nature-skills 项目解读

仓库地址：https://github.com/yuan1z0825/nature-skills
协议：Apache-2.0 ｜ 语言：Markdown + YAML + Python + Node(JS) ｜ 规模：18+ 可触发技能 + 1 共享包
解读日期：2026-08-02

---

目录

• 1. 项目概况
  • 1.1 名称、作者与介绍
  • 1.2 作用与背景
  • 1.3 设计哲学
• 2. 安装、使用与运行条件
  • 2.1 依赖的软件/硬件条件
  • 2.2 安装教程（四种入口）
  • 2.3 使用教程
• 3. 工作流程与执行步骤
  • 3.1 Router-Style Skill 的统一心智模型
  • 3.2 一次调用的完整执行步骤
  • 3.3 端到端示例：nature-citation 流水线
• 4. 项目文件逐个解读
  • 4.1 仓库根层文件
  • 4.2 scripts/ 安装与校验脚本
  • 4.3 docs/ 文档
  • 4.4 skills/ 技能目录（19 个顶层目录）
  • 4.5 共享包 nature-shared/
  • 4.6 代表性技能内部结构详解
• 5. 优势、不足、创新点与亮点
• 6. 总结

---

1. 项目概况

1.1 名称、作者与介绍

项	内容
项目名称	nature-skills（中文常称「Nature Skills 科研技能库」）
GitHub 路径	Yuan1z0825/nature-skills
开源协议	Apache-2.0
维护组织	个人/小团队主导，社区驱动（含 52 位贡献者、175 PR 等开源协作模式）
创始人	袁一哲（抖音/知识星球运营，提供 GPT/Claude 代充与成品号商业服务）
核心开发者	马昕瑞（travisma2233@gmail.com）—— 核心开发、架构维护
主要贡献者	胡彬（mhoang12205@gmail.com）—— Agentic Agent 方向

作者介绍（来自 README 自述）：

• 袁一哲在抖音更新大量视频教程，运营知识星球「Nature Skills 以及背后的哲学」，并围绕科研 Agent 化做社区与商业化。
• 项目自述中提到其设计被 Google DeepMind 借鉴，推出了 Science Skills，作者认为这代表「中国开发者的原创思想正在被世界看见」。
• 核心主张：几乎所有实用科研工具都可以被提炼为标准流程，而标准流程恰好可以封装成可复用技能（skill）；借助 Codex / 智能体「操控本地电脑做科研」是一种新的科研范式。

1.2 作用与背景

作用：nature-skills 是一组围绕 SKILL.md 组织的可复用科研技能包，覆盖从「读论文 → 精读 → 查文献 → 验证引用 → 做图 → 润色 → 写作 → 审稿模拟 → 回复审稿意见 → 转 PPT → 转专利 → 做实验记录 → 写 proposal」的完整科研生命周期。每个技能可被 AI 编码代理（Claude Code、Codex、OpenClaw、OpenCode、Hermes 等）触发，产出可直接使用的科研产物（.md、.svg、.pptx、.docx、.enw/.ris、.py 脚本等）。

背景与痛点：

• 学术写作/绘图/投稿有一套高度规范化但分散隐性的「行规」（Nature 图表规范、CNS 引用范围、统计报告要求、返修信结构等），新手难掌握、老手也易遗漏。
• 各 AI 代理能力参差，但缺乏「把顶级期刊规则沉淀为可复用、可审计、可版本化指令包」的开放生态。
• 项目把「一手来源（已发表 Nature 内容、官方期刊指南）」转译为机器可读、可被 Agent 直接执行的规则文件，目标是「真实问题解决、可验证工作流、可直接使用的产物」。

