集大成的一体化科研工作台——不是又一个写论文工具，而是把市面最好的开源科研方案与自研的编排、记忆、审计组件，熔成一条从选题到投稿的 13 阶段流水线。
- 双层记忆图谱：项目图谱（假设/实验/结论/协议）记录课题内科学演化；共享图谱
（经验/用户画像/期刊画像/工具规则）沉淀跨课题的思维抽象；节点与边全部带来源指针，
kg.md改为自动生成的人读视图，台账仍是唯一事实来源； - 三条自进化闭环：
scan自动登记台账变化与机械边（evidence_for/derived_from）， 判断边（contradicts/supersedes/complements）生成候选后必须人工确认；项目经验promote抽象为共享候选；用户纠正累计 3 次自动生成画像规则，期刊/环境/论文风格偏好持续进化； - 记忆驱动：UserPromptSubmit 钩子每回合注入记忆摘要（活跃节点、未回应矛盾、 待确认候选、相关经验/画像/期刊）；S6/S9 门禁消费图谱（矩阵节点登记、内部矛盾边回应）。
- 多课题隔离：一个工作区管理多个课题（
projects/<id>/.research/独立记忆， 跨课题共享经验走.research/meta/），用户始终在根目录操作，点名课题即切换； - S6/S7 重设计：S6 = 协议登记 → 矩阵冻结 → 实现 → 冒烟 → 三轮自检 → 验收报告； S7 = pilot → 基线 → 调参/go-no-go → 配置锁定 → canonical 正式评估；
- 阶段门禁（Codex hooks）：S2–S13 关键节点自动复检，不合格自动返工（最多 3 轮）， 可回 S2–S5 重做；钩子不可用时降级为强流程；
- 写作保真与期刊适配：数字/引用/术语/claim 强度不可被润色改掉；从范文建模
Style Profile，不抄句子；基线三态策略（
reproduce/cite_published/excluded， 有已发表数字就引用，不复现）。
- 13 阶段流水线首版：多源文献调研 → 假设审查 → 新颖性原子查新 → 数学验证 → 故事动机 → 实验 → 绘图 → 写作 → 排版 → 三轮审查 → 去 AI 味；
- 30 个技能随仓库打包，学术诚信红线（引用逐字段核验、真实实验复现、有界检索无结果 ≠ 新颖） 写进工作流本身。
Research Workbench 是一套开箱即用的 Codex 原生科研工作流，覆盖从选题到投稿的 13 个阶段。它把市面验证过的开源方案——顶刊写作/审查/绘图、深度调研、实验/统计/优化、工程绘图——与自研的编排、台账记忆、新颖性审计、树状搜索迭代组件，打包成一个可跨会话工作的整体。
- 全部 30 个技能（7 自研 + 23 精选第三方）随仓库打包，克隆后只需配置 API Key 即可使用，无需联网安装；
- 它不是“黑箱写论文机器”，而是有纪律、有记忆、可审计的科研流程：研究台账、新颖性审计、真实实验复现、三轮审查和学术诚信红线都写进了工作流本身。
V2 核心升级：一个工作区并行管理多个课题（
projects/<id>/.research/隔离记忆，跨课题共享经验走.research/meta/）；S6/S7 重设计（实现验收门禁 + 实验运行/调参闭环）；阶段门禁（Codex hooks）（S2–S13 关键节点自动验收，不合格自动返工）；写作保真协议（数字、引用、术语、claim 强度不可被润色改掉）；目标期刊适配建模（从范文学结构，不抄句子）；基线策略三态（能引用已发表数字就不复现）。V2.1 新增：记忆图谱与自进化——台账之上的双层图谱（项目工作记忆 + 共享经验/画像/期刊），机械边自动入图、判断边人工确认；项目经验与用户习惯跨会话持续沉淀，每回合自动注入记忆摘要。
市面上的方案大致分六类，每一类都只解决一段，而 Research Workbench 把它们串成了闭环：
| 方案类型 | 它们能做什么 | 缺什么 | 本项目的做法 |
|---|---|---|---|
| 通用对话式 AI | 单点问答、单次检索、单次写作 | 没有流程状态、跨会话没记忆、不强制查新和引用核验 | 13 阶段状态机 + 研究台账，结论必须挂证据 |
| AI Scientist 类全自动写论文 | 自动跑实验和写论文 | 已知会编造结果、引用幻觉、把 Bug 当 Insight | 真实实验复现记录、人工抽查、引用核验，拒绝虚构数据 |
| 文献工具 | 检索、引文网络、文献管理 | 只覆盖选题/文献单点 | 文献只是 S1/S11 的一部分，后面还有实验、写作、审查、投稿 |
| 写作润色工具 | 排版、语法、润色 | 不懂你的实验和台账 | 写作管线连着实验矩阵、机制图和证据链 |
| 实验管理工具 | 实验记录、指标追踪 | 不覆盖选题、写作、审查、投稿 | 实验是 13 阶段中的一环，全程闭环 |
