---

资料来源：Claude Scholar - 专为数据科学、AI研究和学术写作打造的 Claude Code 配置系统。

---

前言

作为一名研究者，你是否经历过这样的困境：

• 💻 代码写得很乱，项目结构一团糟

• 📝 论文写作无从下手，不知道从哪里开始

• 🤔 AI 写出来的文章总被人说"太假了"

• 🔧 Git 提交信息乱七八糟，回溯代码像在大海捞针

• 📚 想要系统化管理研究工作流，却不知从何入手

如果你有以上任何一个烦恼，那么这篇文章正是为你准备的。

---

什么是 Claude Scholar？

Claude Scholar 是一套开箱即用的 Claude Code CLI 配置系统，专为研究者、数据科学家和 ML 工程师设计。它通过技能（Skills）、命令（Commands）、代理（Agents） 和钩子（Hooks） 的组合，将你的研究工作流从想法到发表的每个环节都系统化、自动化。

五大核心工作流

1️⃣ 自动强制执行工作流

通过跨平台 JavaScript 钩子，自动强制工作流执行：

会话开始 → 技能评估 → 会话结束 → 会话停止

四个关键钩子：

钩子	触发时机	功能
skill-forced-eval	每次用户输入前	动态扫描所有可用技能 → 强制评估每个技能 → 要求激活后才能实现 → 确保不遗漏相关技能
session-start	会话开始时	显示 Git 状态、待办事项、可用命令、包管理器 → 一目了然的项目上下文
session-summary	会话结束时	生成完整工作日志 → 总结所有更改 → 提供智能下一步建议
stop-summary	会话停止时	快速状态检查 → 检测临时文件 → 显示可操作的清理建议

跨平台兼容：所有钩子使用 Node.js（而非 shell 脚本），确保 Windows/macOS/Linux 完全兼容。

---

2️⃣ 论文写作工作流

从想法到发表的完整生命周期：

模板准备 → 写作 → 去AI化 → 投稿 → 审稿意见回复

📋 模板准备 (latex-conference-template-organizer skill)

• 下载官方会议模板 .zip 文件
• 技能自动提取主文件，移除示例内容
• 输出适合 Overleaf 的干净模板结构

✍️ 写作 (ml-paper-writing skill)

• 从研究库到最终草稿的系统指导
• 包含叙事框架、摘要公式（5句话）
• 文献搜索与引文验证
• 逐节起草与反馈循环
• 支持 NeurIPS, ICML, ICLR, KDD, ACL, AAAI等

🎭 去AI化 (writing-anti-ai skill)

• 支持英文和中文双语
• 模式检测：去除夸张象征、促销语言、模糊归属
• 添加主观意见和语言节奏变化

📮 投稿

• 会议特定检查清单
• NeurIPS 16项检查
• ICML 更广泛影响声明
• ICLR LLM 披露要求
• 页面限制

💬 审稿意见回复

• 来自 paper-miner 知识库的策略
• 从成功的会议意见回复中提取
• 解决技术问题和额外实验请求

---

3️⃣ 代码组织工作流

可维护的 ML 项目结构：

项目结构 → 代码风格 → 调试 → Git 工作流

四个关键组件：

🏗️ 结构 (architecture-design)

• 清晰的模版项目结构
• 工厂和注册模式用于模块实例化
• 使用Hydra统一配置configuration
• 由 rules/coding-style.md 强制规范代码风格

🎨 风格（由 code-reviewer 代理强制）

• 文件最大 200-400 行

• 要求类型提示

• 配置使用 @dataclass(frozen=True)

• 4层嵌套前拆分函数

🐛 调试 (bug-detective)

• Python, Bash/Zsh, JavaScript/TypeScript 的系统错误检测
• 错误模式匹配
• 堆栈跟踪分析
• 常见反模式识别

🔀 Git (git-workflow)

• Conventional Commits 格式（feat/scope: message）
• 分支策略（master/develop/feature）
• 使用 --no-ff 合并
• 使用 rebase 同步上游更改

