深入解析 ResearchStudio：微软开源的 AI 科研副驾驶，到底做了什么？

📘 原文信息

• 项目名：ResearchStudio
• 机构：Microsoft Research + 多家高校（作者团队 30+ 人）
• 发布日期：2026-07-03（Idea 部分）/ 2026-07-08（Reel 部分）
• 项目地址：https://github.com/microsoft/ResearchStudio ↗
• Idea 论文：https://arxiv.org/abs/2607.04439 ↗
• Reel 论文：https://arxiv.org/abs/2607.04438 ↗
• Demo：https://researchstudio.site/ ↗
• 许可证：MIT
• 推荐模型：Claude Opus 4.6+ / GPT-5.5+
• 运行环境：Claude Code / Codex

一、为什么这个项目值得读？#

2026 年的 AI Agent 圈有一个明显的趋势：从”对话”走向”技能”——Anthropic 推 Claude Skills、OpenAI 推 Codex/OpenAI Apps、MCP 协议把”工具调用”标准化。微软 ResearchStudio 是这条趋势上最重磅的”垂直域落地”：把”做研究”这件最复杂、最依赖专业知识的工作，拆成一组可被 Agent 调用的 Skills。

它解决的核心问题是：一个研究者从”模糊方向”走到”一份完整发布物料”，过去要 3-6 个月；现在被一组 Skills 串起来，可以压缩到几天甚至几小时。

更让人震撼的是这套系统的工程深度——整个仓库 3,620 行 SKILL.md、几百个 Python 脚本、10+ 个 Phase 的精细编排、严格的”Faithful by construction”原则。这不是一个 demo 项目，而是一个真有人会用的工具栈。

本文按论文 + SKILL.md + 实际代码三个维度做一次重述与解读，重点是：

1. 为什么”Skills 协议”是 Agent 走向实用化的关键？
2. ResearchStudio 的整体架构怎么拆？
3. IdeaSpark 的 5 阶段工作流是怎么解决”AI 生成研究想法”这个难题的？
4. Paper2Reel 5 个 Skills 怎么共享资产包？
5. 从评测结果看，这套系统”真能”超过专家吗？

二、项目定位：AI 科研副驾驶，不是一个工具#

ResearchStudio 的 Slogan 写在 README 第一行：

“Our AI co-author, from research problem to final publication.”

它不是某个”AI 论文写作助手”或者”AI 文献综述工具”——它要做的是整个研究生命周期：

研究问题（模糊）
    ↓
ResearchStudio-Idea
    ↓
想法卡片（可投的提案）
    ↓
实施 + 写论文
    ↓
论文 PDF（写完的成果）
    ↓
ResearchStudio-Reel
    ↓
发布物料（海报 / 视频 / 博客 / 交互页）

注意：它不替代”实施”和”写论文”这两个最核心的环节——这两件事仍然需要人来做。它做的是”前”和”后”两端——Idea 是”前”，Reel 是”后”。这是一种非常聪明的定位：避开 LLM 最不擅长的”长程创造”，把”两端”的工作流化、可工具化。

三、整体架构：两个互补的子项目#

仓库结构极其简洁——只有两个子项目加一个统一安装脚本：

ResearchStudio/
├── README.md
├── install.sh                    # 统一安装器，自动检测 + symlink 到 Claude Code / Codex
├── ResearchStudio-Idea/          # 前半段：研究想法
│   ├── skills/
│   │   ├── idea_spark/           # 端到端：问题 → 想法卡片（5 阶段 workflow）
│   │   ├── paper_search/         # 文献检索（6 个库并发）
│   │   └── scoop_check/          # 查新（"这事有人做过吗？"）
│   └── evaluation/               # 评测协议（vs Opus-4.8 / GPT-5.5）
└── ResearchStudio-Reel/          # 后半段：论文发布物
    └── skills/
        ├── paper2assets/         # PDF → 结构化资产包
        ├── paper2poster/         # 资产包 → 海报（HTML + PDF + PNG + PPTX）
        ├── paper2video/          # 资产包 → 讲解视频（MP4 + PPTX）
        ├── paper2blog/           # 资产包 → 中英双语博客（DOCX）
        └── paper2reel/           # 海报 + 视频 + 博客 → 交互式 reel viewer

