月 22 日，GitHub Trending #3 的 Academic Research Skills (ARS) 以單日 +2,579 星的速度衝上排行榜。它不只是又一個「AI 幫你寫論文」工具——它是目前最完整的學術研究生產力 Agent 套件，將整個研究管線分解為 4 大技能、45+ 專用 Agent，覆蓋從研究問題形成到同儕審查的完整閉環。
作者 Cheng-I Wu 的設計理念：「AI 是你的副駕駛，不是飛行員。」
一、系統全景：4 大技能 × 45+ Agent
┌─────────────────────────────────────────────────────┐
│ Academic Research Skills │
│ v3.9.4.2 │
├─────────────────────────────────────────────────────┤
│ │
│ 研究問題形成 (Socratic Dialogue) │
│ ↓ │
│ ┌──────────────────────────────────────────┐ │
│ │ 🔬 Skill 1: Deep Research (v2.8) │ │
│ │ 13-Agent 研究團隊 │ │
│ │ 系統性文獻回顧 · Meta-analysis · 事實核查 │ │
│ └──────────────────┬───────────────────────┘ │
│ ↓ │
│ ┌──────────────────────────────────────────┐ │
│ │ 📝 Skill 2: Academic Paper (v3.0) │ │
│ │ 12-Agent 論文寫作管線 │ │
│ │ IMRaD 結構 · 引用校對 · AI 揭露 │ │
│ └──────────────────┬───────────────────────┘ │
│ ↓ │
│ ┌──────────────────────────────────────────┐ │
│ │ 🔍 Skill 3: Paper Reviewer (v1.8) │ │
│ │ 7-Agent 同儕審查團 │ │
│ │ 模擬期刊審稿 · 校準模式 · 編輯決策 │ │
│ └──────────────────┬───────────────────────┘ │
│ ↓ │
│ ┌──────────────────────────────────────────┐ │
│ │ 🔄 Skill 4: Academic Pipeline (v3.7) │ │
│ │ 10 階段總協調器 │ │
│ │ 端到端自動化 · 完整性關卡 · 版本追蹤 │ │
│ └──────────────────────────────────────────┘ │
│ │
├─────────────────────────────────────────────────────┤
│ 三大安全機制 │
│ ┌─────────────┐ ┌──────────────┐ ┌──────────────┐ │
│ │ Integrity │ │ Socratic │ │ Style │ │
│ │ Gates │ │ Dialogue │ │ Calibration │ │
│ │ 不可跳過的 │ │ 蘇格拉底式 │ │ 風格校準 │ │
│ │ 驗證節點 │ │ 對話引導 │ │ 學你怎麼寫 │ │
│ └─────────────┘ └──────────────┘ └──────────────┘ │
└─────────────────────────────────────────────────────┘
二、Skill 1 — Deep Research：13-Agent 研究團隊
2.1 Agent 角色分工
Deep Research 是 ARS 的核心引擎，模擬一個完整的研究團隊協作：
| # | Agent 角色 | 職責 |
|---|---|---|
| 1 | Research Director | 制定研究策略、分配任務 |
| 2 | Query Formulator | 將研究問題轉化為可搜索查詢 |
| 3 | Literature Searcher | 跨數據庫文獻搜索（arXiv, PubMed, Semantic Scholar） |
| 4 | Relevance Screener | 篩選相關文獻（基於標題/摘要） |
| 5 | Full-Text Reader | 深度閱讀全文、提取關鍵信息 |
| 6 | Data Extractor | 結構化提取方法、結果、數據 |
| 7 | Quality Assessor | 評估研究質量（偏見風險、方法學） |
| 8 | Synthesizer | 跨文獻綜合分析 |
| 9 | Gap Analyzer | 識別研究空白 |
