Nature-Skills：辅助撰写学术论文和绘制科研图表的智能体插件

Nature-Skills 是一个由上海交通大学博士生袁一哲（Yuan1z0825）开发并开源的智能体技能（Skill）指令集合，专为顶级学术期刊（如 Nature、Science、Cell 等）的论文撰写与发表流程设计。该工具集以智能体插件的形式运行在 Claude Code 或 Codex 等 AI 编程智能体中，通过提供经过严格提示词工程优化的模块化工作流，大幅提升科研工作者的论文产出效率。

Nature-Skills 包含 9 个核心功能模块，全面覆盖了学术写作中的全链路需求。从论文初稿的段落起草、遵循顶级期刊规范的学术英文深度润色，到符合 Nature 视觉标准的科研图表自动生成与排版验证，该项目均能提供基于“第一性原理”和“一手文献”驱动的显式输出。此外，它还配备了高精度的引文检索验证、审稿意见回复信撰写、数据可用性声明生成、双语文献阅读及论文转演示文稿等特色功能。开发者强调该工具集遵循章节感知、成品导向和极强的可扩展性，通过固化的标准操作程序（SOP），帮助科研人员有效减轻学术排版、修辞打磨和文献管理中的繁琐文书负担，使研究者能更加专注于科研核心逻辑的推演与创新。

Lista de funções

• 科研图表自动绘制 (nature-figure)：为 Python（matplotlib/seaborn）或 R（ggplot2/patchwork）提供符合顶级期刊视觉规范的多面板图表工作流。强制采用 Arial 字体、300 DPI 分辨率和可编辑 SVG/PDF 矢量图输出。支持语义配色，并在绘图前自动梳理数据结论和证据逻辑，防止出现重美观轻学术结论的问题。
• 学术论文章节起草 (nature-writing)：提供论文核心章节（Abstract, Introduction, Results, Discussion, Conclusion）的撰写与论证重组功能。能够从作者提供的粗糙实验记录、研究要点或中文草稿中，生成符合 Nature 期刊行文风格和段落逻辑的高质量英文草稿。
• 学术英文深度润色 (nature-polishing)：内置 25 条顶级期刊写作规则与 12 步润色审查流程。专注于修正中式英语，增强学术句式的严谨性、客观性与专业度，彻底摆脱传统 AI 润色的“机器味”。
• 高可靠性引文检索 (nature-citation)：提供 CNS 级别的引文交叉验证检索，支持将检索结果自动生成并转换为 EndNote、Zotero 兼容的 RIS、BibTeX 等主流文献管理格式，防止大模型捏造虚假文献引用。
• 审稿意见逐条回复 (nature-response)：针对 Nature 家族等高要求期刊的返修要求（Rebuttal），自动起草、审计和修改逐条回复信（Point-by-point response），确保回复语气专业、逻辑严密且态度得体。
• 多源学术搜索协调 (nature-academic-search)：结合多源 MCP 工具（如 PubMed、CrossRef、arXiv），进行深度的复合文献检索、MeSH 检索策略生成以及文献 DOI 可靠性验证，支持协调性多步文献工作流。
• 合规与数据可用性声明 (nature-data)：起草并审查符合出版方规范的“数据可用性声明（Data Availability statements）”、数据集存储库计划、FAIR 元数据检查，满足 Springer Nature 等出版商的严格审查要求。
• 双语图文对照阅读 (nature-reader)：提供支持图文对应的 Markdown 论文全文阅读器，支持中英双语对照精读，帮助学者快速提取文献的核心创新点与实验设计逻辑。
• 论文一键转演示文稿 (nature-paper2ppt)：快速提取长篇论文的核心实验逻辑与图表结论，自动化生成适用于学术会议汇报、实验室组会交流的幻灯片（PPT）大纲及演示文稿结构。

Usando a Ajuda

Nature-Skills 作为一组高规格、经过严格约束的智能体技能（Skill）文件集合，它不是传统的 Python 包或 npm 库，而是通过提示词框架（Prompt Framework）和上下文引用深度结合的文件束。以下内容将手把手带您了解如何安装并高效利用 Nature-Skills 完整功能模块，将其整合进您的日常科研工作流中。

1. 准备工作与运行环境支持

Nature-Skills 具有极强的灵活性和跨平台能力，目前主要支持以下三种主流环境：

• Codex Desktop (推荐)：能最好地提供原生的“Skill Folder”本地文件夹技能加载，可自动读取附加资产（如参考引用、脚手架代码）。
• Claude Code (CLI 终端)：适用于习惯在命令行和终端环境下直接运行 Agent 流程的用户。
• 通用大语言模型（如网页版 ChatGPT/Claude）：未安装本地智能体的用户，可直接作为高质量的“系统提示词（System Prompt）”配合对话使用。

