Agent Skills
› aiming-lab/AutoResearchClaw
aiming-lab/AutoResearchClaw
GitHub应用A-Evolve方法论迭代优化AI Agent性能，通过诊断失败原因、分析错误模式，生成技能补丁或提示词改进，积累经验知识以提升后续运行表现。
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，通过诊断失败原因、分析错误模式，生成技能补丁或提示词改进，积累经验知识以提升后续运行表现。
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。适用于DNA/RNA/蛋白质序列处理及生物数据库交互场景。
需要处理DNA或RNA序列时
进行蛋白质序列翻译或互补计算时
解析FASTA或GenBank格式文件时
调用NCBI BLAST服务时
查询NCBI Entrez数据库时
构建或分析系统发育树时
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、药物发现和虚拟筛选等任务。
分子结构分析
药物发现任务
化学信息学计算
npx skills add aiming-lab/AutoResearchClaw --skill chemistry-rdkit -g -y
提供结构化科学假设生成的最佳实践，指导如何从观察中提出可检验、可证伪的假设，设计竞争性解释与预测，并使其与实验方案对齐。
需要生成可测试的科学假设
设计实验以验证特定机制或预测
npx skills add aiming-lab/AutoResearchClaw --skill hypothesis-formulation -g -y
提供系统文献综述方法论，涵盖PICO框架构建检索策略、设定纳入排除标准、执行PRISMA筛选流程及质量评估，并支持叙述性综合、荟萃分析或差距分析等综合方法。
进行系统性文献综述
撰写研究背景部分
设计学术检索策略
评估研究质量
npx skills add aiming-lab/AutoResearchClaw --skill literature-search -g -y
用于运行ResearchClaw自动化研究流水线，涵盖从文献综述到论文生成的23个阶段。支持CLI和Python API调用，适用于需要自动生成研究报告或学术论文的场景。
用户要求研究特定主题
用户要求撰写关于某主题的论文
用户希望运行自动化研究流程
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、尺寸、色盲友好配色、多面板布局及统计标注规范。
创建期刊投稿用图
使用matplotlib或seaborn绘图
需要符合出版规范的可视化设计
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、引用规范及报告准则。用于起草或修订研究论文，确保符合学术标准与期刊要求。
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，辅助分析实验结果并撰写结果章节。
需要选择统计检验方法
检查统计假设
生成APA格式报告
npx skills add aiming-lab/AutoResearchClaw --skill statistical-reporting -g -y
基于COBRApy执行代谢网络约束模拟，包括标准FBA、pFBA、FVA及基因敲除等场景。用于计算通量分布并输出CSV文件，支持多进程加速与热力学可行性校验。
需要运行代谢通量分析
执行基因或反应敲除模拟
进行碳源切换测试
npx skills add aiming-lab/AutoResearchClaw --skill fba-simulator -g -y
基于COBRApy分析FBA代谢通量，提取基因/反应必需性、表型相图及分泌产物预测等生物学洞察。
分析代谢模型通量分布
进行基因或反应敲除模拟
生成表型相图(PPP)
预测生产潜力
npx skills add aiming-lab/AutoResearchClaw --skill flux-analyzer -g -y
用于构建或加载基于COBRApy的基因组规模代谢模型(GSMM)，支持从BIGG数据库导入、从零构建最小模型，并设置约束与目标函数以输出验证后的JSON文件。
需要构建或加载基因组规模代谢模型
使用COBRApy进行代谢通量分析准备
npx skills add aiming-lab/AutoResearchClaw --skill gsmm-builder -g -y
对COBRApy基因组规模代谢模型进行严格质量验证，涵盖质量/电荷平衡、生物量生产可行性、死端代谢物检测及化学计量一致性等六类检查，输出结构化报告以捕获结构错误。
验证基因组规模代谢模型
检查代谢网络结构完整性
分析前模型质量控制
npx skills add aiming-lab/AutoResearchClaw --skill gsmm-validator -g -y
用于将模糊的代谢研究主题转化为具体的约束基础代谢建模（FBA）实验计划。自动选择生物体、模型、扰动和指标，生成可发表的研究方案。
用户提出宽泛的代谢分析或微生物代谢研究需求
需要为后续代码生成步骤制定详细的实验设计和假设
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。通过进度文件实现步骤独立重试，支持从用户请求到发表级图表的端到端自动化运行。
用户提供生物体名称或BIGG模型ID并请求完整代谢建模
需要自动运行从模型加载到表型预测及出版图表生成的流水线
npx skills add aiming-lab/AutoResearchClaw --skill mfa-pipeline-orchestrator -g -y
协调完整的统计研究流程，从问题形式化、方法提出、理论分析到实验评估与结果综合，最终通过质量审计确保研究的严谨性与结论的有效性。
需要执行端到端的统计研究任务
要求对算法或模型进行严格的理论推导与实验验证对比
npx skills add aiming-lab/AutoResearchClaw --skill stat-research-orchestrator -g -y
用于验证统计研究结果的完整性与一致性，检查问题定义、方法对齐、理论依据、实验证据及最终结论的合理性。
统计研究流程结束后的结果审核
需要验证方法论与实证数据一致性的场景
npx skills add aiming-lab/AutoResearchClaw --skill stat-result-validator -g -y
用于设计和执行统计实验，以验证理论预测、方法有效性和基线对比。涵盖实验计划定义、证据模式规范及结果解释规则，确保实验数据与理论主张的严格对应和可复现性。
需要验证理论假设或算法性能
设计对照实验或消融研究
生成结构化实验报告和证据链
npx skills add aiming-lab/AutoResearchClaw --skill statistical-experimental-evaluation -g -y
用于在正式问题定义后设计统计方法、基线、诊断和消融实验。要求明确算法细节、假设、成本及与声明的映射，确保方法针对性强且可验证。
需要设计新的统计模型或算法
需要建立性能对比基线
需要进行方法论的消融分析