| 10 | Fact Checker | 驗證引用和事實主張 |
| 11 | Citation Tracker | 追蹤引用鏈（前向/後向） |
| 12 | Bias Detector | 檢測選擇性報告、發表偏見 |
| 13 | Report Writer | 撰寫結構化系統性回顧報告 |
2.2 工作流程
研究問題
↓
Query Formulator 生成搜索策略（PICO 框架）
↓
Literature Searcher 執行多數據庫搜索
↓ ↓ ↓
Relevance Screener → Full-Text Reader → Data Extractor
(並行處理每篇文獻)
↓ ↓ ↓
Quality Assessor + Bias Detector (雙重驗證)
↓
Synthesizer 跨文獻綜合
↓
Gap Analyzer 識別空白
↓
Fact Checker + Citation Tracker (引用驗證)
↓
Report Writer 生成系統性回顧報告
2.3 支援的數據庫
- arXiv
- PubMed / PubMed Central
- Semantic Scholar
- Google Scholar (via web search)
- SSRN (社會科學)
- 自定義數據庫（用戶配置）
三、Skill 2 — Academic Paper：12-Agent 寫作管線
3.1 Agent 角色
| # | Agent | 職責 |
|---|---|---|
| 1 | Outline Strategist | 規劃論文結構和論證流程 |
| 2 | Introduction Writer | 撰寫引言（背景 + 研究問題） |
| 3 | Literature Review Writer | 撰寫文獻回顧章節 |
| 4 | Methodology Writer | 撰寫方法章節 |
| 5 | Results Writer | 撰寫結果章節 |
| 6 | Discussion Writer | 撰寫討論章節（結果解讀 + 意義） |
| 7 | Abstract Writer | 撰寫摘要（符合期刊字數要求） |
| 8 | Citation Formatter | 格式化引用（APA/Chicago/MLA/IEEE/Vancouver） |
| 9 | AI Disclosure Writer | 撰寫 AI 使用揭露聲明 |
| 10 | Flow Checker | 檢查段落邏輯流暢度 |
| 11 | Consistency Checker | 確保術語、數據、結論一致 |
| 12 | Final Polisher | 最終語言潤色 |
3.2 支援的引用格式
| 格式 | 領域 | 狀態 |
|---|---|---|
| APA 7.0 | 心理學、社會科學 | ✅ |
| Chicago | 歷史、人文 | ✅ |
| MLA | 文學、語言學 | ✅ |
| IEEE | 工程、計算機科學 | ✅ |
| Vancouver | 醫學、生物醫學 | ✅ |
3.3 輸出格式
- Markdown — 原生格式
- DOCX — 符合期刊投稿要求
- PDF — 經 LaTeX 渲染（ACM/IEEE 模板）
- 雙語摘要 — 支援繁體中文與英文
四、Skill 3 — Paper Reviewer：7-Agent 審查團
這可能是 ARS 最創新的模組——在投稿前模擬真實的同行審查流程，提前發現問題。
4.1 7 位審查 Agent
| # | Agent | 模擬角色 |
|---|---|---|
| 1 | Methodologist | 方法學專家 — 檢查研究設計、統計方法 |
| 2 | Theorist | 理論專家 — 評估理論框架和貢獻 |
| 3 | Domain Expert | 領域專家 — 檢查領域知識準確性 |
| 4 | Statistician | 統計專家 — 驗證數據分析和 p 值 |
| 5 | General Reviewer | 綜合審稿人 — 檢查邏輯、寫作、整體質量 |
| 6 | Ethics Reviewer | 倫理審查員 — IRB、知情同意、利益衝突 |
| 7 | Editor-in-Chief | 主編 — 綜合所有審查意見做出最終決策 |
4.2 輸出格式（模擬真實審稿）
Decision: Minor Revision / Major Revision / Reject
Reviewer 1 (Methodologist):
- Strengths: ...
- Weaknesses: ...
- Specific Comments:
1. Section 3.2: The sampling method lacks justification...
2. ...
Reviewer 2 (Theorist):
...
