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、生成技能或补丁来积累知识。
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、生成技能或补丁来积累知识。
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等核心功能的使用方法。
处理DNA/RNA/蛋白质序列数据
解析FASTA或GenBank格式文件
进行BLAST序列比对分析
访问NCBI Entrez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过滤等核心操作指南。
需要处理SMILES或SDF格式的分子数据
进行药物发现或化学信息学分析
计算分子理化性质或相似度
npx skills add aiming-lab/AutoResearchClaw --skill chemistry-rdkit -g -y
指导如何从观察中结构化生成可检验的科学假设，包括定义零/备择假设、提出竞争性解释及设计实验预测。适用于科研场景下的假设构建与实验规划。
需要生成可检验的科学假设
制定竞争性解释或实验预测
npx skills add aiming-lab/AutoResearchClaw --skill hypothesis-formulation -g -y
提供系统文献综述的方法论，涵盖PICO框架构建检索策略、制定纳入排除标准、执行PRISMA流程筛选及质量评估，并进行叙事或定量综合，旨在支持学术背景撰写与研究缺口分析。
进行系统性文献综述
撰写研究背景章节
设计学术检索策略
识别研究空白
npx skills add aiming-lab/AutoResearchClaw --skill literature-search -g -y
自动化研究流水线技能，根据主题执行文献综述、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，可配置LLM并自动审批关键节点。
用户要求研究特定主题
用户要求撰写关于某主题的论文
用户明确要求运行自主研究流水线
直接提及 ResearchClaw
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、无障碍配色、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
优化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南，涵盖IMRAD结构、段落技巧、引用规范及常见陷阱。用于起草或修订研究论文，确保符合期刊要求与报告标准。
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，辅助实验结果分析与论文撰写。
分析实验数据并选择统计方法
生成符合APA规范的统计结果段落
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FBA、pFBA、FVA及基因敲除等，用于获取通量分布并导出CSV。
需要运行代谢通量分析
执行FBA或pFBA模拟
进行通量可变性分析
npx skills add aiming-lab/AutoResearchClaw --skill fba-simulator -g -y
用于代谢建模分析，基于FBA结果和COBRApy模型进行基因/反应必需性、表型相平面、通量采样及产物分泌预测，生成生物学见解与图表。
需要分析代谢通量分布以获取生物学洞察
执行基因或反应敲除模拟（如致死性分析）
绘制表型相平面或通量采样图
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库加载、从零构建最小模型，并设置约束条件以生成可用于通量分析的JSON文件。
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
从零开始创建最小代谢网络
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技能，检查质量平衡、生物量生成、死端代谢物及热力学循环等，输出结构化报告以捕获结构错误。
验证COBRApy代谢模型
检查代谢网络一致性
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实验计划，自动选择模型、目标、扰动和分析指标，为后续代码生成提供可执行的论文级方案。
用户有代谢工程或微生物代谢等宽泛主题但无具体数据集
需要在FBA代码生成前规划包含生物体、模型和假设的研究方案
npx skills add aiming-lab/AutoResearchClaw --skill metabolic-study-planner -g -y
编排代谢通量分析全流程，协调多个子代理完成从模型加载、FBA模拟到表型预测及绘图的任务。支持基于生物体名称或模型ID的端到端自动化运行，并通过进度文件实现断点续跑。
用户提供生物体名称或BIGG模型ID并请求自动执行代谢建模
需要运行包含模型构建、通量分析及结果可视化的完整代谢分析流水线
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、实验设计、对比评估及结果综合。通过多阶段编排确保研究严谨性，最终输出审计报告。
需要系统性地开展统计学研究项目
要求从理论推导到实验验证的完整科研流程
需要对复杂算法或统计模型进行多维度审计
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和一致性，涵盖问题定义、方法对齐、理论支撑、实验证据、对比分析及最终声明的合规性检查。
需要验证统计研究结果质量时
检查实验链是否支持最终结论时
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、方法性能及基线对比。涵盖实验规划、证据模式定义及结果解释，确保指标与假设严格对应。
需要验证理论命题或方法有效性时
设计对照实验和消融实验时
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。要求明确算法、假设及预期失败模式，并将方法与具体声明映射，确保方案针对性而非通用技术堆砌。
需要设计统计方法或算法
制定基线和消融实验方案
将方法论与业务声明建立映射
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。
设计统计方法前
撰写理论或实验报告前
