Agent Skills
› aiming-lab/AutoResearchClaw
aiming-lab/AutoResearchClaw
GitHub应用A-Evolve方法论迭代优化AI Agent性能。通过收集日志、诊断失败根因，生成技能或补丁以修复错误并积累知识。适用于Agent自我改进、故障排查及持续优化场景。
安装全部 Skills
npx skills add aiming-lab/AutoResearchClaw --all -g -y
集合内 Skills (41)
应用A-Evolve方法论迭代优化AI Agent性能。通过收集日志、诊断失败根因，生成技能或补丁以修复错误并积累知识。适用于Agent自我改进、故障排查及持续优化场景。
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、系统发育及结构分析。指导DNA/RNA/蛋白质处理及公共数据库调用，强调速率限制与内存优化。
需要进行DNA或RNA序列的互补、转录或翻译操作
需要解析FASTA或GenBank等生物序列文件格式
需要执行BLAST序列比对或查询NCBI数据库
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ADMET筛选等任务，辅助药物发现与SMILES处理。
分子结构分析
药物发现相关查询
化学信息学任务
npx skills add aiming-lab/AutoResearchClaw --skill chemistry-rdkit -g -y
指导从观察中结构化生成可验证科学假设，包括提出零/备择假设、生成竞争性解释及可测试预测，并关联实验设计以确保假设的可证伪性和严谨性。
需要制定科学实验的假设
分析观测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框架的搜索策略设计、筛选标准制定、PRISMA流程执行及结果综合，适用于撰写背景或进行学术调研。
需要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
用于运行ResearchClaw自动化研究流水线，涵盖文献综述、假设生成、实验设计、代码执行及论文撰写等23个阶段。支持CLI和Python API调用，可配置主题、输出目录及自动审批关卡，实现从选题到最终报告的全流程自主研究。
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论文
用户提及ResearchClaw并请求运行自动化研究流水线
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，涵盖期刊尺寸、色盲友好配色、多面板布局及统计标注规范。
创建用于期刊投稿的科学图表
调整数据可视化以符合出版标准
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、引用规范及各类研究报告指南（如CONSORT/PRISMA），辅助起草或修订研究论文。
起草学术论文
修订研究手稿
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格式报告的最佳实践指南，辅助分析实验结果并撰写规范的学术报告章节。
需要选择合适的统计检验方法
检查统计假设是否满足
生成符合APA格式的统计结果报告
npx skills add aiming-lab/AutoResearchClaw --skill statistical-reporting -g -y
执行基于约束的代谢模拟，包括标准FBA、pFBA、FVA及基因敲除等。用于求解通量分布并输出CSV结果，辅助生物模型验证与分析。
需要运行FBA或FVA分析
进行代谢通量预测
执行基因或反应敲除模拟
npx skills add aiming-lab/AutoResearchClaw --skill fba-simulator -g -y
分析FBA通量分布以提取生物学洞察，涵盖基因/反应必需性、表型相图、通量采样及产物分泌预测，生成高质量图表。
需要分析代谢模型中的基因或反应必需性
需要绘制表型相图或进行通量采样分析
需要从FBA结果中提取生物学规律并生成出版物级图表
npx skills add aiming-lab/AutoResearchClaw --skill flux-analyzer -g -y
构建或加载基于COBRApy的基因组规模代谢模型(GSMM)，支持从BIGG数据库导入或从零搭建，配置生长介质与目标函数，并导出JSON格式供后续通量分析使用。
需要构建基因组规模代谢模型
从BIGG数据库加载现有代谢模型
配置代谢模型的约束条件和目标函数
将代谢模型序列化为JSON文件
npx skills add aiming-lab/AutoResearchClaw --skill gsmm-builder -g -y
对COBRApy基因组规模代谢模型进行质量验证，检查质量/电荷平衡、生物量生产可行性、死端代谢物、化学计量一致性、热力学循环及GPR规则，输出结构化报告以捕获结构错误。
在通量分析前验证代谢模型
检查模型的质量平衡和结构完整性