npx skills add aiming-lab/AutoResearchClaw --skill statistical-method-design -g -y
用于将宽泛主题转化为精确的统计学研究问题，涵盖数据、模型、目标、假设及理论指标，并提供结构化输出模板。
需要定义统计研究问题
方法设计前的前期准备
npx skills add aiming-lab/AutoResearchClaw --skill statistical-problem-formulation -g -y
在方法提出后、实验前分析统计方法的理论性质，包括可识别性、偏差、一致性、渐近分布等，并生成定理模板及对应的实证预测。
需要验证统计方法的理论性质
生成算法的理论证明与假设分析
npx skills add aiming-lab/AutoResearchClaw --skill statistical-theory-analysis -g -y
提供基于Biopython的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数据库访问及系统发育分析。
处理DNA/RNA/蛋白质序列
生物信息学数据分析
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、指纹生成、子结构搜索及ADMET过滤。指导SMILES处理、3D构象优化及常见陷阱规避，适用于药物发现和化学信息学任务。
分子结构分析
化学描述符计算
虚拟筛选
药物发现
npx skills add aiming-lab/AutoResearchClaw --skill chemistry-rdkit -g -y
提供图像分类任务的最佳实践指南，涵盖不同规模数据集的模型架构选择、训练配方（优化器、增强等）及标准基准性能参考。
进行图像分类模型选型
配置深度学习训练超参数
查阅CIFAR或ImageNet基准性能
npx skills add aiming-lab/AutoResearchClaw --skill cv-classification -g -y
提供目标检测任务的架构选型（YOLO/DETR等）、训练策略及基准测试最佳实践，适用于COCO、VOC数据集及相关模型开发。
进行目标检测算法实现
选择检测模型架构
优化检测模型训练效果
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。包含训练配方、超参数建议及安全基准评估指南，旨在指导模型安全与行为对齐工作。
进行大语言模型对齐或安全优化
实施RLHF、DPO或指令微调
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、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，解决版本迁移与常见错误。
编写基于 qiskit 的量子算法代码
处理 qiskit 1.x 到 2.x 的 API 迁移问题
构建变分量子分类器或化学模拟程序
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（PPO/SAC等）、训练配方、评估方法及常见陷阱，适用于RL代理开发与奖励设计。
开发或优化强化学习智能体
配置PPO、SAC等算法超参数
设计奖励函数或处理多智能体场景
npx skills add aiming-lab/AutoResearchClaw --skill rl-policy-optimization -g -y
提供可复现的机器学习实验设计最佳实践，涵盖基线选择、随机种子控制、消融实验设计及性能指标报告，用于规划对比实验。
规划机器学习实验
设计消融研究
设置基线模型
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、文献回顾到构建可证伪假设及竞争解释的流程。指导定义零假设与备择假设，设计实验预测以区分不同机制，并优化实验设计与对照方案。
需要提出可测试的科学假设
制定竞争性解释或实验预测
设计用于验证特定机制的实验
npx skills add aiming-lab/AutoResearchClaw --skill hypothesis-formulation -g -y
提供系统性文献综述的方法论，涵盖搜索策略设计、纳入排除标准、PRISMA流程及数据综合。适用于开展文献调研或撰写研究背景章节。
进行系统性文献综述
撰写论文的背景介绍部分
制定学术搜索策略
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方法最佳实践，涵盖效应量报告、异质性处理及森林图可视化等指南。
需要汇总多个独立研究或实验的结果
进行跨数据集或跨模型的对比分析
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，涵盖尺寸、无障碍配色、多面板布局及统计标注，辅助生成符合期刊投稿要求的高质量数据可视化图像。
需要生成用于学术论文或期刊投稿的科学图表
对现有数据可视化结果进行格式化和可访问性优化
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、引用规范及报告准则。用于起草或修订研究论文，确保内容符合学术标准与目标期刊要求。
撰写学术论文
修改研究手稿
检查论文引用格式
遵循CONSORT/PRISMA等报告规范
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，辅助分析实验结果并撰写规范的结果章节。
分析实验数据
选择统计检验方法
检查统计假设
撰写APA格式结果
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，涵盖筛选标准定义、多库检索、分级筛选及关键信息提取，旨在综合研究空白与机会。
需要进行系统性文献综述
执行学术或技术领域的深度调研
npx skills add aiming-lab/AutoResearchClaw --skill systematic-review -g -y
优化数据加载流水线以预防GPU饥饿，提供DataLoader配置及预处理最佳实践，涵盖多进程、内存锁定、缓存策略及I/O性能分析。
设置 DataLoader
数据预处理
解决 GPU 等待问题
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、检查点保存及学习率缩放等核心模式。
需要扩展模型训练以使用多个GPU
配置PyTorch分布式环境
优化大规模数据并行训练
npx skills add aiming-lab/AutoResearchClaw --skill distributed-training -g -y
提供PyTorch自动混合精度训练最佳实践，指导使用torch.cuda.amp、GradScaler及BF16/FP16选择，以加速GPU训练并降低显存占用。
优化GPU训练性能
减少模型训练显存占用
配置混合精度训练
npx skills add aiming-lab/AutoResearchClaw --skill mixed-precision -g -y
提供PyTorch训练循环的最佳实践指南，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技巧，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