| 通用技能合集 | 一堆可用技能 | 没有编排路由、主备切换、台账闭环、流程纪律 | AGENTS.md 自动路由，主用失败自动切备用 |
六个核心差异点：
- 三层架构 + 13 阶段状态机：入口层把任务自动路由到主用/备用技能，记忆层用多课题台账跨会话续接，执行层 30 技能覆盖 S1–S13；不是技能堆砌，也不是问一句答一句。
- 并行探索 · 剪枝 · 迭代：假设树 + 树状搜索在隔离 worktree 并行跑分支，dev/test 分离、merge gate 防过拟合，剪枝理由留痕成负约束。
- 三轮互盲审查：审稿人独立上下文出报告、冻结后再综合，避免上下文污染和“模型自评过高”；P1=0、P2 收敛才算过，修订逐条可追溯。
- 台账 = 记忆 + 证据 + 演化：知识图谱（contradicts/complements/supersedes）、结论必须挂证据、实验矩阵状态机、跨会话记忆，全部写进流程。
- 学术诚信是硬协议：新颖性原子查证（有界检索无结果 ≠ 新颖）、引用逐字段核验、真实实验复现、数学定理验证，不是口号。
- 多绘图管线与文献基建：数据图（Python/R 双后端）/ 架构机制图 / Mermaid 文本图 / AI 示意图各走专门路线；11 个学术 API + 六维打分 + 定时追踪 + 合规下载。
我们集成的 23 个第三方技能来自四个优秀开源项目，并提炼了两个写作项目的机制（sci-ssci-skills、journal-adapt-writing-skill）融入自研管线，介绍与上游链接见 docs/third-party.md。
架构本身就是卖点：入口层管路由，记忆层管连续性，执行层管专业能力。
- 入口层 · 路由：
academic-workbench收到任务后判断所属阶段，按 13 阶段路由表选择主用技能，失败自动切备用；跨阶段任务按顺序编排。 - 记忆层 · 多课题台账：每个课题独立记忆在
projects/<id>/.research/（假设、实验矩阵、结论声明、引用、知识图谱），跨课题共享经验在.research/meta/——重开仓库即续上次进度，课题之间互不串味。 - 执行层 · 30 个技能：7 个自研技能负责编排、记忆、审查与视觉验收，23 个精选第三方技能覆盖写作/绘图、实验/统计/优化、深度调研与工程绘图。
13 个阶段不是死板模板，而是一套有状态、有闭环、可返修的科研系统：每个阶段都有主用/备用技能、台账落点与收敛标准，S7 可以并行分支、剪枝、迭代，S12 的返修回路能回到写作甚至补实验。
多源文献调研与找 gap 的入口。
聚合 11 个学术 API（PubMed、arXiv、OpenAlex、Semantic Scholar 等）做多源检索，跨数据库去重合并结果，按相关性、影响力、时效性等六个维度打分排序，支持检索式定时追踪、新文献主动推送。找 gap 不是关键词检索，而是带检索审计的证据化查新：把候选方向拆成可检索的命题，逐项比对已有工作，明确"谁做过了、做到什么程度、还剩什么没做"。输出文献清单、热点总结、gap 列表并写入 citations.tsv，为后续新颖性查证和引用核验留底。
动手前先审逻辑、假设与风险。
苏格拉底式追问 + 证据感知头脑风暴，多轮对谈把初始想法打磨成可执行的方案：先暴露隐藏假设，再列出竞争性解释与反例，最后逼出可证伪的预测——一个想法必须有办法被证明是错的，才值得投入时间。所有讨论沉淀成候选假设、决策日志写入 hypotheses.jsonl，避免拍脑袋开题，也为后面 S6 实验设计提供输入。
判断 idea 是否真的新，而不是“我觉得新”。
把 claim 拆成原子要素（任务/方法/模块/设定），每个要素单独在多个数据源里检索比对，区分“同任务、同组合、只换数据集”三种情况，避免被整体式检索漏掉近邻工作。输出差异点清单 + 新颖性声明草稿，检索式、数据源、检索日期全部写入审计记录。硬红线：有界检索无结果 ≠ 新颖——没有检索审计的新颖性声明一律不采信。
把命题形式化并验证，定理不靠感觉。
把论文中的核心命题形式化，用符号计算验证推导的正确性，再做量纲一致性、边界条件、计算复杂度检查，最后按数学优雅性评审推导是否值得写进论文。产出验证报告，公式和推导在写作前先证明可站住，避免投稿后被审稿人发现理论漏洞而返工。
写正文前先把论文故事讲圆。
产出 one-pager：hook（为什么现在做）→ 背景（已知什么）→ 缺口（还差什么）→ 贡献（做了什么）→ 路线图（怎么证明），每条贡献强制对应实验或证明证据，不允许出现"贡献没有支撑"。同时考虑目标期刊/会议的读者画像与行文风格，让故事命中目标受众。故事版本留档，投稿后审稿人质疑动机时可直接追溯。
把 idea 固化成可复现代码，先验收再开跑。
