一、基本信息
| 项目 | 内容 | 数据来源 |
|---|---|---|
| 正式名称 | AI-Research-SKILLs | GitHub 仓库名 |
| 项目自述名称 | AI Research Skills Library | README 标题（与正式名称不同，仅记录不作名称使用） |
| 作者/维护者 | Orchestra Research（GitHub 组织：Orchestra-Research；README 贡献者统计为 1 人） | GitHub API |
| 来源链接 | https://github.com/Orchestra-Research/AI-Research-SKILLs | — |
| 许可证 | MIT | GitHub API、npm registry 双重确认 |
| GitHub Stars | 10,824 | GitHub API（认证访问） |
| Forks | 799 | GitHub API |
| 最新版本 | v1.7.2（2026-06-16 发布，“Qoder Agent Support”） | GitHub Releases API，与 npm 包版本号一致 |
| 安装方式 | npx @orchestra-research/ai-research-skills（交互式安装器）或 Claude Code 插件市场 |
官方 README |
二、功能介绍与亮点
面向 AI 研究与机器学习工程全生命周期的技能库，98 个技能、23 个大类，覆盖模型架构、微调、分布式训练、推理部署、可解释性、安全对齐、评测、RAG、多模态直到论文写作与创意生成。
亮点：
- Autoresearch 编排层：自动路由到其余 97 个领域技能，管理“调研→实验→综合→写作”全流程，已产出两篇公开演示论文；
- 一条命令跨生态安装，自动探测已装 Agent 并建立软链接；
- 文档体量大且可溯：每技能约 200–500 行，配套 300KB+ 参考资料；
- 有安全响应记录：v1.7.1 做过库存核查、CI 漂移守卫与依赖加固。
内容以自动化文档抓取整理为主而非人工原创，深度依赖上游文档质量。
三、适用场景
固定分类：内容创作与知识管理
适用于系统性开展 AI/机器学习研究：文献调研、实验设计、训练调优、结果综合与论文撰写。受益人群为高校/实验室 AI 研究者、大模型训练部署工程师。
四、跨 Agent 兼容性
| Agent | 结论 | 依据 |
|---|---|---|
| Claude Code | 原生支持 | 官方 README 明确列为首位支持对象，另提供 Claude Code 插件市场安装方式与 /loop 长时自主运行集成 |
| Codex | 支持 | 官方 README「Supported agents」列表明确列出 Codex，由同一安装器自动探测并建立软链接 |
| OpenClaw | 支持 | 官方 README 明确列出 OpenClaw，且 Autoresearch 技能专门说明了 OpenClaw 下用 cron 任务实现持续运行的方式 |
| Hermes Agent | 支持 | 官方 README「Supported agents」列表与安装器“自动探测已安装 Agent”清单中均将 Hermes Agent 列在首位 |
五、推荐理由
机器学习工具链更新极快，这套技能库把分散在几十个项目文档里的知识整理成统一参考资料；Autoresearch 层进一步把“选用哪个领域技能”自动化。一条命令即可在四大生态安装，覆盖面与迭代速度同类领先。
六、评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 9 | GitHub 10,824 Stars（认证 API 核实）；npm 包同步发布、Slack/Twitter/LinkedIn 社区渠道齐全，但成立仅约 8 个月且未发现独立第三方媒体报道，故未给满分 |
| 可用性 | 9 | 一条 npx 命令即可交互式安装，自动探测并适配已安装的 Agent；文档详尽（README + 300KB+/技能参考资料）；最近一次发布于 2026-06-16，维护活跃；核心功能无需付费依赖 |
| 安全性 | 7 | 见下方安全检查清单 |
| 综合评分 | 8.3 | 三项均值 |
安全检查清单：
| 检查项 | 结果 |
|---|---|
| ① Shell 命令与权限范围 | 安装器执行 npm install 与文件软链接/复制操作，范围限定在用户目录（~/.orchestra/skills/）及各 Agent 的技能目录内，行为透明 |