npx skills add aiming-lab/AutoResearchClaw --skill gsmm-validator -g -y
用于在缺乏具体数据时，规划基于约束的代谢建模研究。通过选择模型、条件和扰动，生成可发表的FBA研究方案，为后续代码生成提供结构化计划。
用户有宽泛的生物学或代谢工程主题但无具体数据集
需要规划发表级的代谢通量分析论文思路
npx skills add aiming-lab/AutoResearchClaw --skill metabolic-study-planner -g -y
协调代谢通量分析全流程，按序调用模型构建、FBA模拟、通量分析及表型预测子智能体。支持断点续传与进度追踪，适用于从模型加载到发表级图表生成的端到端自动化任务。
用户请求端到端代谢建模运行
提供生物体名称或BIGG模型ID
需要自动生成代谢分析图表
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、方法提议、理论分析、实验设计、对比评估及结果综合。通过串联多个专用Agent，确保从假设到结论的严谨性，并进行最终质量审计。
需要执行端到端的统计研究项目
要求结合理论分析与实验验证的研究任务
复杂算法或模型的全面评估与报告生成
npx skills add aiming-lab/AutoResearchClaw --skill stat-research-orchestrator -g -y
用于验证统计研究输出的技能，检查从问题定义到最终结论的完整链条，确保方法对齐、理论存在、实验证据充分及声明一致性。
需要验证统计研究结果的完整性与逻辑一致性时
在方法提出和实验评估完成后进行质量审计时
npx skills add aiming-lab/AutoResearchClaw --skill stat-result-validator -g -y
用于设计并执行统计实验，验证理论预测、方法有效性及基线对比。涵盖实验规划、数据生成、指标定义及证据评估，确保结果与理论假设一致。
需要验证理论命题或算法有效性
进行消融实验或基线性能对比
生成结构化实验报告与结论
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，确保方法与目标严格对应并建立方法到主张的映射。
需要设计新的统计模型或算法
需要构建严谨的实验基线和消融方案
npx skills add aiming-lab/AutoResearchClaw --skill statistical-method-design -g -y
将宽泛主题转化为精确统计问题的技能，定义数据、模型、目标、假设及理论指标，确保研究可复现。
需要设计统计方法前
撰写实验或报告前
明确研究问题与假设
npx skills add aiming-lab/AutoResearchClaw --skill statistical-problem-formulation -g -y
在方法提出后、实验前进行统计理论分析，评估可识别性、偏差、一致性等性质，生成命题证明并推导可验证的实验预测。
需要分析统计方法的理论性质
方法提出后需进行理论推导
生成基于理论的实验预测
npx skills add aiming-lab/AutoResearchClaw --skill statistical-theory-analysis -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比对、NCBI数据库访问及系统发育分析。适用于处理DNA/RNA/蛋白质序列及相关生物数据场景。
需要处理DNA或RNA序列时
进行蛋白质序列分析时
执行BLAST搜索或解析结果时
读取FASTA或GenBank格式文件时
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计算化学最佳实践，涵盖分子读写、描述符计算、指纹生成、子结构搜索及ADMET过滤等任务，支持SMILES处理和药物发现。
需要计算分子描述符或指纹
进行化合物库的子结构筛选
处理SMILES或SDF文件转换
npx skills add aiming-lab/AutoResearchClaw --skill chemistry-rdkit -g -y
提供图像分类任务的最佳实践，涵盖CIFAR、ImageNet等基准测试的架构选型、训练配方及标准性能指标。
进行图像分类模型开发
选择CNN或Transformer架构
配置图像分类训练超参数
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等架构选择、训练配方（如多尺度、Focal Loss）及COCO/VOC基准测试标准。
进行目标检测模型开发
优化YOLO或DETR等检测器性能
查阅COCO或VOC数据集评估标准
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，指导模型安全优化。
进行大语言模型对齐工作
实施模型安全策略
使用RLHF或DPO技术
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，包括超参数配置、高效微调方法及评估指标。用于生成或审查相关训练代码。