1.3 设计哲学

所有技能遵守 5 条共享原则（README §7.1）：

1. 优先一手来源：规则基于已发表 Nature 内容、官方期刊指南或明确本地来源，而非泛泛审美偏好。
2. 显式胜过隐式：每条规则都应说明理由，而非只给断言。
3. 感知章节与任务上下文：学术写作、图件、引用、回复都依赖上下文，不同论文部分用不同逻辑。
4. 输出优先：每个技能都应返回能直接使用的产物（可粘贴文本、.svg、.pptx、.docx 或具体建议）。
5. 可扩展：每个技能自包含在自己的目录中，新增技能不要求修改既有技能。

技能状态标签：Draft（规则已定义但未实战测试）→ Beta（示例测过但边界可能仍有问题）→ Stable（真实学术内容验证过、规则稳定）。

---

2. 安装、使用与运行条件

2.1 依赖的软件/硬件条件

类别	要求	说明
Node.js	≥ 18（用 npx skills 安装方式）	CLI 即拉即用，无需全局安装
Python	3.x（部分技能需 pip install）	如 nature-paper-to-patent 需 Playwright chromium；nature-academic-search 的 MCP server 需依赖
R	可选	nature-figure 的 R/ggplot2 后端可选
Git	推荐	用于 clone 与自动更新脚本（autoupdate-skills.sh/update-codex-skills.sh）
宿主 Agent	支持 Agent Skills 的代理	Claude Code / Codex / OpenClaw / OpenCode / Hermes 等
外部服务/Key	视技能而定	OpenRouter GPT Image 2（示意图）、PubMed/Scopus/ScienceDirect（文献检索 MCP）、Crossref（免 key）、图书馆 CARSI（下载）
硬件	普通桌面即可	主要是 LLM 推理在远端；本地仅跑脚本/浏览器

注意：skills/ 目录本身是纯 Markdown + YAML + 脚本，可零运行时依赖「被加载」。但部分技能的可选脚本（Python/Node/Playwright）需按技能 README 单独装依赖。

2.2 安装教程（四种入口）

方式 A：npx skills（推荐，跨代理最省事）

基于 vercel-labs/skills 的 CLI（本项目 README 直接复用该生态）：

# 先查看仓库可安装的技能名
npx skills add Yuan1z0825/nature-skills --list

# 全量安装到 Codex（含 nature-shared 共享包）
npx skills add Yuan1z0825/nature-skills --global --agent codex --skill '*' --yes --copy

# 仅安装单个技能（如 nature-figure）
npx skills add Yuan1z0825/nature-skills --agent codex --skill nature-figure --yes --copy

# 安装阅读器时一并装共享包
npx skills add Yuan1z0825/nature-skills --global --agent codex \
  --skill nature-reader --skill nature-shared --yes --copy

# 更新 / 检查
npx skills list --global --agent codex --json
npx skills update --global --yes
npx skills update nature-reader --global --yes

方式 B：Claude Code（subagent / slash command 或自动更新）

保留稳定 clone，再用 wrapper 指向真实 SKILL.md：

mkdir -p ~/ai-skills && cd ~/ai-skills
git clone https://github.com/Yuan1z0825/nature-skills.git

创建 subagent（推荐，示例 nature-reader）：

mkdir -p ~/.claude/agents
cat > ~/.claude/agents/nature-reader.md <<'EOF'
---
name: nature-reader
description: Use for Chinese-English paper reading, figure-aware translation, and source-grounded paper notes.
---
When invoked, first read `~/ai-skills/nature-skills/skills/nature-reader/SKILL.md` and follow it as the governing workflow.
Read supporting files from `~/ai-skills/nature-skills/skills/nature-reader/` and `~/ai-skills/nature-skills/skills/nature-shared/` only when needed.
Do not replace this skill with a generic paper-reading response.
EOF

或 slash command（~/.claude/commands/nature-reader.md），会话内用 /nature-reader ... 触发。

自动更新（可选 SessionStart 钩子）：用 scripts/autoupdate-skills.sh 配合 ~/.claude/settings.json 钩子，把技能直接复制进 ~/.claude/skills/。脚本自带 6 小时节流、断网自动跳过、HEAD 变化才同步、拒绝在有未提交改动的 clone 上前进等保护。

