Agent Skills
› aiming-lab/AutoResearchClaw
aiming-lab/AutoResearchClaw
GitHub应用A-Evolve方法论迭代优化AI代理性能。通过收集日志、诊断失败根因，生成针对性技能文件或修补系统提示词，积累经验知识以修复错误并提升后续运行成功率。
Install All Skills
npx skills add aiming-lab/AutoResearchClaw --all -g -y
Skills in Collection (41)
应用A-Evolve方法论迭代优化AI代理性能。通过收集日志、诊断失败根因，生成针对性技能文件或修补系统提示词，积累经验知识以修复错误并提升后续运行成功率。
evolve
self-improve
diagnose failures
generate skills from errors
what went wrong and how to fix it
npx skills add aiming-lab/AutoResearchClaw --skill a-evolve -g -y
提供Biopython生物信息学最佳实践，涵盖序列操作、文件解析、BLAST比对、NCBI数据库访问及系统发育分析。
处理DNA/RNA/蛋白质序列
解析FASTA或GenBank文件
执行BLAST搜索
访问NCBI Entrez数据库
构建或分析系统发育树
npx skills add aiming-lab/AutoResearchClaw --skill biology-biopython -g -y
提供RDKit计算化学最佳实践，涵盖分子I/O、描述符计算、指纹与相似度分析、子结构搜索及ADMET属性评估，辅助药物发现与化学信息学任务。
进行SMILES或SDF文件读写
计算分子量LogP等分子描述符
执行虚拟筛选或相似性搜索
基于SMARTS模式过滤化合物库
npx skills add aiming-lab/AutoResearchClaw --skill chemistry-rdkit -g -y
指导如何从观察中生成结构化的可检验科学假设。涵盖假设制定、竞争解释、预测设计及实验对齐的最佳实践，确保假设的可证伪性与逻辑严密性。
需要提出可验证的科学假设
设计对照实验以区分竞争性解释
构建研究方案的理论框架
npx skills add aiming-lab/AutoResearchClaw --skill hypothesis-formulation -g -y
提供系统文献综述方法论，涵盖基于PICO框架的搜索策略设计、纳入排除标准制定、PRISMA筛选流程及数据合成。适用于开展学术文献回顾或撰写研究背景章节。
进行系统性文献综述
撰写研究背景部分
npx skills add aiming-lab/AutoResearchClaw --skill literature-search -g -y
执行ResearchClaw自动化研究流水线，涵盖文献综述、假设生成、实验设计与代码执行、结果分析及论文撰写等23个阶段，支持CLI和Python API调用。
用户要求对特定主题进行研究或调查
用户希望撰写关于某主题的学术论文
用户提及运行ResearchClaw或自主研究流水线
npx skills add aiming-lab/AutoResearchClaw --skill researchclaw -g -y
提供基于matplotlib和seaborn的出版级科学图表设计指南，涵盖排版、配色无障碍、统计标注及导出规范。
生成期刊投稿图表
优化数据可视化样式
npx skills add aiming-lab/AutoResearchClaw --skill scientific-visualization -g -y
提供学术论文写作指导，涵盖IMRAD结构、段落技巧、引用规范及报告指南（如CONSORT/PRISMA），用于起草或修订研究论文。
撰写学术论文
修改研究稿件
检查论文引用格式
npx skills add aiming-lab/AutoResearchClaw --skill scientific-writing -g -y
提供统计检验选择、假设验证及APA格式报告指南，辅助实验数据分析与结果撰写。
需要选择合适的统计检验方法
检查数据分布假设是否满足
按照APA规范撰写统计结果
npx skills add aiming-lab/AutoResearchClaw --skill statistical-reporting -g -y
执行基于COBRApy的代谢网络约束模拟，包括FBA、pFBA、FVA及基因敲除等，输出通量分布与CSV文件。
需要运行代谢通量分析
进行基因或反应敲除实验
比较不同碳源下的生长速率
npx skills add aiming-lab/AutoResearchClaw --skill fba-simulator -g -y
基于FBA和COBRApy模型，分析代谢通量分布以提取生物学洞见。涵盖基因/反应必需性、表型相平面、通量采样及分泌产物预测，并生成高质量图表。
需要分析代谢网络中基因或反应的致死效应
计算表型相平面以研究营养摄取对生长的影响
进行通量采样或预测分泌产物水平
npx skills add aiming-lab/AutoResearchClaw --skill flux-analyzer -g -y
用于构建或加载基于COBRApy的基因组尺度代谢模型(GSMM)，支持从BIGG数据库导入、从零构建最小模型、设置培养基约束及导出JSON文件，是代谢通量分析流程的入口。
需要加载现有的基因组尺度代谢模型
需要从零构建新的代谢模型
需要为代谢模型设置反应边界和培养基约束
需要将代谢模型序列化为JSON格式
npx skills add aiming-lab/AutoResearchClaw --skill gsmm-builder -g -y
