Light Skills

面向科研、竞赛与创新项目的 AI 全流程技能包

简体中文 · English

---

这个项目能帮你做什么？

Light Skills 是一套公开、通用、领域无关的 AI skill 包，用来把一个研究或创新项目从“模糊想法”推进到“可检查的交付物”。

它适合这些场景：

你现在的需求	Light Skills 会怎么帮
我只有一个研究方向	追问目标、约束、数据来源和评价标准，再拆成阶段计划
我有一个 idea，但不知道新不新	检索相似工作、拆 target/background、找最强反例和审稿人攻击点
我要做实验/数据分析	设计数据流、实验矩阵、脚本、自测、结果解释和鲁棒性检查
我要写英文论文	组织故事线、图表、引用核查、LaTeX 排版、投稿前检查
我要画科研图	用 Python/R 程序化出图，检查尺寸、字号、色盲安全、视觉诚实
我要做竞赛/项目展示界面	设计 frontend demo、系统结构、交互页面和展示材料
我要准备专利/软著材料	生成交底书草案、技术方案、实施例、软著文档清单
我要跨对话继续项目	用项目台账记录目标、决策、产物、未验证声明和下一步

为什么适合科研项目？

• 先读再写：先读文件、数据、日志和论文源，再判断下一步。
• 查不到就标 unknown：事实、DOI、链接、期刊规则和软件版本不靠猜。
• 图表必须可复现：论文图、数据图、实验图走 Python/R 程序化生成。
• 关键节点问用户：选题、创新性、证据强度、投稿目标和继续投入都应有人确认。
• 不依赖私有知识库：公开版不要求 MCP 或本地数据库；最新信息在任务现场核查。

先安装

先进入仓库目录：

git clone https://github.com/Light0305/Light-skills.git
cd Light-skills
$env:PYTHONUTF8="1"

Codex

# 项目级：$REPO\.agents\skills
$env:PYTHONUTF8="1"
python scripts\bootstrap_agent_skills.py --targets agents --mode auto --force

# 全局级：$HOME\.agents\skills
New-Item -ItemType Directory -Force "$HOME\.agents\skills" | Out-Null
Copy-Item -Recurse -Force .\skills\* "$HOME\.agents\skills\"

Claude Code

# 项目级：$REPO\.claude\skills\<skill>\SKILL.md
$env:PYTHONUTF8="1"
python scripts\bootstrap_agent_skills.py --targets claude --mode auto --force

# 全局级：$HOME\.claude\skills
New-Item -ItemType Directory -Force "$HOME\.claude\skills" | Out-Null
Copy-Item -Recurse -Force .\skills\* "$HOME\.claude\skills\"

OpenCode

# 项目级：$REPO\.opencode\skills\<skill>\SKILL.md
$env:PYTHONUTF8="1"
python scripts\bootstrap_agent_skills.py --targets opencode --mode auto --force

# 全局级：$HOME\.config\opencode\skills
New-Item -ItemType Directory -Force "$HOME\.config\opencode\skills" | Out-Null
Copy-Item -Recurse -Force .\skills\* "$HOME\.config\opencode\skills\"

安装后检查：

$env:PYTHONUTF8="1"
python scripts\bootstrap_agent_skills.py --check-only

环境要求

基础环境

• Git
• Python 3.10+
• Windows 上运行 Python 前建议设置：$env:PYTHONUTF8="1"

LaTeX 环境

winget install --id MiKTeX.MiKTeX --accept-package-agreements --accept-source-agreements
latexmk -v
pdflatex --version
xelatex --version
biber --version

用于论文排版、PDF 编译、模板检查。light-typesetting 支持 latexmk、pdfLaTeX、XeLaTeX、LuaLaTeX、BibTeX、Biber；如果本机缺工具，会标记 UNAVAILABLE，不会假装已经排版成功。

R 环境

winget install --id RProject.R --accept-package-agreements --accept-source-agreements
Rscript -e "install.packages(c('ggplot2','scales'), repos='https://cloud.r-project.org')"
$env:PYTHONUTF8="1"
python skills\light-figure\scripts\r_ggplot.py --detect

用于 ggplot2 科研图。没有 R 时，图表技能应先问你：继续用 Python 诚实降级，还是安装/配置 R。

从哪里开始？

你可以按当前状态直接复制下面的 prompt：

当前状态	建议入口
只有方向	/light-orchestrator 我想把这个方向做成可投稿英文论文。请先问必要问题，再拆阶段、产物、风险和用户确认点。
已有 idea	$light-idea-critique 批判这个 idea：创新性、可证伪性、相似工作、最强反例、审稿人风险和验证路线。
已有项目文件	$light-file-reading 先读取这个项目目录，列出关键文件、已完成内容、未验证声明、风险和下一步。
要查文献	$light-literature-search 围绕这个问题做检索策略、关键词扩展、证据地图和相关工作边界。
要做实验	$light-research-plan 给出实验矩阵、数据需求、评价指标、失败条件和最小可行验证。
要画图	$light-figure 基于这些数据规划论文图，要求程序化生成、可复现、色盲安全、标注清楚。
要写论文	$light-paper-writing 根据已有证据组织英文论文结构、贡献、局限性和自审清单。
要排版投稿	$light-typesetting 基于当前 LaTeX 源、图、BibTeX 和期刊模板做可复现编译与投稿前检查。
要做界面	$light-frontend-design 为这个科研/竞赛项目设计 demo 页面、组件结构、交互和展示重点。