npx skills add aiming-lab/AutoResearchClaw --skill statistical-problem-formulation -g -y
用于在方法提出后、实验前分析统计方法的理论性质，如可识别性、偏差、一致性等。提供定理模板和实验预测指导，确保理论严谨性并连接实证验证。
需要分析统计方法的理论性质
方法论提出后的理论推导阶段
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分析、NCBI数据库访问、系统发育及结构分析等核心功能的使用方法与注意事项。
需要进行DNA/RNA/蛋白质序列操作
需要解析FASTA或GenBank等生物文件格式
需要执行BLAST比对或查询NCBI数据库
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，辅助药物发现与化学信息学分析。
需要进行分子结构分析或描述符计算
执行SMILES处理或SDF文件读写
使用RDKit进行虚拟筛选或相似性比对
涉及化学信息学相关的子结构搜索
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择（如ResNet、ViT）、训练配方（优化器、数据增强）及标准性能指标参考。
进行图像分类模型开发
选择CNN或Transformer架构
配置训练超参数和数据增强策略
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基准评估。
进行目标检测任务开发
选择或优化检测模型架构
配置目标检测训练参数
npx skills add aiming-lab/AutoResearchClaw --skill cv-detection -g -y
提供LLM对齐最佳实践，涵盖RLHF、DPO等方法及训练配方与常见陷阱，适用于模型对齐与安全优化任务。
需要实施大语言模型对齐策略
优化模型安全性或遵循指令微调
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HuggingFace检查点使用、AdamW优化器配置、LoRA等参数高效方法及评估指标，用于生成或审查NLP训练代码。
生成NLP训练代码
审查NLP模型微调配置
选择参数高效微调方法
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、VQE及数据编码等模式，指导正确导入API并修复1.x到2.x迁移中的常见错误。
编写基于Qiskit的量子算法代码
处理Qiskit版本迁移问题
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PPO、SAC等算法选择、训练配方、评估方法及常见陷阱，适用于RL智能体开发与奖励设计。
强化学习智能体开发
PPO或SAC算法实现
奖励函数设计
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、消融实验设计及资源报告，适用于规划对比实验和模型评估。
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
指导从观察中结构化生成可验证的科学假设，包括定义零/备择假设、提出竞争性解释、推导可测试预测及对齐实验设计。
需要制定可检验的科学假设
分析实验预测与竞争性解释
npx skills add aiming-lab/AutoResearchClaw --skill hypothesis-formulation -g -y
提供系统性文献综述方法论，涵盖搜索策略设计、筛选标准制定、PRISMA流程及结果综合，适用于撰写背景或进行学术调研。
需要进行文献综述
撰写论文背景部分
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，涵盖效应量报告、异质性处理及森林图可视化等统计方法。
需要整合多个独立研究或实验的结果
进行跨数据集或跨设置的统计比较分析
npx skills add aiming-lab/AutoResearchClaw --skill meta-analysis -g -y
提供出版级科学图表设计指南，涵盖Matplotlib/Seaborn最佳实践。包括期刊尺寸规范、色盲友好配色、多面板布局及统计标注，确保图表清晰、无障碍且符合学术发表标准。
创建用于期刊投稿的科学图表
需要调整图表以符合出版格式要求
设计色盲友好的数据可视化
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），辅助起草和修订研究论文。
撰写学术论文
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等常用方法及效应量计算，用于实验数据分析与结果撰写。
分析实验数据结果
撰写学术论文结果部分
选择合适统计方法
检查统计假设
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，涵盖检索、筛选、提取及综合步骤，旨在全面分析学术文献并识别研究缺口。
需要进行系统性文献综述
执行学术调研任务
npx skills add aiming-lab/AutoResearchClaw --skill systematic-review -g -y
提供PyTorch DataLoader高效加载最佳实践，优化数据管道以防止GPU饥饿。涵盖workers配置、内存锁定、持久化工作进程及大数据集处理策略，帮助提升训练性能。
设置DataLoader参数
数据预处理优化
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 及分布式训练最佳实践，涵盖进程组初始化、数据采样、同步批归一化、检查点保存及学习率缩放等核心配置。
多 GPU 训练性能优化
分布式模型训练配置
npx skills add aiming-lab/AutoResearchClaw --skill distributed-training -g -y
指导使用torch.cuda.amp进行混合精度训练，通过FP16/BF16加速模型训练并降低显存占用。涵盖autocast、GradScaler及BF16适用场景，旨在优化GPU性能并处理NaN梯度等常见问题。
优化GPU训练性能
降低模型训练显存占用
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关键步骤，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