方式 C：Codex（自带同步脚本）

git clone https://github.com/Yuan1z0825/nature-skills.git
cd nature-skills
scripts/update-codex-skills.sh --pull        # 同步到 ~/.codex/skills
scripts/update-codex-skills.sh --check       # 校验是否一致
scripts/update-codex-skills.sh --pull --prune # 清理上游已删的旧技能

也可把仓库链接交给 Codex，让它自己 clone 后跑 scripts/update-codex-skills.sh --pull。脚本不会自动装 Python 依赖，需按需 pip install -r ...requirements.txt。

方式 D：OpenClaw / OpenCode / Hermes 等

见 docs/open-source-agent-frameworks.md，核心是保留 clone + 创建轻量 wrapper 指向真实 SKILL.md，并保留 nature-shared/。

2.3 使用教程

安装后直接向 Agent 描述任务即可，无需记技能名。README 给出可直接复制的提示词模板：

想做什么	直接这样说
读论文/中英文对照	把这篇 PDF 做成图文对应的中英文对照 Markdown reader。
文献汇报 PPT	把这篇论文做成中文组会汇报 PPT，保留关键图件和来源标注。
润色翻译	把这段中文改写成 Nature 风格英文，保持学术含义不变。
写摘要/引言	根据这些结果和图件，帮我起草 Nature 风格的摘要和引言。
审稿模拟	从 Nature 审稿人视角评估这篇稿件，给出三份 reviewer reports。
回复审稿意见	根据这封返修邮件，帮我写逐点回复、cover letter，并标出修改稿需标红的位置。
查文献/他引	整理这篇文章的引用数、严格他引数、DOI，并看引用者里有没有院士/Fellow/大牛。
科研图/示意图	根据这段方法和结果，帮我生成投稿级科研图或论文示意图草稿。

若已知技能名，可在提示词中显式写「使用 nature-reader」等。

---

3. 工作流程与执行步骤

3.1 Router-Style Skill 的统一心智模型

nature-skills 的核心架构创新是 「static/dynamic split（静态/动态分层）」的 router-style 技能。每个技能目录由以下组成：

skills/nature-<topic>/
├── SKILL.md          # 路由器（dynamic layer）：frontmatter + 路由协议
├── manifest.yaml     # 声明式清单：axes 轴、always_load、on_demand 引用映射
├── static/           # 静态层：版本化、可复用的内容片段（fragments）
│   ├── core/         #   核心片段（合同/立场/原则/工作流）
│   └── fragments/    #   按轴拆分的可选片段（如 backend/python.md, backend/r.md）
├── references/       # 深度参考资料（按需加载，非默认）
│   └── workflows/    #   子工作流文档
├── scripts/          # 可选的 Python / Node 可执行脚本
├── templates/        # 可选：输出模板（LaTeX/Markdown）
├── assets/           # 可选：图片/示意图/示例数据
├── README.md         # 面向人的中文说明（必须）
└── README_EN.md      # 面向人的英文说明（必须）

设计意图：

• 静态层版本化、可评审；新增期刊风格/论文类型 = 一个新文件 + manifest 一行。
• 动态层保持每次调用轻量：只把与当前任务相关的片段载入上下文，而非整本 1000 行「巨无霸」instruction。
• 路由器本身刻意简短：加能力时改片段/参考，不改 SKILL.md。

