AI Research SKILLs Library
由 Orchestra Research 维护的最全面开源 AI 研究技能库，23 个分类从模型架构到论文写作。仅适用于 AI/ML 方向。
核心能力
23 个分类覆盖 AI 研究全链路（按需选择，无需全部安装）：
| 编号 | 分类 | 适用场景 |
|---|---|---|
| 00 | 自动研究总控 | 端到端 AI 研究自动化 |
| 01-04 | 模型架构 / Tokenization / Fine-tuning / 可解释性 | 模型开发与理解 |
| 05-10 | 数据 / 后训练 / 安全 / 分布式 / 基础设施 / 优化 | 工程与基础设施 |
| 11-13 | 评估 / 推理 / MLOps | 部署与运维 |
| 14-19 | Agent / RAG / Prompt Engineering / 可观测性 / 多模态 / 新技术 | 前沿方向 |
| 20 | ML 论文写作 | Related Work、Method 撰写 |
| 21 | 研究 Idea 生成 | 基于文献自动生成方向建议 |
| 22 | Agent 原生研究产物 | Agent 工作流产物管理 |
主要边界
- 学科限制：仅适用于 AI/ML/CS 方向。标题中的 “AI Research” 指的是研究 AI 本身，而非用 AI 做研究。
- 安装体积：完整安装所有 23 个分类较大，建议按需选择子集。
- npm 依赖：npm 包形式对非 Node.js 用户有额外学习成本。
- 部分技能（如 distributed-training）需要 GPU 集群环境，本地无法运行。
适用场景
- AI/ML 全栈研究：从 tokenization、fine-tuning 到 agent 和 RAG
- 有组织的大型 ML 研究项目：按编号分类精准定位所需技能
- 需要 npm 包管理的团队协作环境
不适用
- 非 AI 领域（化学、生物、医学、材料）——技能库以 AI/ML 技术栈为核心
- 只需要单一轻量工具的快速任务——23 个分类的完整安装体积较大
- 纯文本小模型——部分技能需要较强的推理和代码能力
安装方式
**前置条件**：Node.js >= 18、npm。 **方法一：npm 安装（推荐）** npm install @orchestra-research/ai-research-skills 然后将需要的技能目录链接到 Codex/Claude Code 的 skills 目录。 **方法二：Git Clone + 选择性安装** git clone https://github.com/Orchestra-Research/AI-Research-SKILLs.git cd AI-Research-SKILLs 如无法访问 GitHub，通过镜像下载 ZIP 包。 按需复制分类目录到 skills 目录。例如只需要论文写作： cp -r 20-ml-paper-writing/ $CODEX_HOME/skills/ **选择指南**： - AI 研究全流程：00 + 01 + 03 + 06 + 14 + 20 + 21 - 仅论文写作：20 - 仅模型训练：01 + 03 + 08 + 10 - 仅 Agent 开发：14 + 15 + 16 **验证安装**：在 Codex 中输入 "用 21-research-ideation 帮我生成 3 个关于 transformer 效率的研究 idea"。
输出样例
- 提示词：`用 20-ml-paper-writing 帮我写这篇论文的 Related Work` 附论文草稿 → 输出：基于论文草稿中引用的工作，生成结构化的 Related Work 段落，按主题分组（如：Transformer 架构 | 注意力机制优化 | 训练效率），每段引用原始论文。
- 提示词：`用 21-research-ideation 围绕 diffusion model 加速推理生成研究 idea` → 输出：3-5 个研究 idea，每个含问题定义、创新点、基线方法和预期实验方案。附带每个 idea 的可行性和风险评估。
- 边界案例：输入`帮我分析这个 XRD 图谱` → skill 返回：本技能库仅适用于 AI/ML 研究，不包含材料表征分析功能。