Claude Code 学术研究 Skill 实测：110 次同行评审，30 个埋好的漏洞

概述

投稿前自查稿件，原生 Claude Code 已经能抓住教科书式的设计漏洞：30 个漏洞每个审三遍，共 90 次机会，它找出 89 次，和 Imbad0202 的 academic-paper-reviewer 打平。装 skill 换来的是审稿之外的东西。Imbad0202 这套给一封带结论的编辑信，外加从调研、写作到修改的整条流水线，每次审稿费用是原生的 2.3 倍。K-Dense 的 peer-review 把保密放在第一位，每份意见都标成工作草稿，结论留给编辑。

最要紧的三条：

• 找出的漏洞。 原生 89/90，academic-paper-reviewer 89/90，K-Dense peer-review 84/90。K-Dense 少的 6 个全部来自 2 次运行：它停在安全关口，先问目标期刊和期刊的 AI 政策，再决定打开文件。
• 费用。 每次审稿平均费用：原生 0.0041 美元，academic-paper-reviewer 0.0094 美元，peer-review 0.0060 美元。多出来的是 skill 自身的说明：输入 token 中位数从 5.9 万涨到 12.5 万和 7.5 万。
• 加载。 只说请审这篇稿时，K-Dense 的 skill 10 次里自动加载 10 次，Imbad0202 的 reviewer 10 次里 0 次。想用它就输入 /academic-paper-reviewer 点名调用。

怎么测的

1. 稿件。 我们自己写了 10 篇虚构短稿，每篇 96 到 157 个英文词，覆盖公共卫生、教育、机器学习、心理学、临床医学、经济学、生态学、营养学、软件工程和社会学。每篇埋 3 个漏洞，取自 14 类：用一次性问卷下因果结论，摘要和方法里的样本量互相矛盾，测了 20 个指标只有 1 个 p = 0.04，几组百分比加起来超过 100，机器学习论文在测试集上调参，按单次极端血压读数挑病人，一块田里的 60 条样线当作 60 个独立重复，统计 bug 的人知道每人分在哪组，等等。
2. 分组。 原生组用空文件夹。Imbad0202/academic-research-skills 组按它的安装说明把 5 个 skill 文件夹拷进 .claude/skills/，提示词开头加 /academic-paper-reviewer。K-Dense-AI/scientific-agent-skills 组同样拷入 peer-review 文件夹，开头加 /peer-review。两个仓都取 2026 年 11 月 14 日的版本。
3. 提示词。 三组完全相同：审一下 paper.md 里我自己的稿子，我是唯一作者并授权审阅，列出你找到的问题。
4. 运行。 每篇每组跑三遍，每遍都是新开的 claude -p 会话，Claude Code 2.1.322，加 --model haiku 和 --setting-sources project，用户设置和钩子都排除在外，共 90 次。另有 20 次去掉斜杠命令、只用原提示词，每篇每个 skill 跑一次，看 skill 能否自己加载。token、费用和时长取自 Claude Code 的 JSON 输出。
5. 评分。 审稿意见点出某个漏洞就算找到，每类漏洞一条关键词规则，比如回归均值，或者多重比较、Bonferroni、错误发现率。样本量矛盾要求两个数字出现在同一段。所有漏判都逐条人工读过。第一轮有两条规则写得太窄，分别是过度外推和基线零调参，三组一起放宽；放宽后剩下的漏判都属实。

测试结果

分组	找出漏洞	三个全中的审稿	平均每次费用	输入 token 中位数	输出 token 中位数	时长中位数
原生 Claude Code	89/90	29/30	0.0041 美元	59,054	3,685	25 秒
academic-paper-reviewer	89/90	29/30	0.0094 美元	125,167	4,174	31 秒
K-Dense peer-review	84/90	28/30	0.0060 美元	74,839	4,480	32 秒

原生和 academic-paper-reviewer 各漏的那一个是同一处：咖啡那篇摘要写调查了 1,240 人，方法里是邀请 1,520 人、分析 984 人。两份意见都提了 984 和 1,520，漏掉了 1,240。

三组的差别在答案的样子：

• academic-paper-reviewer 每份意见最后都给推荐结论，多数是当前形式拒稿。它主打五位审稿人角色加一位编辑的评审团，可 30 次里全是单人审：29 次一遍审完，说稿子很短，一遍就够；1 次先列出审稿人卡片，按 skill 的确认规则停下来等用户确认。30 次里启动子 agent 的次数为 0。我们的稿子都很短，完整论文也许会触发评审团。
• K-Dense peer-review 30 份意见开头都标工作草稿，按位置、证据、要求的修改逐条列，只有 3 份给了结论，它的规则把结论留给编辑。30 次里有 2 次读了文件大小就停下，先问目标期刊和 AI 政策。在它自动加载的 10 次里，每次都审完了。
• 原生 Claude Code 写得最短，30 次里 27 次给了推荐结论。