3.2 一次调用的完整执行步骤

以文本类技能（如 nature-polishing、nature-figure）为例，通用流程：

1. 触发：用户描述任务 → Agent 匹配 SKILL.md 的 description（含中英文触发词）。
2. 加载 manifest 与核心层：读取 manifest.yaml（声明轴 axes、允许值、文件映射），并读取 always_load 列出的核心片段（如 core/principles.md、core/stance.md）。
3. 解析轴值（路由 gate）：对每个 axis（如 paper_type / section / language / journal，或 backend Python/R），用 manifest 的 detect: 提示 + 用户输入判定取值；必要时向用户问恰好一个问题并记住偏好（如 nature-figure 的 nature_figure_backend.py set python）。
4. 加载匹配片段：只 Read 当前轴值映射到的 static/fragments/* 与 references/*，不读整个 static/。
5. 执行：按加载材料的优先级顺序产出（先论文类型 → 章节 → 期刊 → 语言 → 核心立场），若结构性问题无法在不编造内容的前提下修复，则标记而非掩盖。
6. 按需调用脚本：如图表、引用导出、下载等走 scripts/*.py / *.mjs，产出文件（.svg/.enw/.html 等）。
7. 交付前预检（preflight）：加载 references/qa-contract.md，运行校验脚本，按最终尺寸检查渲染产物。
8. 产出：返回可直接使用的产物 + 来源标注/边界说明。

3.3 端到端示例：nature-citation 流水线

nature-citation 是「线性参数化工作流」，其步骤在 scripts/nature_citation.py 中实现：

手稿文本/claim/DOI
   │
   ├─ segment_text()        段落/句子切分（去标题、≤700 字符）
   ├─ query_from_segment()   构造 Crossref 检索式 + fallback 查询
   ├─ fetch_crossref()       调 Crossref API（polite pool + 退避重试）
   ├─ in_scope()             仅保留 Nature/CNS 家族期刊（--scope cns/nature/science/cell/flagship）
   ├─ dedupe()               按 DOI/标题去重
   ├─ 导出 ENW / RIS / Zotero RDF（默认 .enw）
   └─ --with-artifacts       额外生成 JSON / TSV / Markdown 报告 / 可筛选 HTML 浏览器

核心代码要点（节选）：

# 期刊家族判定与范围过滤
NATURE_EXACT = {"Nature", "Nature Biotechnology", "Nature Cancer", ...}
FLAGSHIP = {"Nature", "Science", "Cell"}

def journal_family(journal: str) -> str | None:
    if journal in NATURE_EXACT or journal.startswith("Nature ") or journal.startswith("npj "):
        return "Nature Portfolio"
    if journal in SCIENCE_EXACT: return "Science family"
    if journal in CELL_EXACT or journal in CELL_TRENDS_EXACT: return "Cell Press"
    return None

def in_scope(journal: str, scope: str) -> bool:
    family = journal_family(journal)
    if scope == "flagship": return journal in FLAGSHIP
    if scope == "nature":   return family == "Nature Portfolio"
    ...

导出函数：build_enw_record() / write_enw()、build_ris_record() / write_ris()、build_zotero_rdf_article() / write_zotero_rdf()。最后还会生成一个内置类 Google Scholar 的 HTML 浏览器（可按年份/关键词筛选、勾选、导出），交互逻辑用原生 JS 实现。

---

4. 项目文件逐个解读

4.1 仓库根层文件

文件	类型	作用
README.md	文档	中文主说明：创始人介绍、理念、快速开始、安装、18 技能索引、贡献规范、Star 历史
README_EN.md	文档	英文镜像版（与中文严格一一对应）
LICENSE	许可	Apache-2.0
index.html	网页	项目在线网站（yuan1z0825.github.io/nature-skills/）入口
pr-body-readme-mirror.md	文档	PR 模板片段：README 镜像校验说明
pr-body-skill-index.md	文档	PR 模板片段：技能索引校验说明
pr-body-workflow.md	文档	PR 模板片段：CI 工作流校验说明
assets/	目录	仓库级图片：readme-banner-cn/en.png、代充服务图、Star history SVG、微信图等