3.1 两个子项目的能力对比#

3.2 共同的设计原则#

两个子项目共享几条核心设计哲学：

1. Faithful by construction——每个论断要么有引用，要么显式标记为模型补全。这是 IdeaSpark 的核心承诺。
2. 可单独使用 + 可组合——每个 Skill 都是独立可调用的，但通过共享的 Output Contract 组合起来不会重复计算。
3. 显式可失败——IdeaSpark 有 3 种 terminal outcome（成功 / do_not_generate / phase_3_failed），Reel 的 paper2poster 有两个 hard gate（figure fill ≥ 90% / section full 0.90-1.00）。
4. 默认用最便宜的模型跑最简单的事——文献模式分类、Ideas 的 derive 阶段都用 NOVELTY_LLM_CLASSIFY_FAST_CMD 路由到便宜模型；只有推理密集阶段才用大模型。

四、IdeaSpark：5 阶段 Workflow 怎么解决”AI 生成研究想法”#

IdeaSpark 是 Idea 部分的旗舰，也是整个项目最复杂的 Skill。它把”从模糊问题到可投稿想法”拆成 5 个阶段，每个阶段都有自己的 SKILL.md、prompt、validator。

4.1 为什么”AI 生成研究想法”特别难？#

普通的 RAG / Agent 任务里，LLM 只需要”找答案”或者”汇总”。但”生成研究想法”需要的是：

1. 理解现有文献——一个 ML 领域可能有上千篇论文，AI 要知道”哪些已被做过”
2. 找到 bottleneck——不是简单”还没人做”，而是”为什么没人做？做不出来是因为什么？”
3. 跨越模式——好的研究想法往往是”把领域 A 的方法搬到领域 B”，需要跨域联想
4. 可证伪——必须能写出”如果这个想法对，那么实验 X 应该出现现象 Y”——即 falsifiability
5. 可实施——算力预算、数据需求都要现实

LLM 在前两点经常”幻觉”，在第三点经常”太保守”，在第四点经常”含糊”，在第五点经常”超现实”。

4.2 五阶段 Workflow#

IdeaSpark 用一个严格序列化 + 多层 gate 的 5 阶段 workflow 解决这些难题：

Phase 0: Literature grounding
   ↓ (必须：全文本抓取，hard gate)
Phase 1: Bottleneck identification
   ↓ (必须：proceed / do_not_generate)
Phase 2: Selection + Generation (2.1 + 2.2 + 2.3 coherence gate)
   ↓ (citation gate + coherence gate 都过)
Phase 3: Quality gauntlet (3.1 collision + 3.2 audit + 3.3 revise)
   ↓ (advance / revise / abandon)
Phase 4: Expansion + packaging (skeleton + fill + assemble + audit + render)
   ↓
输出: 想法卡片 (Markdown + PDF + LaTeX)

每个阶段都有自己的 prompt、validator、和失败处理逻辑。让我按阶段展开：

Phase 0：Literature grounding（文献接地）#

• 多源并发检索：同时跑 4 个 connector（arxiv 0-6mo / openalex 6-24mo / semanticscholar 6-24mo / openreview 0-6mo）
• 非重叠时间窗：避免同一篇论文被不同源重复抓
• 全文本抓取（MANDATORY）：Phase 0 一落地立刻抓全文到 fulltext_cache.json——Phase 1 hard-gate 在这个文件上
• 缓存机制：跨 run 共享 ~/.cache/ideaspark/fulltext/，TTL 30 天
• 机制优先查询：用户问题先做 intent recognition，问题被转成”机制视角”的查询（避免被综述类论文稀释）

💡 小吴笔记：Phase 0 的”全文本抓取是 hard gate”是这个项目最值得学习的设计之一。“用摘要做综述”是 LLM 圈最容易出错的地方——摘要会漏掉方法细节、限制条件、消融实验。IdeaSpark 直接把”没读到全文就不能进 Phase 1”做成系统约束，用工程强制保证 factuality。这是”Faithful by construction”原则在底层架构上的体现。