先登记项目实验协议（划分、指标、早停、统计口径，由项目定义，不内置默认），冻结 matrix.md（方法 × 任务 × 指标，状态 design），逐条标注基线策略：reproduce（无已发表数字才复现）/ cite_published（默认，直接采用原文数字）/ excluded（与叙事无关，不跑不引）。然后按矩阵实现代码，冒烟验收（shape / loss / NaN / 复现一致），三轮自我检查（禁止降级简化、虚假实现、不可复现），产出验收报告；全部 PASS 才转 pending 进入 S7。
在真实算力上执行矩阵，用最小成本完成调参、消融与 go/no-go。
先 pilot 试运行（只验稳定性，不出结论），基线按 S6 策略执行；调参、消融、go/no-go 只在 pilot 数据上做（防泄漏），达到最大轮数或连续提升低于阈值即停并记录原因；锁定配置快照后跑 canonical 正式评估（按项目协议完整执行，禁止实时调参），结果回写台账。算力充足时可并行多个方法，但每个任务独立随机策略、独立日志、独立状态。
期刊级数据可视化。
提供 Python（matplotlib/seaborn）与 R（ggplot2/patchwork/ComplexHeatmap）双后端，支持多面板组合与投稿级导出（SVG/PDF/TIFF），满足不同期刊对分辨率与格式的要求。画图前先定结论、证据逻辑与审稿风险：每张图回答一个核心问题、突出一个结论。图内只放坐标轴/图例，图注由写作阶段统一产出，图文分离保证一致性与可追溯。
产出完整论文初稿。
按“研究到论文”流程起草各章节，从实验矩阵和证据链出发组织正文。动笔前建 evidence ledger 与 section function map（缺证据标 blocked，不编内容）；提供目标期刊/范文时先建 journal style card（只学结构功能，不抄句子），用户确认后逐节写。写/改后跑 check_preservation.py + 人工语义审计，输出契约（成稿 → Key changes → Preservation audit → Author queries）全过才算完成。先核验引用再写作，正文里每一条引用都有真实来源。
不同类型示意图走不同管线。
架构图、算法流程、机制示意图走图像模型与本地绘图管线，支持多轮迭代修改而不糊图；需要进 git 做版本管理的文本图走 Mermaid 文本路线，每次修改都有 diff 可审计。AI 图形摘要走图像模型路线，一句话描述即可生成示意图。图注由 S9/S11 统一产出，不进图片像素，避免图与正文不一致。
按目标期刊排版并核验全部引用。
按目标期刊生成官方模板骨架，段落、标题、图表位置对齐期刊要求。引用逐条多源交叉验证：作者、标题、年份、卷期、页码逐字段核对，自动标记卷年/DOI 冲突、作者顺序异常、页码偏差，不放过任何一条可能被审稿人挑出来的错误。一键切换引用格式（APA / GB/T 7714 / 期刊自定义），可补顶刊系支撑引用并导出 EndNote/RIS/Zotero 管理库。
投稿前内部把关，防“自己夸自己”。
三轮连带审查：第一轮按 Originality/Methodology/Evidence/Coherence/Writing 五个维度拆子问题，输出 P1（致命问题）/P2（改进建议）清单；按清单修订后，第二轮 re-review 生成 traceability matrix，逐条核对每条意见是否被真实处理；第三轮终检 P1=0、P2 低于阈值才算过。审稿人互盲隔离——独立上下文、报告冻结后再综合，避免上下文污染与“模型自评过高”。返修回复材料自动生成，投稿后应对审稿意见也有底稿。
让学术写作清晰、精确、多样，而不是骗检测器。
先去 AI 味前先跑保全审计（数字、引用、术语、claim 强度逐项核对，防止去味变成改科学），再做机器检测式体检：AI 高频词、em dash 数量、分号密度、throat-clearing 开头、过度声称逐项扫描，按目标期刊风格改写后复检，直到通过阈值。明确禁止同义词替换式 humanizer——目标是把论文改得清楚、精确、多样，而不是骗过检测器。
S7 的并行剪枝迭代、S12 的互盲审查与返修回路、台账对每个阶段的状态记录，让“有纪律、有记忆、可审计”成为默认行为而不是额外要求——这正是它与“一堆技能”“一个聊天框”的本质区别。
| 阶段 | 技能 |
|---|---|
| S1 想法/文献/找 Gap | nature-literature-pipeline、paper-lookup、academic-research-suite(deep-research)、nature-academic-search、nature-downloader |
| S2 审查 idea/方案 | academic-research-suite(Socratic)、scientific-brainstorming、hypothesis-generation、researchwrite |
