Agent Skills
› aiming-lab/AutoResearchClaw
aiming-lab/AutoResearchClaw
GitHub应用A-Evolve方法论迭代优化AI Agent性能。通过收集证据、诊断失败原因，生成技能、修补提示词或积累知识，解决Agent运行中的错误与不足。
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 Agent性能。通过收集证据、诊断失败原因，生成技能、修补提示词或积累知识，解决Agent运行中的错误与不足。
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
提供基于 Biopython 的生物信息学最佳实践，涵盖序列操作、文件解析、BLAST 分析、NCBI 数据库访问及系统发育与结构分析。适用于处理 DNA/RNA/蛋白质序列及生物学数据。
需要处理生物序列数据
使用 Biopython 进行生物信息学分析
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I/O、描述符计算、指纹生成、子结构搜索及ADMET过滤。适用于SMILES处理、药物发现和化学分析任务。
进行分子结构分析和描述符计算
执行基于SMILES或SDF文件的化合物库筛选
使用RDKit进行药物发现相关的化学信息学任务
npx skills add aiming-lab/AutoResearchClaw --skill chemistry-rdkit -g -y
提供结构化科学假设生成指南，涵盖从观察出发、构建可证伪假设、提出竞争解释到设计实验验证的完整流程，旨在提升科研假设的质量与严谨性。
需要制定可测试的科学假设
设计实验以区分竞争性解释
进行研究方法论规划
npx skills add aiming-lab/AutoResearchClaw --skill hypothesis-formulation -g -y
提供系统性文献综述的方法论，涵盖PICO框架构建搜索策略、多数据库检索、PRISMA流程筛选及质量评估，支持叙事综合、荟萃分析及差距分析，适用于撰写研究背景或进行学术调研。
需要进行系统性文献综述
撰写研究论文的背景部分
设计学术搜索策略
评估已发表研究的质量
npx skills add aiming-lab/AutoResearchClaw --skill literature-search -g -y
自动化研究流水线技能，覆盖文献综述、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，用于从主题自动生成完整研究报告。
用户要求研究特定主题
用户要求撰写学术论文
用户提及ResearchClaw名称
用户希望运行自主研究流程
npx skills add aiming-lab/AutoResearchClaw --skill researchclaw -g -y
提供科研级数据可视化最佳实践，涵盖图表设计、期刊尺寸规范、色盲友好配色及统计标注，确保生成符合出版要求的高质量科学图表。
创建用于期刊投稿的科学图表
使用 matplotlib/seaborn 进行数据可视化
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
修改研究手稿
检查引用格式
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。
分析实验数据
撰写研究结果部分
选择统计检验方法
npx skills add aiming-lab/AutoResearchClaw --skill statistical-reporting -g -y
基于COBRApy执行约束基础代谢模拟，包括FBA、pFBA、FVA及基因敲除等。用于计算通量分布并输出CSV文件，辅助生物模型分析。
需要运行代谢通量分析
进行基因或反应敲除模拟
获取通量变异性分析结果
npx skills add aiming-lab/AutoResearchClaw --skill fba-simulator -g -y
分析FBA通量分布以提取生物学见解，涵盖基因/反应必需性、表型相图、通量采样及产物分泌预测，并生成高质量图表。
代谢模型通量分析
基因或反应必需性筛选
表型相图绘制
发酵产物分泌预测
npx skills add aiming-lab/AutoResearchClaw --skill flux-analyzer -g -y
用于构建或加载基因组规模代谢模型(GSMM)，支持从BIGG数据库导入或从零构建，配置约束与目标函数，并导出验证后的JSON文件。
需要构建基因组规模代谢模型
需要从BIGG数据库加载现有代谢模型
需要设置代谢模型的约束条件和目标函数
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工具，检查质量/电荷平衡、生物量生成可行性、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结构性错误
在通量分析前进行模型质量检查