Editor's Decision Letter:
[模擬真實期刊的編輯決策信]
4.3 校準模式（Calibration Mode）
ARS 提供一個可選的校準模式：使用者提供一個「黃金標準」評審集，系統測量自身的 假陰性率 (FNR) 和 假陽性率 (FPR)。
這意味著你可以根據自己的標準來訓練審查團，使其越來越符合你目標期刊的審稿標準。
五、Skill 4 — Academic Pipeline：10 階段總協調器
5.1 10 階段自動化流程
Stage 1: 研究問題形成 ─── Socratic Dialogue
Stage 2: 文獻搜索策略 ─── Query Formulation
Stage 2.5: 🔴 Integrity Gate 1 ─ 搜索策略完整性驗證
Stage 3: 文獻回顧與合成 ─ Deep Research
Stage 4: 論文大綱 ──── Outline Generation
Stage 4.5: 🔴 Integrity Gate 2 ─ 大綱邏輯驗證
Stage 5: 論文初稿 ──── Academic Paper
Stage 6: 自我審查 ──── Paper Reviewer
Stage 7: 修改 ──────── Revision (基於審查意見)
Stage 8: 最終檢查 ──── Final Polish + Consistency
Stage 9: 格式化 ────── Citation + Template
Stage 10: 交付 ──────── Export (MD/DOCX/PDF)
5.2 兩個強制完整性關卡
ARS 最獨特的設計是 不可跳過的完整性關卡 (Integrity Gates)，位置在關鍵決策點之後：
| 關卡 | 位置 | 驗證內容 |
|---|---|---|
| Gate 1 | Stage 2.5 | 搜索策略是否覆蓋核心數據庫？關鍵詞是否足夠？ |
| Gate 2 | Stage 4.5 | 論文結構是否符合期刊要求？論證鏈是否完整？ |
關卡包含 7 種 AI 研究失敗模式檢測（見
ai_research_failure_modes.md），這是基於真實 AI 寫作失敗案例提煉的經驗法則。
六、三大安全機制深度解析
6.1 蘇格拉底式對話 (Socratic Dialogue)
ARS 不是簡單地執行指令，而是通過提問引導研究者思考：
❌ 一般 AI：「我會幫你寫一篇關於 X 的論文。」
✅ ARS：「你的研究問題在現有文獻中的定位是什麼？
你認為這項研究的主要貢獻會是什麼？
你的方法論選擇背後的理由是什麼？」
意圖檢測 (Intent Detection)： ARS 區分兩種互動模式——
- 探索模式： 使用者在思考，需要引導
- 目標模式： 使用者已有明確要求，需要執行
6.2 讓步閾值協議 (Concession Threshold Protocol)
這是一個解決 AI 寫作痼疾的創新設計：AI 在對話壓力下容易放棄自己的立場（"你說得對"）。
ARS 使用數值評分門檻來防止 AI 在對話壓力下崩潰——只有當批評超過特定置信度閾值時，AI 才接受修改建議。
6.3 風格校準 (Style Calibration)
在寫作開始前，ARS 會要求使用者提供寫作樣本：
1. 分析使用者的寫作風格（句式、詞彙、結構偏好）
2. 學習使用者的邏輯組織方式
3. 將風格參數注入所有寫作 Agent
結果： 生成的論文聽起來像你寫的，而不是 AI 寫的。
七、引用與來源的可追溯性
7.1 三層引用錨點 (Locator Infrastructure, v3.7.3+)
| 層級 | 內容 | 用途 |
|---|---|---|
| L1 | 文獻來源 (DOI/URL) | 基本可追溯性 |
| L2 | 頁碼/章節定位 | 精確引用驗證 |
| L3 | 主張-引用對齊 | 未來 claim-level 審計 |
7.2 信任鏈前端 (Trust-Chain Frontmatter, v3.7.1+)
每篇論文生成時附帶來源出處的前置元數據，記錄每個主張的來源和推理路徑。這解決了「幻覺引用」的痛點。
八、成本分析
8.1 完整管線成本
以一篇 15,000 字的標準論文為例：
| 階段 | API 調用 | 估計成本 |
|---|---|---|
| Deep Research (13 agents) | ~80-120 | $1.50 - $2.00 |