用于验证COBRApy基因组规模代谢模型的质量控制，检查质量/电荷平衡、生物质生产可行性、死端代谢物、化学计量一致性、热力学循环及GPR规则完整性，输出结构化报告。
需要验证基因组规模代谢模型的准确性
在通量分析前检查模型结构错误
排查代谢网络中的不平衡或不可行问题
npx skills add aiming-lab/AutoResearchClaw --skill gsmm-validator -g -y
将模糊的代谢研究主题转化为具体的约束基础代谢建模实验计划，包括选择模型、条件、扰动和分析指标。
用户提出宽泛的代谢或生物工程研究想法
需要规划可发表的代谢通量分析论文方案
npx skills add aiming-lab/AutoResearchClaw --skill metabolic-study-planner -g -y
协调代谢通量分析流水线，按序调用模型构建、FBA模拟、通量分析及表型预测等子智能体。支持从模型加载到发表级图表生成的端到端自动化流程，通过进度文件实现断点续跑与失败恢复。
用户请求完整的代谢建模与分析流水线
用户提供生物体名称或BIGG模型ID并要求自动运行
npx skills add aiming-lab/AutoResearchClaw --skill mfa-pipeline-orchestrator -g -y
协调统计研究全流程，涵盖问题形式化、方法提出、理论分析、实验评估及结果综合。通过串联多个专用Agent，确保从假设到结论的严谨性，并执行最终质量审计。
需要系统性地开展统计学研究项目
要求对统计方法进行理论与实验的双重验证
需要生成符合学术规范的完整研究报告
npx skills add aiming-lab/AutoResearchClaw --skill stat-research-orchestrator -g -y
验证统计研究输出的质量，确保方法、理论、实验证据与最终结论的一致性。检查问题定义、算法合理性、理论推导及实验对比的完整性，防止结论夸大或逻辑断裂。
需要验证统计研究结果的逻辑一致性时
评估算法论文或实验报告的质量时
npx skills add aiming-lab/AutoResearchClaw --skill stat-result-validator -g -y
用于设计并执行统计实验，以验证理论预测、方法性能及基线对比。涵盖实验规划、数据生成、指标定义及结果分析，确保实验结果与理论声明一致。
需要验证算法或方法的理论假设
进行模型性能对比或消融实验
评估特定条件下的系统鲁棒性
npx skills add aiming-lab/AutoResearchClaw --skill statistical-experimental-evaluation -g -y
用于在形式化问题定义后设计统计方法、基线及消融实验。要求明确算法公式、假设、诊断指标及预期失败模式，并建立方法与论点的映射关系，确保方案针对性与可验证性。
需要设计统计模型或算法时
进行方法论设计与基线对比时
npx skills add aiming-lab/AutoResearchClaw --skill statistical-method-design -g -y
用于将宽泛主题转化为精确统计问题的技能，涵盖数据、模型、目标、假设及理论推导要素，支持结构化交接与规范报告撰写。
设计统计方法前
进行理论分析或实验规划时
撰写研究报告前
npx skills add aiming-lab/AutoResearchClaw --skill statistical-problem-formulation -g -y
用于在方法提出后、实验前进行统计理论分析，涵盖可识别性、偏差、一致性等属性推导，并提供定理模板及实证预测。
需要分析统计方法的理论性质
生成定理证明或误差界限
从理论推导中产生实验预测
npx skills add aiming-lab/AutoResearchClaw --skill statistical-theory-analysis -g -y
提供Biopython生物信息学最佳实践，涵盖序列操作、文件解析、BLAST比对、NCBI数据库访问及系统发育分析。指导处理DNA/RNA/蛋白质序列及生物学数据库查询。
需要处理FASTA或GenBank等生物序列文件
执行BLAST序列比对或NCBI数据检索
进行基因序列的转录翻译或结构分析
npx skills add aiming-lab/AutoResearchClaw --skill biology-biopython -g -y
提供RDKit化学信息学最佳实践，涵盖分子读写、描述符计算、指纹生成、子结构搜索及性质预测。适用于SMILES处理、药物发现和虚拟筛选等任务。
进行分子结构分析或计算描述符
执行基于SMILES或SDF的化合物库筛选与相似性搜索
npx skills add aiming-lab/AutoResearchClaw --skill chemistry-rdkit -g -y
提供图像分类任务的架构选择、训练配方及基准测试数据，适用于CIFAR和ImageNet等场景。
构建图像分类模型
优化CV模型训练流程
参考标准基准测试
npx skills add aiming-lab/AutoResearchClaw --skill cv-classification -g -y
提供目标检测最佳实践，涵盖YOLO、DETR等架构选型、训练配方及COCO/VOC基准测试指标。
进行物体检测任务
选择检测模型架构如YOLO或DETR
优化检测模型训练策略
npx skills add aiming-lab/AutoResearchClaw --skill cv-detection -g -y
提供LLM对齐最佳实践，涵盖RLHF、DPO、GRPO和SFT等方法及训练配方。用于处理模型对齐或安全任务，包含参数配置与常见陷阱指导。
进行大语言模型对齐工作
实施RLHF或DPO等技术
关注模型安全性
npx skills add aiming-lab/AutoResearchClaw --skill nlp-alignment -g -y
