AI学术工作流 · 「AI学术训练营」skills 库（乔淼PhD）

「AI学术训练营」（乔淼PhD）配套的 AI学术工作流 skills 库：把训练营讲授的完整学术工作流——选题 → 文献搜索 → 文献分析 → 研究设计 → 数据分析 → 全文初稿——拆到步骤颗粒度，共 31 个 skills。装进 Claude Code / Codex，按任务单独调用，或自由排列组合。

谁在用：AI学术训练营学员

这是什么

「AI学术训练营」教的是一套完整的 AI学术工作流，方法论锚点与课程一致：

训练营学员手里有两件配套工具，分工不交叉：

• AI学术工作台（单文件 HTML，随课发放）——为六大工作流之间的流畅交接而优化：填表出 prompt、产出按命名表落盘、下一步自动读上一步。适合从头到尾跑通一篇论文。
• 本仓库的 skills 库——把同一套工作流拆到步骤颗粒度：每个 self-contained 的功能和步骤都是一个独立 skill，单个 skill 就能运行。适合脱离整篇论文的特定任务（单独搜一批文献、单独验真一份参考文献、单独找 research gap、单独拆一篇范文……），也适合按自己的需要排列组合。

每个 skill 都是同一个三层拼装：

• 📖 方法论 — 每一步锚定权威来源（上表），不是 AI 即兴发挥
• 🤖 Skill — 把方法步骤翻译成 Claude Code / Codex 能执行的指令，硬约束写死（不编造文献、验真零容忍、零结果合法呈现、每个数值报 N）
• 👤 你 — 理论判断 / 关键选择 / 实质性意义（每个 checkpoint 都停下等你拍板，AI 不替你做主）

三者拼起来 → AI 扛流程，你做判断。

Skills 树（31 个）

按工作流组织。任务级 skill 是完整任务的入口（内部按序编排步骤级 skills，阶段间停下确认）；步骤级 skill 单独调用、自由组合。

0 · 项目初始化（可选）

01 · 选题

02 · 文献搜索

03 · 文献分析

04 · 研究设计

05 · 数据分析

06 · 全文初稿

S · 数据 Skill 工坊（自己造 skill）

18 个 prompt 与 2 个数据分析 skills 的关系

prompts/ 目录下的 18 个 prompt（定量 7 + 定性 11）就是 analyze-quantitative-data 和 analyze-qualitative-data 两个 skills 的内容本体——装了这两个 skills，Claude Code / Codex 会在合适的分析步骤自动应用对应 prompt 的方法与硬约束；不装 skills（或用其他 LLM）的用户，也可以直接浏览 prompts/，复制 ## ✂️ Prompt 模板 段落粘贴填空使用。

📊 定量 · Neuman Ch 12（7 个，= analyze-quantitative-data 的步骤）

📝 定性 · Neuman Ch 14（11 个，= analyze-qualitative-data 的步骤）

编码三阶段 (Strauss 1987):

边编码边写:

七大分析策略:

安装

Claude Code · 一行命令

curl -fsSL https://raw.githubusercontent.com/qiaomiaojoe/ai-academic-workflow/main/install.sh | bash

（脚本会把仓库内全部 skills 装到 ~/.claude/skills/；检测到 Codex 目录时同时装到 ${CODEX_HOME:-$HOME/.codex}/skills/。）

Codex / 手动安装

git clone https://github.com/qiaomiaojoe/ai-academic-workflow.git

# Claude Code
cp -r ai-academic-workflow/skills/* ~/.claude/skills/

# Codex
mkdir -p "${CODEX_HOME:-$HOME/.codex}/skills"
cp -r ai-academic-workflow/skills/* "${CODEX_HOME:-$HOME/.codex}/skills/"

只想要某几个 skill？拷对应目录即可——每个 skill 自包含，单独装单独用。

触发例句（装好后直接说）

• "帮我选题，我想研究……" → topic-workbench 分诊 → 对应选题模式
• "把我的选题拆成 PXYV" → topic-pxyv-parse
• "检查这些参考文献是不是编的" → lit-verify
• "把这批文献做金字塔分层" → lit-pyramid
• "帮我找这个方向的 research gap" → research-gap-scan
• "我要分析这份调查数据" → analyze-quantitative-data；"帮我编码这些访谈" → analyze-qualitative-data
• "批判性阅读这篇 paper" / "帮我做 RP 批注" → critical-paper-reading
• "拆这篇 model paper" → model-paper-deconstruct
• "把这本教科书 PDF 做成 skill" → skill-forge
• "帮我搜文献入 Zotero"（完整任务）→ literature-search；"做文献综述" → literature-analysis

Skills 设计原则

1. 单个 skill 可独立运行：输入按"你直接给的 > 项目结构自动读 > 问最小输入"三级解析，不因缺上游文件卡住。
2. 可组合：在 academic-project-init 建的项目结构里，产出按 CLAUDE.md 命名表落盘，下游 skill 自动衔接；步骤级 skills 也可以按你的需要任意排列组合。
3. 硬约束不稀释：不编造文献（[TBD-citation] 占位）、验真零容忍、零结果合法呈现（Neuman p.426）、CRITICAL/REFUSE 原样保留。
4. Checkpoint 必停：方案选择、准则确认、落盘审批等关键节点必须停下等你拍板。
5. Prompt 三段结构（与训练营讲授一致）：前段喂 context → 中段学术逻辑（含硬约束）→ 后段落盘规范。

边界声明

这套工作流不替代:

• 研究问题的价值判断（PXYV 拆得出结构，拆不出你的学术品味）
• 因果识别（需要研究设计 + 域内专家）
• 复杂方法（mediation / SEM / multilevel）的最终把关

关键步骤必须找比你懂的人帮看 30 分钟——这是入门者的现实。AI + 方法论框架能把你从"完全不会"推到"能问出有质量的问题"。

引用

如果这套工作流帮到了你的研究, 引用:

乔淼 (2026). AI学术工作流: 从选题到全文初稿的 skills 库.
https://github.com/qiaomiaojoe/ai-academic-workflow

数据分析部分的教科书原始出处:

Neuman, W. L. (2014). Social Research Methods: Qualitative and Quantitative
Approaches (7th ed.). Pearson Education Limited.

License

版权所有 · 受限使用 © 乔淼（乔淼PhD）。

• ✅ 任何人可查看本仓库, 并在个人、非商业的学习研究中试用
• ✅ 「AI学术训练营」付费学员获得个人学术研究的完整使用授权
• ❌ 未经作者书面许可, 禁止再分发（转载 / 打包 / 镜像 / 上传其他平台或社群）
• ❌ 禁止任何商业使用（付费课程 / 培训 / 咨询 / 盈利性产品与服务）

商业合作与授权咨询: 微信公众号「乔淼PhD」。完整条款见 LICENSE。