← 返回列表
未验证
一套用于指导 AI Agent 进行科研工作的结构化 Skill 系统。
尚未跑自动兼容性验证,可查看页面内的依赖与入口分析。 · 最近上游提交 2026/8/14 · 已提供中文文档
为AI Agent(Claude Code)提供的一项方法论技能,用于使用Python进行可复现研究。
综合分
27.3
GitHub 分
27.3
用户评分
—
★ Stars
1
周下载量
—
安装插件(需先安装 dsh CLI 引擎:npm install -g @deepseek-ai/dsh)
dsh plugin --profile web add mingger77/research-skills该插件未发布到 npm,走 GitHub 源安装(pnpm 若拦截 prepare 脚本,按其提示在 pnpm-workspace.yaml 的 allowBuilds 中放行后重跑)
数据截至 2026/9/17(元数据每日更新 · 实装验证按队列轮转,单条结论的验证时间见上方)
用户评分
还没有人投票,来当第一个
订阅周报,不错过优质插件更新
每周一封 · 高评分插件 + 新用户活动
README
Research-Skills 一套用于指导 AI Agent 进行科研工作的结构化 Skill 系统。 项目背景 本项目的前身是 Research-with-Python-Skill,一个单体式 Skill 文件。在迭代过程中,原有的单体结构难以承载日益复杂的方法论体系,因此重构为当前的多层模块化架构——将规范、约束、方法三个层面分离,使职责更清晰、扩展更灵活。 项目结构 research-skills/ ├── skills/ │ ├── regulation/ # 规范层:不可违背的元规则 │ │ ├── skill-regulation.md # Skill 调用规范 │ │ ├── stage-regulation.md # 状态管理规范 │ │ ├── project-regulation.md # 项目结构规范 │ │ ├── action-regulation.md # Agent 行为规范 │ │ └── language-regulation.md # 语言表达规范 │ ├── constraint/ # 约束层:特定场景的行为护栏 │ │ ├── data-process-constraint.md │ │ ├── information-collect-constraint.md │ │ ├── log-write-constraint.md │ │ ├── plan-design-constraint.md │ │ ├── report-write-constraint.md │ │ └── result-write-constraint.md │ ├── method/ # 方法层:具体操作指南 │ │ ├── data-process-method.md │ │ ├── information-collect-method.md │ │ ├── plan-design-method.md │ │ ├── plan-implement-method.md │ │ ├── python-program-method.md │ │ ├── result-handle-method.md │ │ └── temp-file-handle-method.md │ ├── main.md # 顶层调度 │ └── skill-index.md # Skill 索引 ├── research-pattern/ # DeepSeek Harness 科研模式 preset(交付物) ├── README.md # 本文件(中文) └── README.en.md # 本文件(英文) 三层架构设计 | 层次 | 职责 | 特点 | |------|------|------| | 规范 (Regulation) | 定义不可违背的元规则 | 全局适用,不可绕过 | | 约束 (Constraint) | 特定场景下的行为边界 | 按需加载,防止越界 | | 方法 (Method) | 具体操作步骤和实现指南 | 可执行,可迭代 | 科研工作流 系统将科研流程定义为以下状态机,严格按照顺序流转: INIT → DIRECTION_DEFINED(方向确定) → INFORMATION_COLLECTING(资料收集及整合) → DATA_PROCESSING(数据处理) → PLAN_DESIGNING(计划撰写) → PLAN_IMPLEMENTING(计划执行) → ANALYZING(结果分析与验证) → COMPLETED(完成) - 状态只能向前流转,除非用户明确要求回退或进入失败状态 - 每个阶段完成后向用户报告,等待确认后再推进 - 项目元数据和阶段日志自动维护,支持中断后恢复 核心设计原则 1. 安全 > 效率:所有操作以安全为首要考量 2. 模块化:规范、约束、方法三层分离,职责单一 3. 状态驱动:科研流程由状态机驱动,按序推进 4. 可追溯:每项结论必须标注可信度等级,可追溯到实验记录 5. 可复现:固定随机种子、记录参数、版本化文件管理 6. 最小改动:除非用户要求,否则不自动修改代码 DeepSeek Harness 科研模式 research-pattern 目录是一份完整的 DeepSeek Harness Agent preset 交付物,为 Harness 新增 科研模式(research)。它将本仓库的三层科研 skill 体系转换为 Harness 的标准 skill 格式(20 个带 frontmatter 的 SKILL.md,统一 research- 前缀),并以「标准模式」为基线组合出完整的科研 Agent。 许可协议 本项目基于 MIT 协议开源,详见 LICENSE 文件。 鸣谢 感谢 DeepSeek 和 ChatGPT 为我的 skill 体系的编写提供了宝贵的意见 额外说明 本skill系统的开发是为了在大一年度项目上偷懒,现在,大一年度项目流产。不过,我又参加了暑假的课题组,该项目走向如何仍未可知。
同作者(mingger77)的其他插件
扫码进群