提供NLP模型预训练与微调的最佳实践，涵盖优化器配置、高效微调方法及评估指标。用于生成或审查相关训练代码。
生成NLP训练代码
审查NLP训练代码
npx skills add aiming-lab/AutoResearchClaw --skill nlp-pretraining -g -y
提供Qiskit 2.x量子机器学习开发参考，涵盖VQC、VQE、数据编码及噪声模型集成，指导Python代码编写与版本迁移。
编写基于qiskit的量子机器学习代码
处理qiskit 1.x到2.x的API迁移问题
npx skills add aiming-lab/AutoResearchClaw --skill quantum-qiskit -g -y
提供强化学习策略优化的最佳实践，涵盖算法选择（如PPO、SAC）、训练配方、评估方法及常见陷阱，指导RL智能体开发与调优。
需要选择强化学习算法
配置RL训练超参数
设计奖励函数或评估指标
npx skills add aiming-lab/AutoResearchClaw --skill rl-policy-optimization -g -y
提供可复现机器学习实验的设计最佳实践，涵盖基线选择、随机种子使用、消融实验设计及变量控制等规范。
规划机器学习消融实验
设计受控对比实验
设置模型基线
npx skills add aiming-lab/AutoResearchClaw --skill experimental-design -g -y
提供结构化科学假设生成指南，涵盖从观察出发、构建可证伪的零/备择假设、提出竞争性解释及设计实验预测的最佳实践。
需要制定可测试的科学假设
设计实验以验证特定机制或效应
分析观察结果并提出竞争性解释
npx skills add aiming-lab/AutoResearchClaw --skill hypothesis-formulation -g -y
提供系统文献综述方法论，涵盖搜索策略设计、筛选标准制定、PRISMA流程执行及数据合成。适用于撰写背景章节或进行学术文献回顾。
进行系统性文献综述
撰写研究背景部分
设计学术搜索策略
npx skills add aiming-lab/AutoResearchClaw --skill literature-search -g -y
提供跨研究或实验结果聚合的统计最佳实践，涵盖效应量报告、异质性处理及森林图可视化等规范。
比较多个研究或实验的结果
需要汇总跨数据集的分析数据
npx skills add aiming-lab/AutoResearchClaw --skill meta-analysis -g -y
提供基于matplotlib和seaborn的科研绘图指南，涵盖期刊规范、无障碍设计、统计标注及导出检查，确保生成出版级高质量科学图表。
创建用于期刊投稿的科学图表
调整图表以符合出版格式要求
添加统计显著性标注
npx skills add aiming-lab/AutoResearchClaw --skill scientific-visualization -g -y
提供学术论文写作指南，涵盖IMRAD结构、段落技巧、引用规范及报告标准，辅助起草和修订研究论文。
撰写学术论文
修改研究稿件
检查参考文献格式
npx skills add aiming-lab/AutoResearchClaw --skill scientific-writing -g -y
提供统计检验选择、假设检验及APA格式报告的最佳实践指南，涵盖t检验、ANOVA等常用方法，确保实验结果分析的规范性与准确性。
分析实验数据
撰写学术论文结果部分
选择统计检验方法
检查统计假设
npx skills add aiming-lab/AutoResearchClaw --skill statistical-reporting -g -y
遵循PRISMA指南的结构化文献综述方法，用于指导学术研究的搜索、筛选及综合阶段。
进行系统性文献检索
需要结构化总结多篇论文
学术研究初期调研
npx skills add aiming-lab/AutoResearchClaw --skill systematic-review -g -y
提供PyTorch DataLoader高效加载最佳实践，优化数据预处理与I/O性能，防止GPU空闲。适用于设置DataLoader、处理大规模数据集及图像数据加速场景。
配置PyTorch DataLoader参数
优化数据加载流水线性能
解决GPU因等待数据而饥饿问题
npx skills add aiming-lab/AutoResearchClaw --skill data-loading -g -y
提供基于 PyTorch DDP 的多 GPU 分布式训练最佳实践，涵盖进程组初始化、数据采样、BatchNorm 同步及学习率缩放等关键配置。
需要多 GPU 并行训练模型
询问如何优化大规模分布式训练性能
npx skills add aiming-lab/AutoResearchClaw --skill distributed-training -g -y
提供使用 torch.cuda.amp 进行 FP16/BF16 混合精度训练的规范，涵盖 autocast、GradScaler 及 NaN 处理，旨在加速模型训练并降低显存占用。
优化 GPU 性能
降低训练显存占用
配置自动混合精度
npx skills add aiming-lab/AutoResearchClaw --skill mixed-precision -g -y
提供PyTorch训练循环的最佳实践，涵盖可复现性、数据加载优化、学习率调度、早停及模型保存等，用于生成或审查ML训练代码。
生成PyTorch训练代码
审查机器学习训练逻辑
npx skills add aiming-lab/AutoResearchClaw --skill pytorch-training -g -y