npx skills add aiming-lab/AutoResearchClaw --skill gsmm-validator -g -y
用于将模糊的生物代谢主题转化为可执行的约束基础代谢模型研究计划。自动选择生物体、模型、目标及扰动策略，生成包含指标和图表的研究方案，为后续FBA代码生成提供前置规划。
用户提出宽泛的代谢分析或论文选题需求
缺乏具体数据集或假设需制定研究路线
需要规划代谢通量分析实验设计
npx skills add aiming-lab/AutoResearchClaw --skill metabolic-study-planner -g -y
编排代谢通量分析全流程，自动执行模型构建、FBA模拟、通量分析及表型预测。支持从BIGG ID或自定义反应列表开始，通过进度文件实现步骤追踪与断点续跑，确保端到端建模任务自动化完成。
用户提供生物体名称或BIGG模型ID
用户希望自动运行端到端代谢建模
npx skills add aiming-lab/AutoResearchClaw --skill mfa-pipeline-orchestrator -g -y
协调完整的统计研究流水线，涵盖问题形式化、方法提出、理论分析、实验评估及结果综合。通过编排多个专用子Agent，确保从假设到结论的严谨性，并进行质量审计。
需要执行端到端的统计科学研究流程
希望自动化生成包含理论和实验验证的研究报告
npx skills add aiming-lab/AutoResearchClaw --skill stat-research-orchestrator -g -y
用于验证统计研究输出的质量，检查问题定义、方法对齐、理论存在性、实验证据、公平比较及最终结论的一致性，确保结果由连贯的研究链支持。
完成统计研究的最终结果合成后
需要审核实验数据与理论推导的一致性时
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、假设及基线方法。涵盖实验规划、指标定义、结果对比及声明裁决，确保实验证据与理论主张紧密关联。
需要验证理论假设或方法有效性
进行模型性能对比或消融实验
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、诊断和消融实验。要求明确公式、假设及失败模式，并建立方法与主张的映射关系，确保方案严谨且可验证。
需要设计统计学习方法
构建算法基线与消融实验
制定方法到主张的映射
npx skills add aiming-lab/AutoResearchClaw --skill statistical-method-design -g -y
将宽泛主题转化为精确的统计学研究问题，明确观测数据、模型、目标参数、假设及理论指标。提供结构化YAML和Markdown模板，确保问题定义清晰可执行，适用于后续方法设计与实验评估。
需要设计统计方法或实验前
撰写研究报告或论文时
进行理论研究或推导时
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、一致性等性质推导，并生成理论命题模板及对应的实证预测。
需要推导统计方法的理论性质
为模拟论文或算法提供形式化理论证明
npx skills add aiming-lab/AutoResearchClaw --skill statistical-theory-analysis -g -y
提供Biopython生物信息学编程最佳实践，涵盖序列操作、文件解析、BLAST比对、NCBI数据库访问、系统发育分析及结构分析。
处理DNA/RNA/蛋白质序列
解析生物数据文件如FASTA或GenBank
执行BLAST搜索
访问NCBI Entrez数据库
进行系统发育树构建与分析
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I/O、描述符计算、指纹与相似度分析、子结构搜索及属性计算模式，辅助药物发现和SMILES处理。
进行分子描述符或指纹计算
执行子结构SMARTS搜索
处理SMILES/SDF分子文件
npx skills add aiming-lab/AutoResearchClaw --skill chemistry-rdkit -g -y
提供图像分类任务的架构选择、训练配方及基准性能最佳实践，适用于CIFAR、ImageNet等分类基准项目。
进行图像分类模型选型
配置深度学习训练超参数
参考标准数据集基准性能
npx skills add aiming-lab/AutoResearchClaw --skill cv-classification -g -y
提供目标检测任务的最佳实践，涵盖YOLO、DETR等架构选型、训练配方（如多尺度、Focal Loss）及COCO/VOC基准评估标准。
进行物体检测模型开发
选择目标检测网络架构
配置检测模型训练参数
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及SFT等方法与训练配方，指导安全基准评估并规避奖励黑客等常见问题。
进行大语言模型对齐工作
实施模型安全优化
npx skills add aiming-lab/AutoResearchClaw --skill nlp-alignment -g -y