Phase 1：Bottleneck identification（找瓶颈）#

核心产出：

• bottleneck_statement——必须 inline 引用 ≥ 2 个 paper_id
• closest_adjacent[]——最接近的相邻工作（Phase 3 collision 的预热）
• what_phase_0_did_not_address[]——Phase 0 没覆盖到的 gap（每个 gap 都要以 stakes clause 结尾：“这事重要是因为…”）
• state ∈ {proceed, do_not_generate}——明确的二元路由

OOD short-circuit（out-of-domain 短路）：

• “Too broad” → do_not_generate
• “No anchor”（没找到具体论文做参照）→ do_not_generate
• < 5 个真正相关论文 → do_not_generate
• 纯 benchmark / dataset construction → do_not_generate

Phase 2：Selection + Generation（选 + 生）#

这是 IdeaSpark 最有方法论价值的一节，分 2.1 / 2.2 / 2.3 三个子步骤：

Phase 2.1——“选”：从 15 种 ideation 模式 + 31 种子模式里选一个或组合，要求是：

• 必须 ≥ 2 种不同模式（默认），以 CHAIN（在 anchor 上的连续操作）或 SIBLING（共享 anchor 但贡献独立的额外模式）的形式组合
• Anchor-only 是合法但少见的选择（需要 composition_note 解释为什么 anchor 单独就够）
• 单一模式选择必须能通过”removal test”——去掉这个模式，anchor 的故事不完整

Phase 2.2——“生”：产出 12 字段的 JSON，包括 core_mechanism / falsification_prediction / compute_budget 等。其中几个 hard rule 特别值得展开：

Phase 2.3——coherence gate：用一个全新 context 的 LLM 调用验证 internal validity，方法是执行 5 个 trace actions（不是 review）：

1. formalize dataflow（找 undefined symbols / missing producers / circular deps）
2. numeric dry-run（一个具体实例上的量级 / 概率运算）
3. degenerate probes（empty / k=0 / ties）
4. claim → step mapping（每个 assertion 映射到建立它的 step）
5. naive-baseline comparison（独立构造 naive 版本，同实例跑，对照 candidate 的 branch）

这是个非常硬核的设计——coherence gate 用”执行”而不是”评审”来检查内部一致性。“逻辑错误用流畅的语言读不出来，但算出来就能发现”——这种工程化的”反幻觉”思路和 PaperQA2 的 render-then-verify 一脉相承。

Phase 3：Quality gauntlet（质量门槛）#

Phase 3 是整套流程的”质量关卡”，分 3 个子步骤：

Phase 3.1 collision——主动检索”撞车”：

• 两个通道：signature（候选 idea 的 signature_terms[] 在 10 个月窗口）/ alias（候选 idea 的 alias_terms[] 在 48 个月窗口）
• 关键洞察：仅靠 signature 窗口扩张是抓不到”renamed ancestor”的——比如 “goal-conditioned success detector” vs “goal-image conditioned scorer”，是词汇差异不是时间差异。所以 alias 通道必须独立存在。

Phase 3.2 audit——5 项 corpus-anchored 检查：

判定分两层：hard floor（LLM 不能 override，必须 abandon）+ soft judgment（advance 或 revise with concrete revision_targets）。

Phase 3.3 revise——patch-only 修改（永远不重新判 verdict），然后 merger 合并到 final_candidate.json。

Information-gain retry rule——如果 abandon，每次 retry 必须携带新 lessons（不是同样失败再来一次）。直到 3 次 candidate cycles / bottleneck re-diagnosis / no new lessons → phase_3_failed.md 终态。

Phase 4：Expansion + packaging#

把通过审核的 candidate 扩展成最终的可投卡片：

1. skeleton（deterministic）——填充所有机械字段（kill-switch echoes、differentiation、feasibility validation、reviewer_concerns 等）
2. fill（one isolated LLM call）——写技术性 TODO paths → fill_map.json
3. assemble (partial) → derive → assemble (final)——assembler 合并 fill_map 和 derive_map（derive 用便宜模型做 register 转换）
4. implementability audit (4.1.5)——skeptical engineer persona 重写每个 method step 为可构建 spec（EN+ZH），标记 underspecified points
5. validate + render——templating only（无 model 调用），输出 idea.std.zh.md / idea.std.en.md / idea.detail.en.md + LaTeX → PDF