技能地图

模块	技能
总控与连续性	light-orchestrator、light-memory-pm、light-file-reading、light-project-structure
想法与文献	light-literature-search、light-idea-generation、light-idea-critique、light-research-plan
数据与实验	light-data-engineering、light-experiment-coding、light-result-analysis
论文交付	light-paper-writing、light-citation、light-consistency、light-typesetting、light-venue-matching、light-review-rebuttal
图表与展示	light-figure、light-frontend-design、light-system-design
诚信与成果转化	light-research-ethics、light-patent-disclosure、light-software-copyright

完整技能一览

技能	主要用途	典型产出
light-orchestrator	总控入口：理解任务、追问必要信息、选择技能链路、设置用户确认点	阶段计划、技能路由、决策检查点、工作流台账
light-memory-pm	项目台账与跨对话续接，不把私人记忆写进公开仓库	项目卡、交接卡、决策日志、续接提示
light-file-reading	读取论文、PDF、Word、PPT、表格、图片和项目文件	文件清单、理解笔记、抽取质量报告、未核查声明列表
light-project-structure	搭建和治理科研/软件项目目录，让产物可维护、可复现	项目骨架、目录规范、治理策略、结构检查
light-literature-search	制定检索策略、扩展关键词、追踪证据边界和相关工作	检索式、证据地图、文献表、PRISMA 式流程记录
light-idea-generation	从文献缺口、交叉领域和约束条件中生成候选研究 idea	idea 卡、缺口证据、谱系分析、候选排序
light-idea-critique	批判 idea 的创新性、可证伪性、可行性和致命缺陷	go/no-go 判定、反例清单、修订路线、创新性证据门
light-research-plan	把问题转成可执行研究计划，包括假设、变量、对照和失败树	实验矩阵、预注册草案、样本量/功效检查、复现计划
light-research-ethics	检查伦理、授权、同意、数据边界和研究诚信风险	伦理风险表、授权生命周期检查、撤稿/重叠/异常文本提示
light-data-engineering	评估数据身份、访问权限、质量、划分、泄漏和漂移风险	数据卡、质量门、泄漏检查、可用性/可行性报告
light-experiment-coding	构建可复现实验代码、配置、测试和运行记录	实验脚手架、配置 schema、seed 审计、run manifest
light-result-analysis	做统计分析、方法适配、过拟合/泄漏检查和结果解释	分析报告、统计检验、方法兼容性检查、结果卡
light-figure	规划并程序化生成论文图和数据图，支持 Python 与 R	图表计划卡、Python/R 图、导出包、视觉诚实检查
light-paper-writing	基于已有证据写作论文结构、论证链、贡献、局限和自审	IMRaD/会议稿草案、claim-evidence 绑定、自审清单、润色稿
light-citation	核查引用真实性、DOI、链接、定位信息和声明-引用绑定	引用注册表、四门核查、可疑引用清单、修复建议
light-consistency	检查论文、图表、PPT、代码和补充材料之间的一致性	术语表、事实绑定、指标/方法锁、跨材料一致性报告
light-typesetting	LaTeX 模板排版、编译、日志预检和投稿前格式检查	可编译 LaTeX/PDF、模板适配、编译日志、投稿 readiness
light-venue-matching	根据主题、证据、风险和隐私约束匹配期刊/会议	venue 候选表、fit 排名、风险提示、用户选择记录
light-review-rebuttal	分解审稿意见、规划补实验、管理承诺并撰写回复	回复矩阵、承诺台账、实验请求门、response letter
light-frontend-design	为科研项目、竞赛或软件成果设计界面、组件和展示体验	页面结构、组件方案、动效建议、可访问性/浏览器 QA
light-system-design	设计软件系统架构、接口、数据模型、迁移和上线准备度	架构包、OpenAPI/schema、迁移策略、设计 readiness
light-patent-disclosure	整理发明点、现有技术差异和专利交底材料，不替代律师判断	专利访谈表、检索线索、交底书证据包
light-software-copyright	整理软著申请所需的软件说明、材料清单和源码留存计划	软著材料包、源码留存计划、材料完整性检查

科研主线

Light Skills 不是让 AI 闷头从头跑到尾，而是把科研拆成可审计、可回退、可交给用户决策的阶段。

阶段	Light 主要做什么	常用技能
接收与理解	读论文、表格、图片、项目文件，建立任务边界与项目台账	file-reading、memory-pm、project-structure
查新与 idea	检索文献、生成候选 idea、做创新性/可行性/致命缺陷批判	literature-search、idea-generation、idea-critique
研究设计	明确假设、变量、对照、样本量、失败树和复现实验计划	research-plan、research-ethics
数据与实验	整理数据、检查泄漏和质量、写实验代码、做结果分析	data-engineering、experiment-coding、result-analysis
论文交付	生成可复现图表、写论文、核查引用、检查全文一致性、LaTeX 排版	figure、paper-writing、citation、consistency、typesetting
投稿与转化	匹配期刊/会议、准备回复审稿、整理专利交底或软著材料	venue-matching、review-rebuttal、patent-disclosure、software-copyright
展示与软件	需要项目展示、竞赛 demo 或软件系统时，补前端和系统设计	frontend-design、system-design

论文 Demo 展示

一个论文Demo示例，方向是环境化学 / 光催化动力学，它展示了从合成数据、分析、程序化图表到 LaTeX PDF 的完整交付形态。

_{阅读 PDF}

图表展示

下面的九宫格科研图由 Python 与 R 生成。

反馈与支持

• 邮箱：1833058953@qq.com
• GitHub：@Light0305
• 欢迎 issue / PR / 使用反馈。

微信收款码	微信公众号

许可证

本项目使用 MIT License。