4.2 scripts/ 安装与校验脚本

文件	作用
update-codex-skills.sh	把 skills/* 全量同步到 ~/.codex/skills/。支持 --pull（先 git pull --ff-only）、--check（仅校验 diff）、--prune（清上游已删的旧目录）、--dest、--force。用 rsync -a --delete 复制，只动本仓库管理的技能目录、不碰其他 Codex 技能；复制后写 .nature-skills-install.txt 清单并做 diff -qr 校验；打印可选的 Python 依赖安装提示（如 patent/学术搜索）。
autoupdate-skills.sh	设计为 SessionStart 钩子，廉价地把已装技能与上游同步。安全特性：① 节流（--throttle 默认 21600s=6h，到点才联网）；② 离线容忍（拉取失败 exit 0，绝不卡住会话）；③ 非破坏性（只在专用 clone 上 fast-forward，拒绝有未提交改动或本地提交的 clone）；④ 廉价（仅当上游 HEAD 变化才真正 sync）；⑤ 可配置目标目录/频率；日志在 ~/.local/state/nature-skills/autoupdate.log。
validate-readme-mirror.py	校验 README.md 与 README_EN.md 章节结构镜像一致。
validate-readmes.py	校验每个技能都含中英文 README，且标题数量/顺序一致、[English]/[中文说明] 互链正确。
validate-repository.py	仓库级一致性校验。
validate-skill-index.py	校验根 README 技能索引表与实际技能目录一致。
validate-skill-metadata.py	元数据门禁（见下）。
validate-workflows.py	校验 .github/workflows 配置。
generate-star-history.py	生成 Star History 图表数据。

validate-skill-metadata.py 核心逻辑（质量门禁）：

REQUIRED_FILES = ("SKILL.md", "README.md", "README_EN.md", "manifest.yaml")
# 1) 每个技能目录必须含 4 个必需文件
# 2) SKILL.md frontmatter 的 name 必须与 manifest.yaml 的 name 一致
# 3) manifest.yaml 必须是合法 YAML
# 4) manifest 中声明的路由路径（always_load / on_demand / axes.values / script）
#    必须真实存在、必须是相对路径、除 ../nature-shared/ 外不得越出技能目录
# 5) 根 README 的 skills-N 徽章数必须等于可触发技能数

4.3 docs/ 文档

文件	作用
open-source-agent-frameworks.md	OpenClaw/OpenCode/Hermes 等开源代理的接入教程（中文）
open-source-agent-frameworks_EN.md	英文版
nature-paper-card-tutorial.md	nature-paper-card 使用教程（中文）
nature-paper-card-tutorial_EN.md	英文版

4.4 skills/ 技能目录（19 个顶层目录）

下表为 README §6 技能索引（18 个可触发 + nature-shared 共享包）：

技能目录	状态	用途	代表触发词
nature-figure	Stable	Nature 级 Python/R 科研图；含 figures4papers demo；OpenRouter GPT Image 2 示意图	Nature figure, 投稿级图片, 论文示意图
nature-polishing	Stable	学术文本润色/重构/翻译为 Nature 风格英文（含 LaTeX 排版修复）	Nature style, 润色, 论文英文
nature-writing	Draft	起草 Nature 风格手稿章节、重建论证	写摘要, 写引言, manuscript draft
nature-reviewer	Draft	模拟 Nature 审稿人，输出 3 份 reviewer reports + Major/Minor	预投稿评审, reviewer report
nature-citation	Beta	严格 Nature/CNS 范围支撑文献检索，导出 ENW/RIS/Zotero RDF	CNS citation, 支撑文献
nature-data	Draft	Data Availability statement、仓储方案、FAIR 检查	Data Availability, FAIR
nature-statistics	Draft	统计报告审查/改写/起草（样本量、p 值、多重比较、效应量、CI…）	Nature statistics, 统计审查
nature-reader	Beta	带来源锚点、图文对应、公式渲染、中英文对照的全文 Markdown reader	全文 Markdown, 原文对照
nature-paper-card	Beta	单篇精读生成 01–16 节 Paper Card（证据链/结论边界/批判分析）	Paper Card, 论文精读
nature-response	Beta	解析返修邮件，起草 cover letter/逐点回复/标红修改稿/LaTeX 模板	response to reviewers, 返修信
nature-paper2ppt	Beta	论文转中文 PPTX 文献汇报 deck	paper PPT, journal club
nature-paper-to-patent	Beta	论文/报告转中国发明专利草稿（专利点挖掘/查新/交底书）	paper to patent, 权利要求书
nature-ref-verifier	Stable	参考文献多源交叉验证（作者/标题/年份/卷期/页码逐字段）	verify refs, 文献验证
nature-academic-search	Beta	多源检索、引用核验、严格他引审计、引用者画像、MCP server	查文献, 严格他引
nature-downloader	Beta	图书馆/CARSI/开放获取合法下载学术全文	图书馆下载, CARSI, PDF 下载
nature-literature-pipeline	Stable	自动化文献发现管线：多源检索→六维评分→精读推送→本地归档	literature pipeline, 每日文献
nature-experiment-log	Draft	标准化记录实验图文音，生成 Obsidian 实验日志	实验日志, Obsidian vault
nature-proposal-writer	Beta	proposal-first 科研写作状态机（证据/论证/契约先于文本）	researchwrite, 开题报告
nature-shared	—	共享支持包（不计入索引），供其他技能 ../nature-shared/ 引用	—