输出：3 张卡片 + LaTeX 源 + 每阶段的 JSON 中间产物。

4.3 几个工程上最值得说的设计#

4.3.1 Context discipline：三规则防 timeout#

IdeaSpark 一次完整 run 会积累 180-250k tokens 的中间状态。如果让 host LLM 在自己的 context 里带着这些状态跨阶段跑，Phase 1 / 2.2 / 4.fill 经常撞到 [API Error · Request timed out · Retrying...]。

解法是三条规则：

1. 每个 LLM 驱动的 phase 都在 isolated context（sub-process / sub-agent / manual reset 三选一）
2. 每个 phase 的 artifact 直接 Write 到磁盘，不 paraphrasing 到 chat 里
3. 在 phase 之间 compact（Phase 0+ / 1 / 2 / 3.2 之后）

💡 小吴笔记：这是”工程换智能”的又一个好例子。LLM 的能力上限在今天，但 host LLM 的 context window 是有上限的——把”长流程跑在单 context 里”换成”短流程 + 持久化 artifact”，用文件系统当 LLM 的外存，整套系统的可靠性立刻上一个台阶。

4.3.2 Cross-run dedup#

如果同一用户连着跑几个相邻方向（比如先 “KV cache compression” 再 “long-context inference”），不做 dedup 的话容易重复发明同一个 mechanism family。

IdeaSpark 在 Phase 2 emit 里自动扫描 sibling run dirs，把最近 5 个的 canonical candidate titles + signature terms 作为 soft-negative-anchor 输入注入。这样新 run 不会被同样的 anchor 困住。

4.3.3 Citation gate 和 kill-switch integrity#

Phase 2 输出后必须跑两个 hard validator：

kill_switch_integrity 这个名字起得很有意思——“kill switch”指的就是这两字段是后续阶段都不能改的硬约束（除非是 audited 的 falsification rewrite）。这种”防止后续 LLM 调用悄悄改关键字段”的设计是对”LLM 偷改 prompt”这一类失败模式的硬防御。

五、ResearchStudio-Reel：5 个 Skills 怎么共享一个资产包#

Reel 部分的设计哲学和 Idea 完全不一样——它更”工业”，更像是数据处理 pipeline。核心创新是 Output Contract——5 个下游 renderer 共享同一个 <outdir>/ bundle。

5.1 Output Contract：bundle 的标准布局#

<paper-name>/
├── manifest.json                  # 包索引（paths + counts + source-PDF sha256）
└── assets/
    ├── figures/                   # 清洗后的图表 PNG (~432 dpi)
    ├── logos/                     # 每个机构的 logo（从 Wikimedia Commons）
    ├── qr/                        # 论文 / 代码 URL 的 QR 码
    ├── audio/                     # paper2poster 生成的 TTS 音频
    ├── fonts/                     # Inter 字体
    └── meta/
        ├── paper_spec.md          # 9 节结构化摘要（Problem / Motivation / Contribution / Method / ...）
        ├── metadata.json          # title / authors / institutes / venue / paper_url / code_url
        ├── text.txt               # PDF 全文（所有引用数字的权威来源）
        ├── figures.json           # 每个图表的元数据
        ├── captions.json          # 检测到的 "Figure N: ..." 标题
        ├── sections.json          # paper_spec.md 解析为 per-section JSON
        └── narration.json         # TTS 脚本（无音频；renderer 自己合成）

关键规则：

1. 顶层只放 deliverable FILES（poster.html / blog_zh.docx / video.mp4 / reel.html）——没有松散中间产物
2. 每个依赖都放到 assets/ 下，按用途分子目录
3. deliverable 引用资产用 root-relative path（assets/figures/...）—— bundle 是 self-contained 且可移动的

这个设计的好处是反重复计算——比如你先用 paper2poster 出了一版海报，发现博客里某个段落需要重写；只要 paper2assets 的产物还在，下游 renderer 都不需要重跑。

