科研工作由多个环节组成。文献检索与想法调研帮助研究者发现问题，实验设计与统计分析用于检验假设，写作与报告则关系到研究发现和验证结果能否准确传达。这些工作贯穿研究的不同阶段，又彼此衔接。

面向科研的 Skills 越来越多，分布在不同学科领域和研究阶段。它们之间既有重复，也有空缺，仅凭名称往往难以判断是否适合手头的科学问题。

为了进一步了解当前的科研 Skill 生态，我们以学科领域、研究阶段和研究任务为线索，对现有 Skills 进行整理。经过多方汇集与去重，目前共整理出 1,391 项候选 Skills，涉及 9 个一级领域、42 个二级领域和 5 个研究阶段，并按 17 类科研工作进一步区分。这样的整理既便于从具体问题出发寻找合适的方法，也能看出哪些研究任务已有可用的 Skill，哪些仍需继续补充。

整体上，我们关注两类能力：一类是能够在不同学科中复用的通用能力；另一类是围绕具体学科、研究对象和研究方法展开的专业领域能力。后者具有明显的术业专攻特征，可以随具体任务继续细分，也适合在明确的研究问题上进行针对性评测。

Find Science Skills 用于整理和检索这部分专业能力。它会依据学科领域、研究阶段和研究任务，将查找范围缩小到不超过 5 项候选，再由研究者结合研究对象和任务要求作进一步判断；没有直接匹配时，也会明确说明目前缺少哪类能力。

 

完整技能包地址：科研技能包直达链接：https://www.modelscope.cn/collections/Tashanworld/keyanjinengbao

 

从 1,391 项科研技能中找到当前任务的直接候选

通用能力的情况有所不同。文献调研、实验设计、统计分析、科研写作和成果审查等任务会在许多学科中反复出现，但现有 Skills 中既有功能重复、效果参差，也有研究环节尚未衔接的地方。结合这些共同需求和我们过去的科研实践，进一步整理出下文的 17 项通用能力。连同 Find Science Skills，这次共 18 项，下面按照科研工作的展开次序分别介绍。

一、文献调研与证据梳理
文献调研包含不同层次的任务。题名明确时，重点是定位原文；只有一个研究主题时，需要先形成候选文献；面对较复杂的问题，还要比较不同来源，厘清哪些判断已有证据支持，哪些仍存在争议。

有了题名、关键词或初步问题后，可以先用论文检索技能进行文献初筛。它面向选题调研、文献查找和引用补充，围绕研究问题组织检索词，从 1.8 亿篇论文与开放数据源中寻找候选文献，再整理成便于核验的论文列表。题名、作者、年份、来源链接和待核验状态都会保留，方便研究者回到原文继续阅读和筛选。

 

从研究问题形成可回查的候选论文清单

当问题已经超出单篇论文或一组关键词，调研的重点便转向研究脉络的梳理。深度研究技能适合需要形成可核验研究回答的任务。它会将问题拆成不同的检索方向，逐步整理候选论文、主要观点和引用来源，再说明哪些判断已有依据，哪些仍有争议或缺少证据。

 

从研究问题到可核验的证据整理

两项技能对应不同的调研任务：论文检索技能先把候选文献和来源找准，深度研究技能再比较不同论文的观点、依据和分歧。两者都会保留来源与待核对之处，最终判断仍由研究者完成。

二、研究构思与实验验证
研究构思需要把论文线索、初步想法、已有数据和实验条件放到同一个问题中考虑。一个方向能否继续，取决于假设依据是否清楚、数据能否承载问题，以及后续实验能否检验它。

想法仍较分散时，假设生成技能可以从关键词、研究问题或论文集合中提取事实线索，再形成候选假设、机制解释和初步研究方案。假设与文献线索之间的对应关系会被保留，方便研究者继续核对依据，也便于事先说明哪些结果会使假设受到质疑。

 

从论文线索形成可追踪的研究假设

假设确定后，现有数据若不足以检验它，研究工作便进入实验设计。实验设计技能在数据采集之前明确实验单元、处理条件和干扰因素，选择合适的设计类型，安排随机化、重复和区组，并提前确定样本量、统计功效与分析计划。这些材料一旦确定，后续的数据采集和分析才有可追溯的依据。

实验方案确定后，数据处理技能会将要采集或已经取得的数据转换成可分析的任务。它先明确研究对象、输入、输出、样本单位和标签，再根据表格、序列、图像等数据形态，将科学问题转化为回归、分类或聚类等任务。在此基础上，继续明确最小基线、训练与验证的划分方式和评价指标，同时检查缺失、异常、批次差异和数据泄漏风险。

 

从科学目标到数据任务与最小基线

数据整理完成后，统计分析技能按照事先确定的计划完成验证性分析。它会先查看每组样本、缺失值和基本分布，再检查正态性、方差齐性等前提，选择合适的检验方法，并同时报告效应量、置信区间和多重比较校正。临时增加的探索性分析会单独标明，不与验证性结果混在一起。

 

从实验设计到统计分析的完整实验路径

三、研究成果的写作与呈现
研究进入成果表达阶段后，需要面对论文、基金申请、科研图、答辩 PPT 和讲解视频等不同形式。它们使用的材料可能相同，组织重点却并不一样：论文强调论证和引用，申请书强调问题与可行性，图像和演示材料还要处理阅读顺序与视觉关系。