4.5 共享包 nature-shared/

nature-shared 是其他技能共享的「底层库」，不单独触发：

文件/目录	作用
SKILL.md	共享包说明（声明自身为共享、不计数）
manifest.yaml	共享清单（被其他技能 ../nature-shared/ 引用时的路由说明）
core/	通用核心片段（写作立场、科研伦理、通用工作流等，被文本类技能复用）
journal-formats/	各期刊格式规范片段（如 Nature/Nat Comm/通用模板）
README.md / README_EN.md	共享包说明文档

4.6 代表性技能内部结构详解

(a) nature-figure（router 范式范本）

SKILL.md 是一个双路由路由器：

• 路由 0 — OpenRouter AI 示意图：用户明确要求生成「机制图/图形摘要/概念示意图」时，不问 Python 还是 R，直接读 manifest.yaml + references/openrouter-image-generation.md + 用 scripts/generate_openrouter_schematic.py 调 API，产物当「草稿」对待，禁止编造实验数值/作者 logo/机构标。
• 路由 1 — Python/R 出图：阻塞式 gate 解析后端（nature_figure_backend.py get/set 记忆偏好，无偏好则问恰好一个问题并保存），加载对应 static/fragments/backend/python.md 或 r.md，再按「图件合同 → 默认立场 → 后端片段 → 模板适配 → 交付预检」顺序执行。

其 manifest.yaml 声明 backend 轴与文件映射；assets/figures4papers/ 内含 CellSpliceNet、Cflows、Dispersion、FPGM、ImmunoStruct、RNAGenScape、VIGIL 等真实论文图的可复现 demo（含 plot_*.py 源脚本与 PNG/PDF 产物），assets/chart-atlas/ 提供 10 类图表速查图集。

(b) nature-citation（静态/动态 + 脚本）

• manifest.yaml：声明为「线性参数化工作流」，无 content axis，只有 always_load（core/principles、core/chinese-mode、core/workflow）+ references.on_demand（脚本用法、检索策略、期刊范围、RIS/ENW/Zotero 导出、主脚本）。
• scripts/nature_citation.py：见 §3.3，约 600+ 行，实现切分→Crossref 检索→范围过滤→导出→HTML 浏览器。
• references/：journal-scope.md（CNS 家族边界）、search-strategy.md、ris-endnote.md、script-usage.md，以及示例 .bib/.nbib/.ris 文件。
• evals/evals.json：该技能有评估用例（说明有质量保障意识）。
• static/core/：principles.md、chinese-mode.md、workflow.md。

(c) nature-polishing（多轴路由范本）

SKILL.md frontmatter 声明 4 个 axis：paper_type(research/methods/hypothesis/algorithmic/review)、section(abstract/intro/results/discussion/conclusion/title/methods)、language(en/zh-to-en)、journal(nature/nat-comms/generic)。路由器步骤：加载核心层 → 检测轴值（并向用户用一行声明检测结果，便于廉价纠正）→ 只加载匹配片段 → 按优先级润色 → 排版类请求绕过 prose 轴直接读 references/latex-layout.md。