| S3 新颖性 | novelty-sweep（自研）、academic-research-suite(academic-paper-reviewer)、nature-literature-pipeline(gap-analysis) |
| S4 理论/数学验证 | math-verification（自研）、sympy |
| S5 故事/动机 | narrative-engine（自研）、researchwrite、academic-research-suite(socratic mentor) |
| S6 实验矩阵冻结/实现/自检验收 | research-ledger（自研）、academic-research-suite(experiment-agent)、experimental-design、pytorch-lightning、transformers、scikit-learn |
| S7 实验运行/参数优化闭环 | arbor、research-ledger（自研）、research-tree-search（自研）、scikit-learn |
| S8 数据图 | nature-figure、engineering-figure-agent(plot) |
| S9 论文写作 | academic-research-suite(academic-paper)、researchwrite（保真协议/期刊适配） |
| S10 架构/算法/机制图 | engineering-figure-agent、nature-figure、markdown-mermaid-writing |
| S11 排版/模板/参考文献 | venue-templates、nature-ref-verifier、academic-research-suite(citation-format-switcher)、visual-pdf-review（自研） |
| S12 三轮审查 | research-tree-search（自研）、academic-research-suite(academic-paper-reviewer)、visual-pdf-review |
| S13 去 AI 味 | academic-research-suite(Writing Quality Check) + 保全审计、researchwrite（anti-slop） |
30 个技能 = 7 自研 + 23 精选第三方（nature-* 8 / ARS 1 / scientific-agent-skills 13 / engineering-figure-agent 1），许可证见下方组件表；入口技能 academic-workbench（自研）不挂单阶段，在三层架构段落说明。逐阶段详解见 docs/stages.md，主备路由见 AGENTS.md 与 docs/13-stage-routing.md。
- 多课题隔离：每个课题独立记忆在
projects/<id>/.research/，跨课题共享经验在.research/meta/（方法论、服务器经验、技巧）；跨课题访问必须显式点名，禁止默认串读； - 实验矩阵状态机：每个实验从
design → pending → running → done → stats全程留痕，失败原因入库可追溯； - 结论必须挂证据：每条结论级声明 = 实验记录 + 可核验引用，流程性拦截编造结果与幻觉引用；
- 知识图谱：结论之间用
contradicts / complements / supersedes三类边记录演化，被取代节点保留不删； - 记忆图谱自进化：图谱作为台账之上的派生结构化索引（
graph/：nodes/edges/candidates/events + 自动生成的kg.md），scan自动登记节点与机械边，判断边生成候选必须人工确认；项目经验promote到共享层，用户纠正累计 3 次生成画像规则，期刊/环境/论文风格偏好持续沉淀， 会话开始由 UserPromptSubmit 钩子自动注入记忆摘要。详见 docs/memory-graph.md； - 跨会话记忆：点名课题后打开先读该课题台账、结束自动回写——上次跑到哪、下一步做什么，不需要靠聊天记录。
在 S2/S3/S4/S5→S6/S6/S7/S9/S11/S12/S13 等关键节点布防门禁：阶段完成时先
gate_check.py --pending --stage <Sx> --project <id>，Stop 钩子每回合结束自动复检；
不合格自动返工（默认最多 3 轮），全部 PASS 才放行，超限停下请用户决策。这样既保持流水线严格，
又不会死板——失败可以回 S2–S5 重新设计，由 go/no-go 记录决定。
- 门禁清单与检查规则：docs/hooks-gates.md、
.codex/hooks/gates.json； - 克隆后只需信任一次项目
