前两天翻 GitHub，发现科研圈悄悄冒出一批「外挂」：装几个 skill，你的 Claude / Codex 就从聊天机器人变成能选题、读文献、写稿、甚至投稿前先骂你一顿的 AI Scientist。它们加起来快 10 万星了——这不是又一波玩具，是一条正在发生的规律。
核心问题
科研，这种最吃「人的手艺」的活儿，为什么能被拆成一堆可装的技能？
注意两个前提。一是「手艺活」——提出好问题、判断实验、组织论证，长期被认为只能靠人慢慢熬。二是「可装」——不是给你一个全能机器人，而是把能力切成一块块，像插件一样按需装载。
这恰恰是过去两年「AI 科研助手」集体翻车的地方。它们大多想做一个「全能科学家」，结果样样稀松。而新一波工具走的是另一条路：不造神，只造零件。
把它拆开，看科研怎么被重装
把科研的流水线画出来，其实是一条能被切分的链路：
每一个环节，都被封装成了一个独立的 skill——你不需要懂它内部怎么跑，装上去就用。这套思路背后，是一条可以反复使用的原理：
科研劳动 ≈ 可分解的技能组合。模块化之后，谁装谁就多一支虚拟科研小队，生产力不再只等于个人能力。
证据不是空话，是 GitHub 上的真金白银（star）：
- scientific-agent-skills（31.4k）：K-Dense-AI 出品，号称「#1 科学 agent 技能库」，把任意 agent 变成 AI Scientist。
- academic-research-skills（38.9k）：Imbad0202 出品，覆盖 research → write → review → revise → finalize 全链路。
- AI-Research-SKILLs（11k）：Orchestra-Research 出品，综合科研 / 工程技能库，给任意模型装上满血科研力。
- academic-research-skills-codex（6.8k）：Imbad0202 的 Codex 原生版，主打 human-in-the-loop 流。
- Auto-Empirical-Research-Skills（3k）：斯坦福 brycewang 出品，23 个实证科研技能合集。
- claude-scientific-writer（2.1k）：K-Dense-AI 的通用科学写作。
- codex-claude-academic-skills（2.1k）：zLanqing 出品，中文向，覆盖文献阅读 / 写作 / 科学计算三件套。
- phd-skills（339）：fcakyon 出品，投稿前给自己「找骂」——paper reproduction / self-critique。
八个仓库，累计近 10 万 star，而且全部近期还在更新。这意味着科研圈不是在看热闹，是在真用。
两种搞科研的方式
大多数人对「AI 科研」的想象，还是左边那种：
区别不在「有没有 AI」，而在能力是不是被模块化成了可装配的零件。前者把希望押在一个全能模型上，后者把科研拆成环节、每个环节配一个专精技能——这恰恰是工程上「关注点分离」的老智慧，第一次被大规模塞进了科研 workflow。
它站在哪些已知规律上
这批工具不是凭空冒出来的，它背后站着几条早就被验证过的规律：
- engineering_principle：关注点分离 / 模块化（SOA、微服务同构）——把复杂系统拆成独立可替换的单元，是软件工程几十年验证过的铁律（verified）。科研流程被拆成 skill，是这套逻辑在「科研」这个系统上的复刻。
- scientific_theory：认知外包 / distributed cognition（verifiable）——人类早就在把记忆、计算、推理外化到工具和协作者身上，skill 只是最新一代「外脑」。
- business_model：技能即劳动力（verifiable，与 OPC Skills 同源）——创业分工能被拆成可装插件，科研分工也能；劳动分工正从「人」转向「技能模块」。
- human_behavior：学术圈的「工具焦虑」与 FOMO 传播（unverified，有待验证的视角）——这批仓库能冲到近 10 万星，也有科研人「怕被落下」的情绪推波助澜，别把它当成纯理性的效率胜利。
最后一条是视角、不是事实，不能当成定论。
8 个工具，怎么选
落到实操，按你最痛的环节挑：
- 想一条龙：academic-research-skills（38.9k）全链路最稳，或 AI-Research-SKILLs（11k）当综合库。
- 想给任意 agent 开光：scientific-agent-skills（31.4k），号称能把你的 Claude / Codex / Gemini 变成 AI Scientist。
- 中文环境：codex-claude-academic-skills（2.1k），文献 / 写作 / 科学计算三件套为中文科研用户设计。
- 写作用：claude-scientific-writer（2.1k）通用科学写作；要 Codex 流用 academic-research-skills-codex（6.8k）。
- 做实证：Auto-Empirical-Research-Skills（3k）的 23 个技能合集。
- 投稿前找骂：phd-skills（339），让 AI 先挑你刺，比审稿人还早一步。
边界，要诚实地讲
任何被吹上天的东西，都要说清它不做什么。这批 skill 的失效边界很清晰：
- 「提出好问题」和原创性突破，难以模块化——它给你零件，不替你想方向。
- 实验设计与结论可靠性，必须人在环把关；工具不替你负责任，瞎用就是学术不端。
- 仓库碎片化、质量参差，星高不等于适合你；更要警惕把生成内容当自己成果交上去的诚信红线。
所以它不是「AI 替你发论文」的黑魔法，而是一个能力货架——给你 80 分的零件，剩下 20 分的判断与原创，还是得人来做。
真正可复用的那条规律
把这批科研 skill 当成「又一个工具合集」就小看它了。它背后站着一条更通用的规律：
凡是依赖「流程型手艺」的专业劳动，都会被拆成可装配的技能模块——谁先装配，谁先多一支虚拟团队。
这条规律不只适用于科研。它解释了为什么 OPC Skills 把创业流程拆成可装插件、为什么 Ditto 把网页当成可重建的源码——同一类「结构被模块化重构」的规律，正在一个行业接一个行业地落地。
科研只是最新被改写的一块。下一个，会是谁？