(d) nature-downloader（最「工程化」的技能）

含完整的 Node(.mjs) + Python 实现与测试：

• scripts/：batch_download.mjs、browser_pdf_downloader.mjs、cdp_open_url.mjs、configure_credentials.py、extract_pdf_text.py 等。
• scripts/lib/：20+ 模块——routing.mjs（来源路由）、provider-registry.mjs、publisher-providers.mjs、open-access.mjs、cnki.mjs、credentials.mjs、anti-bot.mjs、cdp-utils.mjs、status-codes.mjs、school-config.mjs 等。
• src/：Python 配置/校验/学校库加载（config.py、validators.py、schools_loader.py、wizard.py、health_check.py）。
• tests/：含 tests/python/ 与 tests/unit/*.test.mjs（覆盖路由、凭证、出版商、开放获取、状态码等）。
• data/：publishers.json、schools.yaml、school.schema.json；examples/：CARSI/出版商校验 TSV 模板；docs/：调研报告与 merge 计划。

(e) nature-academic-search（带 MCP server）

• mcp-server/：真实 MCP 服务 academic_search_server.py + sources/（arxiv、crossref、pubmed、sciencedirect、scopus、elsevier_common）+ utils/（config/errors/logging）+ tests/（含 test_elsevier_live.py 真实联调）。
• config/：mcp-snippet.json、settings-snippet.json、triggers-academic-search.toml（供宿主集成）。
• scripts/：academic_search.py、converters.py、format-converter.py、preflight.py。
• references/：citation-parser.md、dedup-engine.md、source-tiers.md、search-strategy.md、6 个子工作流（wf1~wf6）、示例 .bib/.nbib/.ris。

(f) nature-paper-to-patent（最重的写作技能）

除 SKILL.md/README 外，含 scripts/（含 disclosure/ 子目录，国知局公布公告检索，需 Playwright chromium）、templates/、references/、requirements.txt + scripts/disclosure/requirements-cnipa.txt。

(g) 其他技能

nature-writing、nature-reviewer、nature-data、nature-statistics、nature-reader、nature-paper-card、nature-response、nature-paper2ppt、nature-ref-verifier、nature-literature-pipeline、nature-experiment-log、nature-proposal-writer 均遵循 §4.4 表格所列用途，内部结构同「SKILL.md + manifest.yaml + static/ + references/（+ scripts/templates/assets）」范式，README.md/README_EN.md 一一镜像。

---

5. 优势、不足、创新点与亮点

5.1 优势

1. 覆盖科研全生命周期的「技能矩阵」：从读、精读、查、验证、做图、润色、写、审、回复、转 PPT、转专利、实验记录到 proposal，几乎一条龙，且均面向 Nature/CNS 级规范。
2. 一手来源 + 显式规则：规则基于已发表 Nature 内容/官方指南，且「显式胜过隐式」，可审计、可质疑、可版本化。
3. Router-Style 静态/动态分层：只加载相关片段，上下文成本低、可扩展性强；加一种期刊风格=一个文件+一行 manifest。
4. 真实可运行产物：不只是建议，而是产出 .svg/.pptx/.docx/.enw/.html/可执行脚本，且多带来源标注与边界说明。
5. 工程化落地：关键技能（citation/downloader/academic-search）配真实脚本、单元测试、MCP server；仓库有 7 个 CI 校验工作流（metadata/README 镜像/技能索引/工作流/repository）防止退化。
6. 多宿主分发成熟：复用 vercel-labs/skills 生态 + 自带 Codex/Claude 同步与自动更新脚本，安装路径清晰。
7. 中英双语：每个技能均含中文 + 英文 README 且严格镜像，对中文科研用户友好。