| ② 运行时联网外发 | 安装器从 npm registry 拉取包内容，并与官方“Orchestra marketplace”同步技能更新；抓取到的文档未发现向未知第三方外发用户数据的迹象 |
| ③ API Key/凭据 | 技能库本身不强制要求 API Key；引用的第三方训练/推理框架若需要凭据，由用户按各自框架的标准方式自行配置 |
| ④ 可疑指令排查 | README 与已抽查的核心技能（Autoresearch）SKILL.md 中存在面向 Agent 的“读取安装引导页并自动完成安装”式引导文案，属公开透明的自助安装说明，未见混淆代码或隐蔽指令；Autoresearch 技能明确要求以自主模式运行、不逐步征求用户确认，用户需知悉这一设计（详见第十一节） |
| ⑤ 作者/组织信誉 | 有独立官网、Slack 社区、npm 已发布包，但 GitHub 贡献者统计仅 1 人，非成熟机构背景，扣分项 |
| ⑥ License | MIT，条款清晰；README 提示部分技能引用的第三方库许可证可能不同，需使用者自行核对 |
| ⑦ 最近维护 | 活跃，最新版本发布于 2026-06-16，且该版本专门包含安全加固内容 |
①②③⑥⑦表现良好，④存在需用户知悉的自主运行设计，⑤团队规模小而扣分，安全性定为 7。
七、跟同类 Skills 相比的优势
| 对比对象 | 定位 | 与本 skill 的差异 |
|---|---|---|
| academic-research-skills | 面向人文社科/通用学术写作的“文献检索—写作—评审—发表”多智能体流水线 | 该项目聚焦论文写作规范与引用校验，不覆盖模型训练、分布式计算、推理部署等机器学习工程细节；本 skill 则专精 ML/AI 研究工程技术栈 |
| scientific-agent-skills | 面向生物、化学、医学、药物研发等自然科学领域的科学家工具集，含 100+ 科学数据库 | 定位是通用“AI 科学家”，覆盖科学实验与数据库检索，但不涉及大模型训练框架、分布式训练、推理引擎等 AI 工程细节；本 skill 恰好互补这一空白 |
| 通用型研究工作流技能（如聚焦文献综述、研究设计、项目记忆的轻量目录类技能） | 提供跨 Agent 的研究流程骨架（文献综述、研究设计、稿件写作） | 覆盖面偏流程性、体量较小，缺少针对具体训练/推理框架的技术深度；本 skill 在通用研究流程之外，额外提供 98 个技能中大量面向具体工具链（Axolotl、DeepSpeed、vLLM 等）的实操参考 |
核心差异化：同类“研究类”技能通常专精学术写作或某一科学领域，本 skill 是唯一同时覆盖“AI/ML 研究工程全技术栈”与“自动化研究编排”的技能库。
八、用户评价
该技能目前在第三方平台尚无可独立核实的具名用户评价，已收录的第三方目录站点也仅提供基本信息。
九、其他补充
提供 Slack、X、LinkedIn 社区入口。自 2025 年 11 月首个版本以来已扩展至 98 个技能、23 个类别，迭代稳定。
十、安装使用方式
推荐方式（交互式安装器）：
npx @orchestra-research/ai-research-skills自动探测本机已装的 Claude Code、Codex、OpenClaw、Hermes Agent，将技能以软链接装入各自技能目录（Windows 下降级为复制）。
其他常用命令：
npx @orchestra-research/ai-research-skills list # 查看已安装技能
npx @orchestra-research/ai-research-skills update # 更新已安装技能Claude Code 插件市场安装（可选）：
/plugin marketplace add orchestra-research/AI-research-SKILLs
/plugin install <category>@ai-research-skills安装后： 无需重启 Agent，新技能下一次对话即可调用；启用 Autoresearch 需设置持续运行机制（Claude Code 为 /loop，OpenClaw 为 cron）。
十一、注意事项
- Autoresearch 被设计为“全自主运行”、不逐步征求确认，使用前应了解并定期查看其进度报告；
- 内容以自动化文档抓取整理为主，深度依赖上游框架文档质量与更新及时性；
- 引用的训练/推理工具各自可能有独立许可证与系统依赖（如 GPU）；
- 团队规模较小（贡献者统计为 1 人），长期维护可持续性需持续观察。