5.2 paper2assets：唯一的 hard stage#

Reel 的所有 5 个 Skill 里，paper2assets 是唯一必须真的解析 PDF 的 stage，其他 4 个 renderer 都是”读 paper2assets 的产物 + 渲染”。

paper2assets 的流程（7 步）：

1. Cache check——如果 outdir 里已有 artifacts，直接 stop，不重复做。这避免每次跑都重新提取（每次要 5-10 min Claude tokens + 风险覆盖用户编辑）。
2. Figure 提取——优先级：先试 source_figures.py（从 arXiv 源码或用户提供的链接拿原图），只有失败才 fallback 到 PDF 裁剪。
3. PDF 文本 + captions 提取——pdftotext -layout + 检测 “Figure N: …” 模式。
4. metadata.json——模型从 paper front matter 抽取 title / authors / institutes / venue / paper_url / code_url。
5. paper_spec.md——模型按 9 个固定 section（Problem / Motivation / Contribution / Method / Dataset/Benchmark / Key Result / Ablation Study / Headline Numbers / Takeaway）生成结构化摘要，每节有 Necessary / Additional / Audio script 三个 subfield。
6. Logos + QR——Wikimedia Commons 拉机构 logo + 论文 / 代码 URL 的 QR 码。
7. build_package——sections.json + narration.json + manifest.json。

5.3 paper2poster：迭代式”填版面”#

paper2poster 是 Reel 里工程最复杂的 Skill——它把 paper_spec.md 渲染成单页 HTML 海报，导出 PDF + PNG，再用 bundled 的 html2pptx 子 Skill 生成可编辑的 PPTX（不是位图，是原生 shapes）。

它有两个 hard gate——任何一项不满足都必须重新迭代：

1. 每张 figure fill ≥ 90%——海报上每张图必须在某个轴上填满 90-100% 的 section 区域。低于 90% 就是”小图章贴在卡片里”——明显的视觉缺陷。
2. 每个 section 都在 FULL 区间——fullRatio 必须在 [0.90, 1.00]。OVERFLOW (>1.10) / SPILLAGE (1.00-1.10) / SPARSE (0.70-0.90) / EMPTY (<0.70) 都是不可接受的终态。

整个流程是一个measure → select → apply → review 循环，每轮根据 check_poster.py slack 和 check_poster.py polish 的反馈调整：

check_poster.py slack → section full ratio
check_poster.py polish → figure fill ratio

具体调整方法有 16 种 reusable CSS widgets（callouts / key-stat / vs-compare / numbered-steps / timeline / chips / definition / highlight-table / pullquote / bento / equation / banner），按 5 种”shave-back”规则（cap tune / 收紧 prose / 缩短 caption / 重新平衡列）迭代。

💡 小吴笔记：paper2poster 的”迭代式填版面”是 2026 年 LLM agent 工程里非常漂亮的设计。它把”设计海报”这种创造性任务工程化为一个 measure-driven loop——LLM 在每轮根据精确反馈调整，而不是凭直觉自由发挥。这是 “LLM 写代码” 和 “LLM 做设计” 共同的未来——用 metrics / gates 替代人审。

一个有意思的细节：海报自带的 TTS 音频——打开 HTML 按 a 键，每个 section 都有 ~80 词的朗读 MP3，“Full Listen” 把这些拼接成完整的音频导览。默认用免费的 Microsoft Edge TTS，不需要 API key。这让海报本身从静态 PDF 升级成”可听的演示”——一个对盲人或通勤者都很友好的设计。

5.4 paper2blog：中英双语的”非翻译”设计#

paper2blog 把论文转成中英两个 .docx 文章。它最特别的设计是：两篇文章不是翻译，是”按各自调性重写”：

• 中文版（_zh）按微信公众号调性写——克制、有节奏感、强调”读者能用得上什么”
• 英文版（_en）按研究博客调性写——中立、信息密度高、强调”读者能从技术上学到什么”

但两篇文章共享同一份证据图、图表、数字、引用链接——这是通过共享 paper2assets 的 figures/ 目录 + paper_spec.md 里的 fact-only 字段实现的。

输出目录：

<outdir>/
├── blog_zh.docx                   # 中文公众号版
├── blog_en.docx                   # 英文研究博客版
└── assets/
    ├── meta/                       # QA reports / outlines / previews
    └── figures/                    # 共用的裁剪图（paper2assets 复用）