5.2 不足

1. 质量高度依赖底层 LLM：所有「写作/审稿/润色」产出仍是 LLM 生成，存在编造风险；项目自己也标注候选文献为「metadata-only candidate，引用前需人工核对」。
2. 状态成熟度不均：18 个技能中多为 Draft/Beta，仅 nature-figure/nature-polishing/nature-ref-verifier/nature-literature-pipeline 标 Stable，部分技能未经真实学术内容充分验证。
3. 外部依赖与合规风险：文献检索/下载类技能涉及 PubMed/Scopus/CARSI/图书馆登录态、OpenRouter 付费 API、Playwright 浏览器自动化；nature-downloader 的「合法获取」边界依赖用户自身权限，存在合规与账号风险。
4. 商业化与开源的张力：README 含代充/成品号广告与知识星球导流，对纯技术用户而言略显喧宾夺主，也可能引发对「开源纯粹性」的质疑。
5. 技能数量带来的维护面：19 个目录 + 大量 references/static/scripts，保持中英文 README 镜像、manifest 路径一致、CI 全绿，维护成本随规模线性上升。
6. 强绑定 Agent 生态：价值依赖宿主代理（Claude Code/Codex 等）正确遵循 SKILL.md 契约，代理若「偷懒不读片段」则分层收益失效。

5.3 创新点 / 亮点

1. 「路由器 + manifest 声明式分包」的技能架构：把 axes → 文件映射 抽到 manifest.yaml，SKILL.md 只做路由决策，实现「按需加载、低成本、易扩展」——这是相比单体巨指令文件的显著工程进步。
2. ../nature-shared/ 共享包机制：通过 manifest 路径校验白名单（.. 仅允许指向 nature-shared/），在「自包含」与「复用」间取得平衡，且校验脚本防止越界路径逃逸。
3. 交叉验证与「草稿/候选」边界自觉：nature-citation 明确标注候选为 metadata-only；nature-figure 的 AI 示意图明确「草稿、不编造数值」；体现对 LLM 局限性的诚实设计。
4. 自带 MCP server 与单元测试：nature-academic-search 把技能做成真实 MCP 服务，nature-downloader 配完整测试套件，把「prompt 技能」推向「软件工程产物」。
5. 类 Scholar 的 HTML 引用浏览器：nature-citation 用原生 JS 生成可筛选/勾选/导出的引用浏览页，把「导出文件」升级为「可交互审查界面」。
6. CI 即规范执行器：validate-skill-metadata.py 等把「必需文件、name 一致、路径存在、相对路径、不越界、徽章数」编码为自动门禁，保证 19 个技能的目录结构长期不腐化。
7. 自动更新脚本的鲁棒性设计：autoupdate-skills.sh 的「节流 + 离线容忍 + 非破坏性 + 仅 HEAD 变化才同步」四原则，是「Agent 启动时静默自更新」的教科书级实现。

---

6. 总结

nature-skills 是一套面向 Nature/CNS 级科研场景的、生产级组织的 Agent Skills 生态。它最大的价值不只是「18 个科研技能」，而是提供了一套可复用、可审计、可版本化、跨代理分发的技能工程方法论——以 SKILL.md 路由器 + manifest.yaml 声明式分包 + static/references/scripts 分层为核心，把顶级期刊的隐性行规转译为机器可读、可被 AI 直接执行的指令与脚本。

对中文科研用户而言，它降低了「用 AI 做规范科研」的门槛；对 Agent Skills 生态建设者而言，它是 vercel-labs/skills 规范下内容最厚重、工程化最完整的实例之一。其短板主要在于 LLM 固有不确定性、部分技能成熟度、以及文献/下载类技能的合规边界——这些作者在设计中已用「候选标注、草稿边界、CI 门禁」做了诚实的缓解，但是否「可放心直接用于投稿」仍需使用者保持人工把关。

---

本解读基于仓库 README、SKILL.md/manifest.yaml、安装/自动更新脚本、元数据校验脚本与 nature-citation 核心源码整理，未做删改概括，可对照原仓库核对。