.codex层（CLI/hooks，桌面端 Settings → Hooks），即可“开箱即用”； - 钩子未启用时降级为强流程约束：进入下一阶段前必须手动
--check拿到 PASS。
- 引用必须真实可核验；禁止编造 DOI、页码或参考文献（投稿前运行 nature-ref-verifier）。
- 实验结果必须真实运行并留复现记录；禁止虚构或美化数据。
- “有界检索无结果 ≠ 新颖”；新颖性声明必须附检索审计。
- 每篇论文的关键实验由作者人工抽查复现后再投稿。
- 去 AI 味的目标是清晰、精确、多样化的专业学术写作，不是欺骗检测器。
- 写作/润色保真：数字、统计、引用、术语、限定词与 claim 强度在起草/润色/去 AI 味后必须逐项核验（preservation ledger +
check_preservation.py）；润色不得悄悄改变科学内容。
git clone https://github.com/M-24rjgc/research-workbench.git
cd research-workbench或者在 Codex 对话中直接说：
请 clone https://github.com/M-24rjgc/research-workbench 到工作区，
然后读取 AGENTS.md，按 13 阶段路由开始科研。
⚠️ 重要：本仓库是 Codex 原生工作台，请让 Codex 来 clone 和使用。手动下载 zip 复制技能目录会丢失AGENTS.md路由、台账和脚本约定，几乎不可用。
cp templates/.env.example .env
# 编辑 .env，填入你的 OpenAI 兼容网关 Keypython3 .codex/skills/research-ledger/scripts/project_context.py --create <id> --title "<课题描述>"然后用 Codex（或任意兼容 Agent）打开本目录，说一句“开始科研”即可。任务会自动进入 academic-workbench 路由。
需要 Python 3.10+。技能全部本地化随仓库维护，没有安装/同步脚本，改
.codex/skills/即生效。
首次打开仓库后，在 Codex 中执行 /hooks（CLI）或在桌面端 Settings → Hooks 里信任
Research workbench: checking stage gate 的 Stop 钩子。之后阶段门禁自动生效，不需要再配置。
- 让 Codex clone 本仓库（或直接打开仓库目录）；
- Codex 自动读取
AGENTS.md、发现.codex/skills/的 30 个技能； - 初始化：
cp templates/.env.example .env+ 新建课题（project_context.py --create <id>）； - 信任项目钩子（CLI
/hooks或桌面端 Settings → Hooks），启用阶段门禁； - 用自然语言说任务，Codex 自动路由到对应阶段；
- 每完成一个阶段，Codex 会更新当前课题
projects/<id>/.research/台账；阶段门禁自动复检，不合格自动返工。
每个阶段怎么说、注意事项，见 docs/codex-guide.md。
research-workbench/
├── AGENTS.md # 工作台约定：13 阶段路由、台账、学术诚信红线
├── .codex/
│ ├── scripts/ # 蒸馏脚本（distill-skill.py，可选维护）
│ └── skills/ # 30 个技能（7 自研 + 23 第三方，已打包）
├── projects/ # 课题目录（本地私有，git 忽略）
├── templates/
│ ├── .env.example # API 配置模板（不含真实密钥）
│ └── research-scaffold/ # 台账空模板
├── THIRD-PARTY-NOTICES/ # 第三方许可证原文
├── assets/ # README 配图（含可复现生成脚本）
├── docs/ # 使用文档
├── .devcontainer/ # Codespaces / Dev Container 一键环境
└── .github/ # CI、Issue/PR 模板、行为准则
| 变量 | 说明 | 必填 |
|---|---|---|
OPENAI_API_KEY |
OpenAI 兼容网关的 Key | ✅ |
OPENAI_BASE_URL |
网关地址，如 https://gateway.example.com/v1 |
✅ |
OPENROUTER_API_KEY |
图像/示意图生成 Key（如分开计费） | ❌ |
OPENROUTER_IMAGE_MODEL |
图像模型，如 gpt-image-2 |
❌ |