---

4️⃣ 技能进化系统

三步持续改进循环：

skill-development → skill-quality-reviewer → skill-improver

开发技能 (skill-development)

• 使用正确的 YAML frontmatter 创建技能
• 清晰的描述与触发短语
• 渐进式披露（精简的 SKILL.md，详细信息在 references/）

审查技能质量 (skill-quality-reviewer)

• 4维度质量评估
• 描述质量（25%）
• 内容组织（30%）
• 写作风格（20%）
• 结构完整性（25%）
• 生成改进计划和优先修复

改进技能 (skill-improver)

• 合并建议更改
• 更新文档
• 迭代反馈
• 自动读取改进计划并应用更改

---

5️⃣ 知识提取工作流

两个专门的知识挖掘agent持续提取知识以改进技能：

📄 paper-miner

分析研究论文（PDF/DOCX/arXiv链接）
→ 提取写作模式、结构洞察、投稿要求、回复审稿人的策略
→ 更新 ml-paper-writing/references/knowledge/ 与分类条目

• structure.md（论文组织模式）
• writing-techniques.md（句子模板、过渡）
• submission-guides.md（场所要求、页数限制等）
• review-response.md（审稿回复的风格）

🏆 kaggle-miner

研究获胜的 Kaggle 竞赛解决方案

• 提取竞赛简介、领先者详细技术分析、代码模板、最佳实践
• 更新 kaggle-learner 技能的知识库
• 按 NLP/CV/时间序列/表格/多模态分类

知识反馈循环：分析的每篇论文或解决方案都丰富了知识库，创建了一个随你的研究而进化的自我改进系统。

---

快速开始

安装选项

选择适合你需求的安装方式：

方案一：完整安装（推荐）

数据科学、AI 研究和学术写作的完整设置：

# 克隆仓库
git clone https://github.com/Galaxy-Dawn/claude-scholar.git ~/.claude
# 重启 Claude Code CLI

包含：所有 22 个技能、30+ 命令、7 个代理、5 个钩子和项目规则。

方案二：选择性安装

挑选特定组件：

# 克隆仓库
git clone https://github.com/Galaxy-Dawn/claude-scholar.git /tmp/claude-scholar
cd /tmp/claude-scholar
# 复制你需要的内容，例如：
# - 仅钩子
cp hooks/*.js ~/.claude/hooks/
# - 特定技能
cp -r skills/latex-conference-template-organizer ~/.claude/skills/
cp -r skills/architecture-design ~/.claude/skills/
# - 特定agent
cp agents/paper-miner.md ~/.claude/agents/
# - 项目规则
cp rules/coding-style.md ~/.claude/rules/
cp rules/agents.md ~/.claude/rules/

推荐给：想要自定义配置的用户。

系统要求

• Claude Code CLI
• Git
• Node.js（用于钩子）
• （可选）uv, Python（用于 Python 开发）

适用人群

• 🎓 研究生/博士生：系统化论文写作，代码管理
• 👨‍🔬 研究员：从实验到发表的完整工作流
• 👨‍💻 数据科学家：实验可复现，代码规范化
• 🚀 ML 工程师：项目架构，团队协作

---

贡献

这是个人配置，欢迎：

• Fork 并为你自己的研究进行调整
• 提交错误报告
• 通过问题建议改进

---

许可证

MIT License

---

致谢

使用 Claude Code CLI 构建，并由开源社区增强。

参考资料

本项目受到社区优秀作品的启发和构建：

• everything-claude-code - Claude Code CLI 的综合资源

• AI-research-SKILLs - 研究导向的技能和配置

这些项目为 Claude Scholar 的研究导向功能提供了有价值的见解和基础。

---

总结

Claude Scholar 不仅仅是一个配置集合，它是一套完整的研究工作方法论。通过自动化钩子强制执行最佳实践，通过专业技能提供领域知识，通过智能代理处理复杂任务，通过知识进化持续改进。

从今天开始，让 Claude Code 成为你研究工作的得力助手。

---

仓库地址：https://github.com/Galaxy-Dawn/claude-scholar