在这批稿子上，找漏洞的能力三组已经顶格，skill 加的是结构和流程。

推荐

快速自查自己的稿子： 原生 Claude Code。把稿子存成文件，请它做一次同行评审。审稿人最先会提的设计问题它都能找出来，费用最低。

从头到尾写一篇论文： Imbad0202/academic-research-skills，11 月 14 日 56,864 星。5 个 skill 覆盖深度调研、起草、审稿、每阶段停下等你确认的流水线，以及系统综述的文献筛选。安装用 /plugin marketplace add Imbad0202/academic-research-skills，再 /plugin install academic-research-skills，审稿时点名调用 reviewer。README 写明许可是 CC BY-NC 4.0，商用要先取得作者许可。

替期刊审别人的稿： K-Dense peer-review，属于一个 57,145 星、MIT 许可、177 个科研 skill 的库。它的入口关卡先问授权、期刊政策和利益冲突，这正是编辑对用 AI 的审稿人的要求。提前备好期刊名和它的 AI 政策。

想看更多，我们的科研 skill 页收了 188 个科研类 skill。按数量排前几的是 Yuan1z0825/nature-skills（16 个，53,519 星，Nature 风格的学术写作和科研绘图）、aipoch/open-science（15 个）、K-Dense（这一类里 14 个）、wanshuiyin/Auto-claude-code-research-in-sleep（13 个，19,185 星，让机器学习研究在夜里自动循环跑）和 cookjohn/cnki-skills（10 个，知网检索、下载和导出到 Zotero）。中文论文用户可以重点看后两个和 nature-skills。

该忽略什么

• 评审团人数。 五位审稿人听上去更周全。在我们的稿子上，单人一遍已经找出 99% 的漏洞，评审团一直闲着。
• 星数排名。 前两名只差 300 星左右，干的是两件事：一个是写论文的流水线，一个是带一个审稿 skill 的科研工具箱。
• 我们的美元数字。 这是 Haiku 审约 120 词短稿的价格。9,000 词的完整论文换更大的模型，费用会高出很多倍，skill 的固定开销占比反而变小。

常见问题

Claude Code 怎么装学术研究 skill？

装成插件就运行 /plugin marketplace add Imbad0202/academic-research-skills 和 /plugin install academic-research-skills。装成普通 skill 就把每个 skill 文件夹拷进项目的 .claude/skills/，想全局用就拷进 ~/.claude/skills/。Claude Code 读每个文件夹里的 SKILL.md。

我请它审稿，为什么 reviewer skill 一直闲着？

Claude Code 按描述挑 skill。我们的会话里 K-Dense 的描述每次都被选中，Imbad0202 的 reviewer 每次都让位给直接作答。输入斜杠命令 /academic-paper-reviewer 就能按需加载。

这些 skill 能核对引用是否真实吗？

Imbad0202 有一个可选的论断核查，设 ARS_CLAIM_AUDIT=1 打开，它会抓取被引文献，逐条核对论断是否有出处支撑；README 说真实场景下的校准结果还在等。K-Dense 把引用管理做成单独的 citation-management skill。这次测的是研究设计漏洞，引用留到下一轮。

局限

稿子短、漏洞是教科书式的，所以三组都顶格；更难、更隐蔽的漏洞可能拉开差距。所有运行都用 Haiku 走 claude -p，每个 skill 自己决定启用多少机制。稿件和关键词规则都是我们写的，所有漏判都人工核对过。

自己复现

脚本是运行脚本和评分脚本。把两个 skill 仓克隆到测试文件夹旁边，从 academic-research-skills-claude-code-2026-11.json 取出 papers 数组存成测试文件夹里的 papers.json，登录 Claude Code 后运行 python3 run.py <分组> <稿件编号> <遍数>，再跑 python3 score.py。JSON 里有 10 篇稿件、每条关键词规则，以及每次运行一行：找到和漏掉的漏洞、token、费用和时长。

来源

1. Imbad0202/academic-research-skills · official
2. Imbad0202/academic-research-skills：安装说明 · official
3. K-Dense-AI/scientific-agent-skills · official
4. K-Dense-AI/scientific-agent-skills：peer-review skill · official
5. Claude Code 文档：Agent Skills · official
6. AgentCraft：科研类 Claude Code skill · blog