| Academic Paper (12 agents) | ~60-90 | $1.20 - $1.80 |
| Paper Reviewer (7 agents) | ~40-60 | $0.60 - $1.00 |
| Revision + Polish | ~30-50 | $0.50 - $0.80 |
| 合計 | ~210-320 | $3.80 - $5.60 |
對比： 專業學術編輯服務通常收費 $500-$2,000/篇。ARS 的成本不到其 1%。
8.2 注意事項
- 使用 Claude Opus 4.5（ARS 的默認模型）價格較高
- 可以配置使用 DeepSeek v4 等低成本模型，但論文品質可能下降
- 質量驗證仍需要人類研究者的最終把關
九、與其他學術 AI 工具的對比
| 工具 | Agent 數量 | 同儕審查 | 完整性關卡 | 引用驗證 | 風格校準 | 授權 |
|---|---|---|---|---|---|---|
| ARS | 45+ | ✅ 7-Agent | ✅ 強制 | ✅ 三層 | ✅ | CC BY-NC 4.0 |
| ResearchSkills | 20+ | ❌ | ❌ | ❌ | ❌ | MIT |
| Elicit | 0 (AI 輔助) | ❌ | ❌ | ✅ | ❌ | Proprietary |
| Scite.ai | 0 (AI 輔助) | ❌ | ❌ | ✅ | ❌ | Proprietary |
| PaperPal | 0 (AI 輔助) | ❌ | ❌ | ❌ | ❌ | Proprietary |
| Jenni AI | 0 (AI 輔助) | ❌ | ❌ | ❌ | ❌ | Proprietary |
ARS 是目前唯一一個將完整研究管線 + 同行審查模擬 + 強制完整性驗證結合同一個系統的開源方案。
十、對君澤智庫的啟發
10.1 直接應用場景
我們的業務大量涉及結構化調研和報告撰寫：
| 業務場景 | ARS 模組 | 改進空間 |
|---|---|---|
| 港股 DD 調研 | Deep Research | 適配 HKEX 數據源（DI + HKEXnews） |
| DCF 估值報告 | Academic Paper | 適配財務數據格式 |
| 投資建議書 | Academic Pipeline | 加入財務完整性關卡 |
| 行業研究報告 | Deep Research + Paper | 配置行業特定 Agent |
| 合規審查 | Paper Reviewer | 加入監管合規審查 Agent |
10.2 策略建議
- 學習其架構設計 — 45+ Agent 的協作模式可以直接借鑑到我們的調研系統
- 適配業務場景 — 將 ARS 的 Agent 角色重新定義為「行業分析師」、「財務分析師」、「合規審查員」等
- 加入 HKEX 數據層 — 將我們的 DI 披露易、CloakBrowser 整合為 ARS 的數據源
- 建立調研完整性關卡 — 借鑑 Integrity Gates 設計，防止 AK-SDD 報告中的數據推算錯誤
10.3 受限因素
- CC BY-NC 4.0 授權： 僅供非商業用途，商業使用需另外協商
- Claude Code 依賴： 需要 Claude 訂閱（或通過 Sub2API 模擬）
- 學術偏向： 目前設計為學術論文場景，需改裝為商業調研場景
十一、結論
Academic Research Skills 代表了 AI 輔助學術寫作的最高水準。它的核心貢獻不是「更強的寫作能力」，而是系統性地解決了 AI 寫作的信任問題——通過多 Agent 協作、強制完整性驗證、引用可追溯性、以及風格校準。
| 優勢 | 劣勢 |
|---|---|
| 45+ Agent 全流程覆蓋 | CC BY-NC 授權限制商業使用 |
| 強制完整性關卡確保品質 | Claude 模型依賴，成本中等 |
| 三層引用可追溯性 | 學術場景強，商業調研需適配 |
| 風格校準保持個人聲音 | 學習曲線較陡（4 個獨立 Skill） |
| $4-6/篇，性價比極高 | 中文支援仍待加強 |
一句話總結： 如果 ARS 是一間出版社，它同時擁有研究部、編輯部、審稿部、和出版部——而這一切只需要 $5 和一個 Claude Code 插件。
版本：v1.0 · 2026-05-24 · 基於 Imbad0202/academic-research-skills v3.9.4.2 (19,200 ⭐)