5.5 paper2video：从 paper 到带讲解的视频#

paper2video 把论文转成讲解视频。输出很丰富：

<outdir>/
├── video.mp4                      # 带字幕的最终视频
├── video_no_subtitles.mp4         # 无字幕版（给 paper2reel 用，避免双字幕）
├── video.pptx                     # 可编辑的 PPTX
└── assets/
    ├── audio/                      # TTS 音频
    ├── captions/                   # 字幕
    ├── frames/                     # 每一帧 slide 的 PNG
    ├── clips/                      # 原始视频片段
    ├── visual_cues/                # 视觉聚焦标注
    ├── timeline/                   # 时间轴元数据
    └── qa/                         # QA 报告

默认视觉聚焦风格叫 spotlight_laser——在每张幻灯片上有一个羽化聚光（feathered spotlight）+ 一个红色激光点（red laser-pointer dot），激光点跟着 narration 节奏移动。这个设计的目的是让观众的眼睛跟着讲解走——而不是被迫扫整张幻灯片。

它和 paper2poster 一样有一个 strict QA gate——必须通过 references/qa_gates.md 的硬约束才能算完成。

5.6 paper2reel：交互式发布页#

paper2reel 是 Reel 部分的”集大成”——它把 poster + video + blog + slide 拼成一个交互式 HTML viewer：

• 打开 reel.html，poster-first 展示
• hover 到某个 section 时高亮
• 双击打开同步 modal：video + slide 缩略图 + caption + 中英 blog 内容
• 自带 CC toggle（用 video_no_subtitles.mp4 避免双字幕）
• 提供 paper / code 的下载链接

本地验证必须用 skills/paper2reel/scripts/serve_reel.py——因为 video seeking 需要 HTTP Range 支持（直接 file:// 打不开）。

六、评测：IdeaSpark 真能超过专家吗？#

6.1 评测协议#

• 种子：100 个 ICLR-2026 Oral 论文的标题（去掉方法后缀 + 摘要里的瓶颈），每个作为 problem seed
• 对照：4 个系统在同一 seed 上各产出 1 张想法卡片
  • IdeaSpark（Claude Opus 4.8）
  • Opus-4.8 (bare)——裸模型 + 同一 prompt
  • Opus-4.8 (self-gen)——裸模型 + self-generation prompt
  • GPT-5.5 (bare)——GPT-5.5 + 同一 prompt
• 评分：
  • Quality：idea-quality skill 评 Title / Motivation / Method 三轴，给 0-100 分 + verdict
  • Novelty：scoop-check skill 评 5 级 overlap

6.2 关键结果#

IdeaSpark 在 每个 ICLR primary area 都排第一——这说明 IdeaSpark 的优势不是某个特定领域赢，而是跨域一致地强。

6.3 为什么 IdeaSpark 强？#

把 IdeaSpark 的 5 阶段 workflow 反推，它胜在几个地方：

1. 强制读全文——避免在摘要层面做出错误判断
2. 15 模式 + 31 子模式的 taxonomy——不是让 LLM 自由发挥，而是给它一个**“已经被验证有效的模式空间”**
3. Coherence gate 实际跑算法——比”评审”更可靠地发现逻辑漏洞
4. 5 项 audit + collision 检索——在最后一关把”撞车”风险降到最低
5. Hard validator + kill-switch integrity——用工程保证关键字段不被偷偷改

💡 小吴笔记：IdeaSpark 的成功本质上是**“用工程手段把 LLM 逼到正确路径”**。LLM 单跑容易出错的几个地方——幻觉、撞车、逻辑漏洞、不可证伪——分别被 Phase 0 全文、Phase 3 collision、Phase 2.3 coherence、Phase 3 audit 这几个 gate 堵住。这给所有”LLM 做创意任务”的项目一个范式：不要单押 LLM 的能力，用工程化 gate 做质量保障。

七、Skills 协议：Agent 走向实用化的关键基础设施#

最后我想单独聊一下**“Skills 协议”**本身——这可能是 ResearchStudio 这个项目最有战略意义的部分。

7.1 什么是 Skills 协议？#

每个 Skill 在文件系统里是一个目录：

skills/
├── idea_spark/
│   ├── SKILL.md              # YAML frontmatter + 操作手册
│   ├── scripts/              # 可执行脚本
│   ├── references/           # 引用材料（prompt / rubrics / patterns）
│   └── ...
├── paper_search/
│   └── ...

