组会前一晚最容易乱的，不是没有 AI 帮忙，而是所有事情都挤到一个窗口里：MATLAB 图还没调好，论文引言还像读书笔记，PPT 又需要把方法、实验和结论讲成十分钟能听懂的故事。

这类任务一混起来，AI 很快会犯两个错。写正文时把推断当原文，做 PPT 时把证据压成口号，跑数据时又忘了单位、参数和可复现路径。看似都在“帮科研”，其实每一步需要守的底线并不一样。

真正难的不是让一个助手什么都懂，而是让它知道什么时候该写，什么时候该做文档，什么时候该回到代码和数据。

zLanqing/codex-claude-academic-skills 的有意思之处就在这里。它没有把中国科研工作者的任务塞进一个万能学术助手，而是拆成三个 skill：论文写作、学术 Office 文档、科研计算工具箱。

这个拆法很朴素，却很贴近真实科研流程。一个研究问题从想法到交付，常常先要有计算和图，再有论文段落，最后才变成阅读报告、组会 PPT 或答辩材料。三个技能包之间不是互相替代，而是把不同环节的风险分开收住。

它没有让论文写作去冒充数据分析

research-writing-skill 管的是学术文本本身。它适合摘要、引言、方法、实验、讨论、结论，也适合审稿意见回复。它的重点不是把话写得更漂亮，而是先把论证关系摆对：问题是什么，缺口在哪里，方法凭什么成立，证据能支撑到哪一步。

这份 skill 里有几条很硬的写作习惯：不编造 DOI、期刊信息、实验结果，不把“显著、先进、有效”这类词直接当结论，公式要保留变量、单位、假设和适用条件。对科研文本来说，这些约束比文采重要得多。

它还要求区分原文或已有数据、使用者确认内容、根据上下文推断、建议性扩展。这个区分看起来啰嗦，但它正好挡住学术写作里最危险的滑坡：把“可能可以这么解释”写成“论文已经证明了”。

Word 和 PPT 被当成交付物，而不是顺手导出

office-academic-skill 负责的是另一类麻烦：论文看懂了，怎么交付给导师、组会、课程或答辩现场。Word 阅读报告和 PPT 不是正文的缩短版，它们要重新组织信息密度、证据位置和叙述节奏。

它对文献报告的默认结构很清楚：文献信息、一页式摘要、阅读路线、研究背景与问题、方法与模型、实验或仿真设置、结果与图表解读、创新点、局限性、可复现要点、汇报讲稿要点和原文依据索引表。这样的结构不是为了显得完整，而是让每个结论都能回到原文位置。

PPT 部分也没有鼓励堆字。它要求每页只有一个核心观点，标题最好是行动标题，也就是直接说结论，而不是写“研究背景”“实验结果”这种空标签。图表、公式、坐标轴、单位和数据来源要承载论证，白色或克制的学术背景只是让证据更容易被看见。

科研计算被放回参数、单位和复现路径里

scientific-toolkit-skill 的定位更窄，也更实用。它面向 MATLAB、Octave、Python 科学计算、信号处理、图像处理、统计、仿真、优化和论文配图，特别把光电信息科学与工程相关的光学、光通信、光纤传感、BOTDR/BOTDA、BGS、噪声和去卷积这些词放进默认关注范围。

这说明它不是泛泛地说“可以做科研计算”。它知道科研代码最怕什么：变量含义不清，采样率和单位混乱，随机过程没有种子，图能画出来却没有坐标轴、图例和分辨率。它要求先读代码、数据、README 和项目说明，再识别变量、维度、单位、输入输出路径和预期图像。

对论文配图来说，这种态度很关键。图不是装饰，它要让实验、仿真或统计判断能被复查。导出高分辨率 PNG 和矢量 SVG、检查线宽、字体、单位和图例，听起来都是小事，最后却决定一张图能不能进论文和答辩。

最像中国科研现场的，是它默认中文但不硬翻专业名词

这三个 skill 都把中文优先写得很明显。解释、报告、PPT、正文润色默认使用中文，但英文标题、公式、变量名、模型名、软件命令、参考文献条目要保留。这一点很现实：中国科研工作里，交流和交付经常是中文，证据和术语却大量来自英文论文、公式、数据集和代码环境。

如果强行全中文，很多方法名和引用会失真；如果全英文，又不适合组会、课程报告、开题和答辩准备。这个仓库选择把中文表达和英文证据放在同一套规则里，等于承认科研工作本来就是双语夹层。

它还有一个共同底线：不要编造。没有 DOI 就写没有，原文没给页码就标明未识别，推断和建议要分开，定量结果不能凭空补。这些约束让输出没有那么“流畅万能”，但更适合放进真实科研流程。

这套组合适合做科研工作台的分工起点

codex-claude-academic-skills 不像一个炫技型仓库。它的价值在于把学术任务的边界先画出来：写论文时不要假装有数据，做报告时不要丢掉来源，跑计算时不要忘掉复现，做 PPT 时不要让标题和图表变成装饰。

对正在写论文、准备组会或做仿真的人来说，这种分工比一个“万能科研助手”更可靠。它不承诺一步完成所有交付，而是让每个环节都知道自己该守什么。科研工作本来就不是一条直线，这个仓库至少把容易混在一起的几件事分开了。