需要生成NLP模型训练代码
审查NLP微调实现细节
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，涵盖数据编码、VQC/VQE 训练及噪声模型集成。用于编写导入 qiskit 生态库的 Python 代码，解决版本迁移问题并纠正常见错误。
编写使用 qiskit 及相关扩展库的 Python 代码
进行量子机器学习算法（如 VQC, VQE）实现
处理 qiskit 1.x 到 2.x 的 API 迁移与兼容性
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PPO、SAC等算法选择、训练配方、评估指标及常见陷阱。
RL agent开发
PPO/SAC参数调优
奖励函数设计
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规范，涵盖基线选择、随机种子使用、消融实验设计及指标报告，适用于规划对比实验与模型评估。
设计机器学习实验方案
规划消融实验或基线对比
制定模型评估标准
npx skills add aiming-lab/AutoResearchClaw --skill experimental-design -g -y
指导如何基于观察生成结构化、可验证的科学假设。涵盖提出零/备择假设、构建竞争性解释、推导可测试预测及对齐实验设计，确保假设具备可证伪性并符合科学规范。
需要提出可检验的科学假设
设计实验以区分竞争性解释
制定研究预测和实验条件
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流程执行及数据综合。适用于进行学术文献调研或撰写研究背景章节的场景。
需要进行系统性文献综述
撰写研究背景或引言部分
设计学术搜索字符串
评估研究质量
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。
比较多个研究或实验的结果
汇总跨实验数据以得出结论
npx skills add aiming-lab/AutoResearchClaw --skill meta-analysis -g -y
提供基于matplotlib和seaborn的科学图表设计最佳实践，涵盖期刊尺寸、无障碍配色、多面板布局及统计标注规范，确保生成出版级高质量科研插图。
创建用于学术期刊投稿的科研图表
需要符合出版规范的科学可视化设计
npx skills add aiming-lab/AutoResearchClaw --skill scientific-visualization -g -y
提供学术论文写作最佳实践，涵盖IMRAD结构、段落指导、引用规范及常见陷阱。适用于起草或修订研究论文，遵循CONSORT等报告指南，确保学术严谨性。
起草学术论文
修订研究手稿
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，涵盖t检验、ANOVA等常用方法及其效应量计算与规范，辅助实验数据分析与结果撰写。
分析实验数据并选择合适的统计检验
检查统计假设是否满足
生成符合APA规范的统计结果报告
npx skills add aiming-lab/AutoResearchClaw --skill statistical-reporting -g -y
提供遵循PRISMA指南的系统性文献综述结构化方法，指导从定义筛选标准、多库检索到全文提取与综合的完整流程，旨在高效发现研究空白与机会。
需要进行系统性文献综述
撰写学术或技术调研文章
分析特定领域的研究现状
npx skills add aiming-lab/AutoResearchClaw --skill systematic-review -g -y
提供PyTorch数据加载优化最佳实践，通过调整num_workers、pin_memory等参数防止GPU饥饿，提升训练效率。
设置DataLoader时
进行数据预处理时
遇到GPU利用率低的问题时
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、批量归一化同步及梯度累积等核心模式，用于加速模型训练。
需要多GPU并行训练
使用PyTorch进行分布式扩展
npx skills add aiming-lab/AutoResearchClaw --skill distributed-training -g -y
提供使用 torch.cuda.amp 进行混合精度训练的最佳实践，涵盖 autocast、GradScaler 及 BF16/FP16 选择，旨在加速 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
配置自动混合精度
npx skills add aiming-lab/AutoResearchClaw --skill mixed-precision -g -y
提供构建健壮 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、早停及日志记录等，用于生成或审查 ML 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