SKILL.md 的 YAML frontmatter 包含三件事：

• name：skill 的标识符
• description：自然语言触发条件——告诉 Agent “什么时候用我”
• allowed-tools：这个 skill 可以调用的工具列表

当 Agent 运行时（比如 Claude Code），它会扫描所有 skills 的 frontmatter，根据用户输入决定调用哪个 skill。每个 skill 内部的 SKILL.md 正文是给 Agent 看的操作手册——不是给人看的文档。

7.2 Skills vs MCP / Tools / GPTs#

7.3 为什么 Skills 是 Agent 的未来？#

Skills 协议的三个关键优势：

1. 自然语言触发——description 字段让 LLM 自己决定什么时候调哪个 skill，比硬编码 function call 列表更灵活
2. 可执行手册——SKILL.md 不只是文档，是给 LLM 看的 SOP，可以包含 if/else / retry 策略 / 多阶段编排
3. 跨 runtime 复用——同一个 skill 目录可以 symlink 到 Claude Code 和 Codex 的 skills 目录，一次开发多处运行

ResearchStudio 在 install.sh 里就是这么做的：

CLAUDE_SKILLS_DIR="${CLAUDE_SKILLS_DIR:-$REPO_ROOT/.claude/skills}"
CODEX_SKILLS_DIR="${CODEX_SKILLS_DIR:-$REPO_ROOT/.codex/skills}"
# 把选中的 skills symlink 到对应目录

八、总结与启示#

回头看 ResearchStudio 的整体设计，它给”AI 做科研”这件事立了一个非常清晰的标准：

给做 Agent / Skills / 科研工具的工程师的几点启示#

1. “Faithful by construction”比”声称事实性”重要。IdeaSpark 强制”每个论断有引用或显式标记为模型补全”，把事实性从 LLM 的能力转移到系统约束。这是所有”LLM 做严肃任务”的范式。
2. Skills 协议是 Agent 走向实用化的关键基础设施。把”怎么做”以可执行手册（SKILL.md）的形式给 LLM，比硬编码 function call 灵活得多。Anthropic、OpenAI、Microsoft 都押注 Skills / Apps / GPTs 这条路不是巧合。
3. Context discipline 是长流程 Agent 的命门。IdeaSpark 的”每 phase isolated context + artifact 持久化”是任何”超过 5 步 LLM 调用”的项目必须解决的设计问题。
4. Coherence gate 用”执行”而不是”评审”。让 LLM 在小实例上真的算一遍，比让它”自己审自己”靠谱得多。这是 PaperQA2 的 render-then-verify 在 Agent 编排层的同类思想。
5. 跨 run dedup + signature vs alias 双通道——这些”看着很小但很关键”的设计是真正能用的系统和 demo 的分水岭。IdeaSpark 把”撞车检测”做成两层（signature 10mo / alias 48mo），就是为了覆盖”renamed ancestor”这种盲区。
6. Output Contract 是 pipeline 工程的灵魂。paper2assets → paper2poster → paper2video → paper2blog → paper2reel 共享同一个 bundle，反重复计算 + 反版本不一致——这是任何”多 stage pipeline”项目应该借鉴的设计模式。
7. 用 metrics / gates 替代人审。paper2poster 的”figure fill ≥ 90% / section full 0.90-1.00”两个 hard gate 把”海报做得好不好”从主观判断变成 objective measure。这是 LLM 时代所有 creative work 的未来方向。

局限与未来#

作者也提到几个未解决的问题：

• OOD 边界——哪些方向应该 do_not_generate 还需要更多领域知识
• Ideation 模式的可扩展性——15 模式 + 31 子模式覆盖了 ML 主流，但物理 / 化学 / 生物等可能需要新的模式
• TTS 质量——默认 Microsoft Edge TTS 是免费的但语调比较平，复杂讲解场景可能需要更强的 TTS
• Reel 的本地化——目前双语只支持中英，西班牙语版也在做，但需要更多语言支持
• Agent runtime 的兼容性——目前只支持 Claude Code 和 Codex，其他 runtime（Cursor / Cline 等）需要适配

参考资料：

• ResearchStudio GitHub ↗
• ResearchStudio-Idea 论文 ↗
• ResearchStudio-Reel 论文 ↗
• Demo ↗
• Claude Code Skills 协议 ↗
• OpenAI Codex ↗