企业官网建设流程全解析

深入Supervisor-Skills项目架构与技能设计原理：博导隐性知识如何蒸馏成可执行的AI科研技能

【免费下载链接】Supervisor-Skills将博导十年科研经验炼化为可直接调用的 AI 技能。从 Idea 构思到论文投稿，你的 AI 科研副导师。项目地址: https://gitcode.com/gh_mirrors/su/Supervisor-Skills

Supervisor-Skills 是一个把博导十年科研经验蒸馏成可执行 AI 科研技能（AI Skills）的开源项目：从 Idea 评估、论文写作到投稿前审查，11 个锚点技能覆盖科研论文全生命周期。本文将带你深入它的项目架构与技能设计原理，看看资深科研者的隐性知识是如何被拆解、结构化并交给大模型精确执行的。

一、AI 科研的最后一公里：为什么光靠 Prompt 不够

大模型很强大，但科研的"最后一公里"考验的不是算力，而是经验、品味与判断力：

• 理论与实践脱节——读了再多"科研指南"，面对自己的课题依旧不知如何下笔；
• 指导资源稀缺——导师日程繁忙，无法对每个想法做及时细致的评估；
• 投稿前的迷茫——论文写完了，逻辑是否严密、图表是否符合顶会审美？
• AI 的能力鸿沟——缺乏学术品味的模型，写出来的只是"高级玩具"级内容。

Supervisor-Skills 的解法很直接：把在 SIGMOD、VLDB、ICML、NeurIPS 等顶会积累的发表与审稿经验，蒸馏成结构化的、可被 Claude / GPT 等模型精确执行的技能文件。

二、"道"与"器"的双轨架构：项目目录全解

打开仓库你会看到清晰的双轨制架构，一句话概括：handbook 教"道"，skills 跑"器"。

Supervisor-Skills/ ├── handbook/ # 📖 六章科研与写作系统指南（理论主轴，中文） ├── handbook-en/ # 📖 handbook 的英文镜像 ├── skills/ # 🛠️ 11 个可执行 AI Skills（核心卖点） └── scripts/ # 🤖 CI 质量守门脚本（linter 与同步检查）

技能目录的导读文档 skills/README.md 是"道器之间的桥"，把每个 SKILL.md 的严谨定义翻译成了"人话"。

三、一个 AI 科研技能的解剖：SKILL.md + references/ 设计模式

以 skills/idea-evaluator/SKILL.md 为例，每个技能都由三层构成：

1. YAML 元数据（description 触发器）：40~80 词、第三人称、必须包含 "Use when..." 子句，写清楚"用户说哪句话时该命中我"。例如 "evaluate this idea"、"score this idea" 都会路由到它；
2. SKILL.md 正文（≤500 行）：核心流程（Core procedure）+ 明确的使用/禁用边界（When to use / When NOT to use）+ 固定的输出格式；
3. references/ 按需深度资料：如 fatal-flaws.md 的十大致命缺陷清单，正文通过See: references/X.md指针引用，用到才加载，不占用上下文。

这种"薄骨架 + 厚参考"的分层，正是技能能跨模型、跨工具（Claude、DeepSeek、Kimi 均可）直接复用的关键：不装插件时，SKILL.md 本身就是一份可以照着自查的结构化清单。

四、隐性知识蒸馏的 4 个核心设计原理

原理 1：把导师的隐式判断显式化为检查单。资深导师评估 idea 时心里有一套流程，但说不出口。idea-evaluator 把它拆成四层可核查的闸门：致命缺陷审计（早期短路，CRITICAL 缺陷直接给出 Reject 结论）→ Idea 生命周期与能力匹配 → 五维打分（更高/更快/更强/更省/更广，详见 handbook/02_Idea_Generation/2.2_想Idea的思路_更高更快更强.md）→ 范式跃迁探测。次序不能换——一个 7 分的"更高"维度，在一个致命缺陷面前毫无意义。