2. 详细安装与部署流程

方式一：在 Codex Desktop 中通过插件市场一键安装（最便捷）

1. 打开 Codex Desktop 应用程序。
2. 导航至“插件/插件市场（Plugin Marketplace）”设置页面。
3. 选择“添加自定义插件市场仓库源”，并在仓库地址栏中输入：https://github.com/Yuan1z0825/nature-skills.git
4. 在“分支（Branch/Ref）”选项中填入：main
5. 点击搜索并安装 nature-skills Plug-ins.
6. 安装完成后，在聊天输入框内输入 /reload-plugins，9 大 Nature 系列核心技能即可在智能体中直接通过斜杠命令或触发词唤醒。

方式二：在 Claude Code 终端快速安装

如果您更习惯于在您的代码或学术项目工作区目录下使用终端，可通过 npx 指令将单个特定模块引入到本地工作区中（需预置 Node.js 和 Claude Code (Meio ambiente):

# 以安装科研绘图模块为例
npx skills add https://github.com/Yuan1z0825/nature-skills --skill nature-figure
# 如果需要安装学术文献引证模块
npx skills add https://github.com/Yuan1z0825/nature-skills --skill nature-citation

技能文件会自动下载到您当前项目根目录的 .claude/skills/ 文件夹内，当您在终端唤醒 Claude Code 引擎时，智能体会自动加载并遵循该写作规范。

方式三：手动配置与通用模型环境使用

对于没有代码智能体基础的用户：

1. 访问代码库并克隆项目：git clone https://github.com/Yuan1z0825/nature-skills.git
2. 打开克隆下来的文件夹，进入 skills/ Catálogo.
3. 您会看到如 nature-writing 或 nature-polishing 等子目录。打开对应目录中的 SKILL.md Documentação.
4. 将文件内完整的 Markdown 文本复制，直接粘贴到 Claude 3.5 Sonnet 或 GPT-4 网页版的对话框或“System Prompt”中，即可开始最高水平的学术协作对话。

3. 核心功能实战操作流详述

场景一：利用 nature-figure 生成出版级多面板组图

• comando de acionamento：向智能体输入 "I need a Nature figure for my data" 或 "科研图表绘制"。
• fluxo de trabalho：
  1. 智能体会首先“拒绝对数据进行主观美化”，并向您提问两个核心问题：“请提供具体的数据结构？”和“这张图需要论证的核心学术结论是什么？”。
  2. 提供数据格式（例如 CSV 样本列）和结论后，智能体会要求您选择绘图后端，只接受 Python 或 R。
  3. 确定语言后（如选择 Python），智能体会自动编写使用 matplotlib 和 seaborn 的生成代码。它会强制关闭多余图例，自动规范横纵坐标标签，使用统一的 Nature 指定的三层面板布局，分配色盲友好的高对比度配色。
  4. 代码执行后将直接在您的文件夹生成后缀为 .svg 和 .pdf 且分辨率强制为 300 DPI 的排版图，您可以直接丢入 Adobe Illustrator 调整布局而无锯齿困扰。

场景二：利用 nature-writing 和 nature-polishing 完成稿件构建

• 粗稿扩写：将几句零散的中文实验结果丢入对话框，输入触发词 "draft nature results section"。nature-writing 模块不会生硬翻译，而是会分析您的逻辑，基于 Nature 典型的倒金字塔结构（即“明确问题 – 填补缺口 – 提供证据 – 界定影响”）将其实例化重组，生成一段逻辑严密、长短句结合的学术英语文本。
• 深度润色：当您有初稿后，输入 "polish my text in Nature style"。智能体将启动其内置的 12 步审查 SOP：消除过度感叹或冗余形容词（如去除“very”、“dramatic”）、将被动语态调整为更直接的主动论证、确保所有图表引用连贯。它还会显式地向您输出修改前后对照表（Diff）及修辞修改原因，让您明确知道每一个词汇变动背后的学术逻辑。

场景三：利用 nature-response 撰写高压审稿回复信（Rebuttal）

返修阶段往往最耗费作者心力，面临审稿人的质疑，不当的情绪化措辞可能导致拒稿。

• Guia de operação：将包含 Reviewer 1, 2, 3 的邮件直接丢给该技能模块并触发 "draft rebuttal letter"。
• processo：
  • 智能体首先对审稿意见进行“降温处理”并做要点剥离。
  • 强制对每个单一疑问生成规范的 [Comment x.x] 标签，紧接着生成 [Response x.x] 锚点。
  • 在回复策略上，它将根据预设语料库中的专业客套话为您包装“赞同审稿人真知灼见”的缓冲段，随后精准列出后续补做实验的数据指标与修改页码说明，为您生成一份格式无懈可击、态度从容自信的回复信 PDF/Word 初稿。