提供NLP模型预训练和微调的最佳实践指南，涵盖优化器配置、参数高效方法（如LoRA）及评估指标。用于生成或审查相关训练代码。
生成NLP模型训练代码
审查NLP模型训练代码
npx skills add aiming-lab/AutoResearchClaw --skill nlp-pretraining -g -y
提供Qiskit 2.x量子机器学习编程参考，涵盖VQC训练、VQE化学计算、数据编码及噪声模型集成，指导正确导入与迁移避坑。
编写使用qiskit生态库的Python代码
进行量子算法开发或迁移
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、评估指标及常见陷阱。适用于RL智能体开发、奖励设计及超参数调优场景。
需要选择或配置强化学习算法
进行RL模型训练和调参
设计或优化奖励函数
评估RL智能体性能
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、消融实验设计及指标报告规范。
规划机器学习实验
设计消融研究
设置对比基线
npx skills add aiming-lab/AutoResearchClaw --skill experimental-design -g -y
指导从观察中结构化生成可检验科学假设，涵盖零/备择假设构建、竞争性解释提出、预测推导及实验设计对齐，确保假设可证伪且符合科学规范。
需要提出可检验的科学假设
设计实验以验证或反驳特定机制
分析观察现象并提出竞争性解释
npx skills add aiming-lab/AutoResearchClaw --skill hypothesis-formulation -g -y
提供系统文献综述方法论，涵盖基于PICO的检索策略、PRISMA筛选流程及质量评估，支持背景撰写与研究综述。
进行系统性文献综述
撰写研究背景章节
npx skills add aiming-lab/AutoResearchClaw --skill literature-search -g -y
提供跨研究或实验结果聚合的元分析最佳实践，包括效应量报告、异质性处理及森林图可视化。
比较多个研究结果
聚合实验数据
npx skills add aiming-lab/AutoResearchClaw --skill meta-analysis -g -y
提供基于matplotlib和seaborn的出版级科学图表设计规范，涵盖期刊尺寸、无障碍配色、多面板布局及统计标注等最佳实践。
创建用于学术期刊投稿的科学图表
设计符合出版要求的可视化图形
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，辅助起草或修订研究论文。
撰写学术论文
修改研究手稿
检查引用格式
npx skills add aiming-lab/AutoResearchClaw --skill scientific-writing -g -y
提供统计检验选择、假设检查及APA格式报告的最佳实践，涵盖t检验、ANOVA等方法的适用场景与结果呈现规范。
分析实验数据结果
撰写学术论文的结果部分
选择适当的统计检验方法
npx skills add aiming-lab/AutoResearchClaw --skill statistical-reporting -g -y
提供基于PRISMA指南的系统性文献综述结构化方法，涵盖检索、筛选、数据提取及综合，旨在高效识别研究空白与机会。
进行系统性文献综述
学术调研与信息筛选
npx skills add aiming-lab/AutoResearchClaw --skill systematic-review -g -y
优化数据加载管道以预防GPU空闲，提供DataLoader配置及预处理最佳实践，涵盖多进程、内存锁定、缓存及性能分析。
设置 DataLoader 参数
进行数据预处理优化
解决 GPU 利用率低的问题
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同步及检查点保存等核心模式。
需要扩展模型训练至多GPU场景
配置PyTorch分布式环境
npx skills add aiming-lab/AutoResearchClaw --skill distributed-training -g -y
指导在PyTorch中使用torch.cuda.amp进行FP16/BF16混合精度训练，以加速模型训练并降低显存占用。包含自动缩放、梯度缩放及NaN处理等最佳实践，适用于GPU性能优化场景。
需要优化GPU训练速度
显存不足需要降低内存占用
配置AMP混合精度训练
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、早停机制及模型检查点保存等核心要点，用于生成或审查机器学习训练代码。
生成PyTorch训练代码
审查ML训练逻辑
npx skills add aiming-lab/AutoResearchClaw --skill pytorch-training -g -y