原理 2：技能之间"接龙"，形成论文生命周期流水线。每个技能都声明上下游关系：idea-evaluator 通过后交给 tech-paper-template 锁骨架，再由 intro-drafter 写成六段式 Introduction（对应 handbook/03_Paper_Writing/3.2_Introduction写作的思考模型.md 的 Flowchart），paper-writer 证据门控地写正文，最后 pre-submission-reviewer 做投稿前终检。

原理 3：证据门控（Integrity Gate），编造零容忍。paper-writer 规定事实性声明只有三种合法来源：用户材料、本次检索核验过的文献、不含数字的领域常识，模型记忆永远不算；每个技能在交付前还要静默跑一遍完整性闸门（[inspection] 可自查 / [attestation] 声明已查 / [user-attest] 用户兜底三类分级），闸门失败不是打印"检查报告"，而是降级结论、把问题作为具体发现写进结果。

原理 4：用机器规则守护文档质量。CONTRIBUTING.md 定义了硬性规则（英文 SKILL.md 无中文、无 em-dash、引用必须可解析、共享 reference 各技能副本必须字节级一致），由 scripts/lint_skills.py 与 scripts/check_shared_sync.py 在每次 PR 上强制执行——方法论本身也被"评审"过。

五、11 个技能接龙：科研论文全生命周期地图

技术类论文主线（按自然节奏排序）：

1. deep-research— 选题前的综述级文献调研，多视角检索 + 逐条引用核验；
2. idea-evaluator— 立项前体检，淘汰弱 idea；
3. tech-paper-template— 锁定"局限—挑战—模块—贡献"逻辑链，并做四项自洽性核查；
4. intro-drafter— 骨架翻译成六段式 Intro 正文，引用先检索后写；
5. paper-writer— 证据门控的正文写作，从单段到整篇；
6. figure-designer— 规划三张"承重图"（Motivated Example / Solution Overview / Experiment）；
7. drawio-reconstruction— 参考图一键重建为可编辑 Draw.io；
8. paper-polish→pre-submission-reviewer— 润色去 AI 腔，投稿前模拟顶会审稿人终审。

Benchmark 论文则由 benchmark-paper-template 一个技能编排"Gap → Design → Construction → Experiments → Structure → Checklist"六阶段；vibe-research-workflow 与 deep-research 是两个可随时调用的横向工具。

六、Handbook 与顶会案例：技能背后的"道"

技能不是凭空造的，每个技能都能在 handbook/ 找到理论出处，反过来 handbook 的三大顶会剖析（ICML'25 Alpha-SQL、ICLR'25 AFlow、VLDB'26 LEAD）也全部实例化了 Intro Flowchart 模型：

handbook/06_Case_Studies/6.2_ICLR_2025_AFlow写作剖析.md 中对 AFlow 框架图的拆解，正是 figure-designer"一张图只讲一件事"原则的现实样本：

实验结果的呈现同样有范式可循——figure-designer 要求实验图必须直接回应 Introduction 的 Motivation，而不是把所有指标堆进一张图：

写在最后：这套架构给个人知识工程的启示

Supervisor-Skills 给出的不只是科研工具，更是一套把专家经验产品化的通用范式：

• 先写"道"再炼"器"：方法论沉淀成 handbook，可执行部分蒸馏成 skill，两层各司其职；
• 给 AI 的不是 Prompt，而是"工作纪律"：触发条件、短路规则、完整性闸门、上下游路由，让模型像受过训练的研究生一样行事；
• 质量靠机器守护：CI linter 把"什么样的技能文档才算合格"写成了不可协商的规则。

如果你正在写第一篇顶会论文，建议先通读 handbook/ 建立直觉，再按 skills/README.md 的场景对照表挑技能上手——也可以直接把一句话安装指令发给你的 AI 助手，让它自动完成技能导入。

【免费下载链接】Supervisor-Skills将博导十年科研经验炼化为可直接调用的 AI 技能。从 Idea 构思到论文投稿，你的 AI 科研副导师。项目地址: https://gitcode.com/gh_mirrors/su/Supervisor-Skills