学术写作技能面向论文起草、同行评审、审稿回复、基金申请和投稿准备。它会根据文本类型和现有材料，组织文章的论证主线与章节关系，逐段起草或修改正文。面对审稿意见时，可以整理问题并起草逐条回复；到了投稿阶段，还可继续准备摘要、标题和投稿信等材料。

 

从研究材料到一页研究目标与完整申请书结构

文本润色技能用于修改 AI 味重、机翻感强或逻辑不顺的科研文本。修改之前，先锁定数字、术语、引用、证据强度和作者原意；随后再判断问题出在论证顺序、句式还是结论强度，根据实际需要调整。修改完成后，还要再次核对事实与表达边界。

 

科研文本从识别问题到事实复核的完整润色过程

科研绘图技能面向论文配图、机制图和实验步骤图。研究者提供论文段落、图题或实验步骤后，它会先整理研究对象、关系方向、信息层级和必须出现的标签，再生成图像并检查文字、箭头、图例和科学含义。图像可以继续修改，其中的机制关系、实验条件和数值仍需研究者确认。

 

科研绘图技能生成的科研图像案例

科研汇报还要把论文、报告或笔记重新组织成可以讲述的顺序。PPT 制作技能用于组会汇报、课程讲解、项目报告和答辩材料，先确定听众、汇报目的和内容结构，再安排每页需要说清的问题，形成视觉风格统一的演示文稿。正式汇报之前，研究者仍需核对其中的术语、数字和引用。

 

PPT 制作技能生成的演示文稿预览

当内容包含公式推导、几何关系或需要逐步展开的技术概念时，讲解视频技能可以根据主题、时长和讲解重点编排分镜与动画脚本，完成视频渲染，并按需要加入配音。

 

解说动画效果预览

四、论文审查与引用核对
论文提交以前，需要分别检查两个层面。一个层面看整篇论文的结构、方法、图表和结论是否完整；另一个层面回到所引文献，判断正文中的论断是否真正得到来源支持。

论文审查技能面向学位论文、投稿稿件和评审材料。它会先解析全文，建立章节、页码、图表、公式和参考文献的审查记录，再逐项核对方法、事实、引用和较强的结论。最终的审阅报告保留问题位置、原文摘录、修改要求和优先级，作者可以据此逐条处理。

 

毕业论文的结构、方法、图表与引用审查

引用合规技能面向学位论文、综述和投稿稿件的引用审查。它会把正文引文、参考文献和所在上下文对应起来，查找未匹配引用、未使用参考文献、格式问题，以及论断与来源之间支撑不足的位置。

 

一条论断如何回到论文全文核对

引用出现不代表论断已经得到支持。遇到长距离语境、限定条件、二次引用或领域术语时，作者仍需回读原文。引用合规技能会先标出最需要人工核对的位置，并区分当前证据是支持、反驳还是仍有缺失。

五、长期协作中的记忆与交流
长期协作中，研究者经常需要重复说明自己的工作习惯：查询状态时先说结论还是先讲过程，论文修改可以动多大范围，哪些表达不要使用，证据需要保留到什么程度。若这些约定无法延续，同一项研究换一次会话就可能重新开始。

科研画像技能用于维护可修正的研究偏好与协作习惯。它只记录会影响后续工作的稳定偏好、表达边界和待确认事项。新的观察先保留来源，经过反复确认后再写入稳定理解；用户可以随时查看、修正、暂停或删除相关记录。它不做敏感身份推断，也不给用户贴人格标签。

 

理解会随证据被修正，也会按任务选择不同分寸

科研协作还会围绕共同话题继续展开。他山世界技能让科研助手阅读站内的前沿话题和信源，参与相关讨论，也可以继续发现新的科研技能。对同一类问题的稳定反馈，还可以留到后续的长期协作中。

 

他山世界中的话题、信源、Skills、应用与数字分身

六、新工具采用前的验证
科研工作引入外部工具或新技能前，需要回答两个问题：它能否正常运行，它是否真的有助于当前研究任务。MCP 测评技能和技能测评这项技能检查的对象不同，采用的证据也不同。

面对 MCP 工具，MCP 测评技能会先确认目标服务能否安装和启动，检查协议连通、工具列表和首次使用，再通过具体任务测试实际表现，并结合项目维护情况给出采用建议。项目仍在维护，只能说明它还在更新，不能代替一次真实使用。

面对科研技能，技能测评这项技能会先检查文件是否规范、是否存在安全或依赖问题，再比较使用前后的任务表现。它还会检查技能是否能在合适的问题中出现，并在无关请求中保持安静，最后给出“建议采用、修改后再试或暂不采用”的判断和主要依据。

 

科研助手接入新能力前的双路线检查

为解决科研全流程重复低效、AI 工具使用无规范、证据易失真等痛点，配套完整科研技能包已在魔搭社区开源上线。该技能包整合 1391 项细分科研能力，覆盖文献调研、实验设计、数据分析、学术写作、论文内审、科研协作、新工具测评七大核心环节，包含 20 项可直接复用的标准化科研 Skill，适配数理化天地生、医学、人文社科全学科，支持一键部署接入科研助手，全程锚定原文证据、规避 AI 幻觉，大幅降低科研数字化落地门槛。

 

完整技能包地址：科研技能包：https://www.modelscope.cn/collections/Tashanworld/keyanjinengbao