4. 常见问题排查与最佳实践

• AI 幻觉规避：强烈建议将 nature-writing 与多源检索 nature-academic-search 串联使用。当涉及引用前沿文献时，先用检索模块进行 DOI 查证，再交由写作模块合成。
• Skill 依赖丢失问题：如果您采取手动复制文件夹的安装方式，请切记拷贝完整的 skills/nature-xxx/ 文件夹（包含内部的 references/ 等所有文件），如果仅仅复制 SKILL.md，可能会导致智能体丢失核心的上下文语料引用，导致生成文本质量降级。

通过深度掌握和运用 Nature-Skills 工具箱，您可以将每天消耗在科研排版、翻译打磨和格式纠缠上的几小时时间彻底释放，把更多的智力投入在真正的医学、AI 或前沿交叉学科的创新实验之上。

cenário do aplicativo

1. 顶级期刊论文初稿的全流程转化与撰写
   当科研工作者刚完成庞杂的实验数据收集与整理，面临将零散记录和实验现象转化为发表级文章的巨大压力。使用 nature-writing 可快速将大白话的中文记录和数据论点转化为结构清晰、符合顶刊逻辑链条的英文初稿；配合 nature-figure，将混乱的图表提炼为严格多面板的出版级组图；最终利用 nature-polishing 进行字斟句酌的 12 步深度润色。打通从实验台记录直达 Nature/Science 期刊语言门槛的工作流。
2. 从容应对严苛的同行评审返修阶段（Rebuttal）
   当收到审稿人尖锐、繁杂甚至有攻击性的评审意见时，往往会给作者带来严重的心理与文书负担。调用 nature-response 模块能够自动对冗长的评审意见进行结构化拆解和降温，并强制按照“点对点回应（point-by-point）”的格式生成专业、态度得体并带有具体修正说明的回复信草稿，大幅化解返修过程中的沟通阻力与焦虑感。
3. 高效推进前沿文献精读与组会学术汇报准备
   科研人员、医学或 AI 交叉领域的学者每周需要处理海量前沿文献。利用 nature-reader 模块对长篇英文论文进行图文并茂的双语精读，并剥离出其核心假设和方法论设计。接着，直接将精读结果对接 nature-paper2ppt 模块，一键提取研究要点并生成逻辑连贯、适合汇报的演示文稿 (PPT) 大纲，极大地缩减了学术备课与做幻灯片的时间。

QA

1. 什么是 Nature-Skills？
   Nature-Skills 是一套由开源社区开发者构建的学术科研 AI 智能体指令集（Skill）。它主要集成在 Codex 或 Claude Code 等终端平台上，通过预设极其严格的标准化工作流（SOP）和防幻觉提示词框架，协助科研人员高效率地完成达到顶级期刊发表标准的论文撰写、出版级图表生成、深度润色校对以及逐条审稿回复等复杂任务。
2. 如果我的电脑不支持或者未安装 Codex / Claude Code 等本地环境，还能使用该工具吗？
   完全可以。Nature-Skills 的底层本质是高质量、模块化的提示词工程合集与执行规则。如果您不使用代码智能体，依然可以访问项目 GitHub 仓库，下载对应的 SKILL.md 文件。在与网页版的 ChatGPT (GPT-4)、Claude (Opus/Sonnet) 沟通时，将该文件全文作为“系统提示词 (System Prompt)”发送给 AI，依然能强制模型按照顶级学术规范为您服务。
3. nature-figure 绘图模块会自动帮我生成伪造的实验数据吗？
   绝对不会。Nature-Skills 在设计之初遵循了极其严苛的学术伦理边界。nature-figure 模块仅仅专注于对您“已经存在且真实的原始数据”进行“排版规范化与视觉表现加强”。它在绘图前会强行要求您提供底层真实数据，其作用是调用 Python (Matplotlib) 或 R 语言编写制图代码来排版布局，绝不参与也不允许凭空创造或篡改数据事实。
4. 该工具在辅助进行学术写作时，是否会像传统大模型一样捏造不存在的虚假文献（AI幻觉）？
   为了彻底解决这一学术红线问题，Nature-Skills 专门开发了 nature-citation 和 nature-academic-search 模块。这两个模块在智能体环境中运行时，会通过 MCP（Model Context Protocol）接入 PubMed、CrossRef、arXiv 等真实客观的学术数据库。工具在输出文献和论证依据时，会强制通过这几大底层数据库进行实时交叉比对、抓取并进行 DOI 回溯验证，从根源上杜绝了虚假引用的产生。