SCHEMATIC_IMAGE_API_URL |
自定义 images/generations 端点 | ❌ |
详细说明见 docs/api-config.md。
| 组件 | 上游 | 许可证 |
|---|---|---|
| nature-skills（nature-* 系列，19 个） | Yuan1z0825/nature-skills | Apache-2.0 |
| scientific-agent-skills（13 个） | K-Dense-AI/scientific-agent-skills | MIT |
| engineering-figure-agent | heyu-233/engineering-figure-agent | MIT |
| academic-research-suite | Imbad0202/academic-research-skills-codex | CC BY-NC 4.0（非商业） |
许可证原文见 THIRD-PARTY-NOTICES/，完整说明见 LICENSE-THIRD-PARTY.md。
⚠️ 本仓库整体采用 MIT 许可，但 不覆盖academic-research-suite组件；该组件受 CC BY-NC 4.0 约束，禁止商业用途，使用前请阅读上游许可证。
本项目打包使用了以下优秀的开源 Skill 项目，感谢这些作者的公开贡献：
| 项目 | 在本仓库的用途 | 许可证 |
|---|---|---|
| nature-skills（8 个技能） | 文献检索/合规下载/出版级绘图/统计审计/引用核验/契约式写作 | Apache-2.0 |
| scientific-agent-skills（13 个技能） | 实验设计/假设生成/统计分析/科学计算框架/幻灯片/排版等 | MIT |
| engineering-figure-agent | 工程论文架构图/算法流程/机制示意图 | MIT |
| academic-research-suite | 深度调研/论文起草/三轮审查编排 | CC BY-NC 4.0（非商业） |
另将以下项目的机制/方法提炼融入自研管线，或作为打包技能的上游来源：
| 项目 | 关系 | 许可证 |
|---|---|---|
| sci-ssci-skills | 写作保真机制（preservation/claim-strength/output contract）→ researchwrite |
Apache-2.0 |
| journal-adapt-writing-skill | 期刊适配建模（Paper Style Card → 动态写作规则）→ researchwrite |
MIT |
| academic-writing-skills | 投稿前机械检查与投稿信 align-check 协议机制借鉴 | 见上游 |
| agent-project | markdown-mermaid-writing 技能的上游来源 |
见上游 |
| Arbor | arbor 技能所依据的假设树精炼（HTR）方法论 |
见上游 |
许可证原文见 THIRD-PARTY-NOTICES/，完整说明见 LICENSE-THIRD-PARTY.md。
Q：需要 GPU 吗？ 视具体研究任务而定。工作台本身是纯脚本 + 技能，不强制 GPU。
Q：可以用其他模型网关吗？
可以。只要提供 OpenAI 兼容的 base_url 和 Key 即可，详见 docs/api-config.md。
Q：.research/ 为什么是空的？
真实研究记录属于私有数据，仓库只提供空模板。初始化方式见快速开始第 4 步。
Q：第三方技能更新了怎么办？
技能全部本地化：直接修改 .codex/skills/ 即可，没有上游同步脚本。
欢迎 Issue 与 PR！请先阅读 CONTRIBUTING.md。
更多文档：
- docs/third-party.md — 第三方组件与上游项目介绍
- docs/codex-guide.md — 如何配合 Codex 使用
- docs/stages.md — 13 阶段逐项详解
- docs/quickstart.md — 快速上手
- docs/api-config.md — API 配置
- 自研部分（7 个自研技能与全部编排脚本）：MIT License，版权归 MTC (M-24rjgc)， 完整条款见 LICENSE。
- 第三方组件：不归本仓库 MIT 覆盖，遵循各自上游许可证，见
LICENSE-THIRD-PARTY.md 与
THIRD-PARTY-NOTICES/。其中
academic-research-suite为 CC BY-NC 4.0（非商业），禁止商业用途；使用者必须同时遵守每个上游许可。
如果这个项目对你有帮助，欢迎 ⭐ Star，让更多科研人看到。