不要从 GitHub 手动下载 zip、解压、复制技能目录。 本仓库是专门为 Codex(或兼容 .codex/skills + AGENTS.md 约定的 Agent)设计的。正确的方式是让 Codex 自己 clone 仓库、读取约定、发现技能。
在 Codex 对话中说:
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。
Codex 会自动:
- 克隆仓库;
- 读取根目录
AGENTS.md; - 发现
.codex/skills/下的 30 个技能; - 把任务路由到对应阶段技能;
- 把假设、实验、结论写进当前课题
projects/<id>/.research/。
- 在 Codex 中打开仓库所在文件夹;
- 首次使用先让 Codex 执行:
cp templates/.env.example .env
python3 .codex/skills/research-ledger/scripts/project_context.py --create <id> --title "<课题描述>"
- 在
.env中填入你的 OpenAI 兼容网关 Key(Codex 不会替你把密钥写进 git);想并行多个课题就多跑几次--create; - 直接说任务即可,例如“查一下语音情感识别 2026 年的文献”。
如果你已有研究项目,希望沿用这套流程:
把这个仓库的 AGENTS.md、.codex/skills/、templates/ 复制到当前项目,
然后按 AGENTS.md 的 13 阶段路由继续工作。
注意:AGENTS.md 与 .codex/skills/ 必须位于项目根目录,Codex 才能自动发现。
| 阶段 | 你可以这样说 |
|---|---|
| S1 选题/文献 | “查一下 XX 方向近两年的文献,归纳热点和 gap,写入台账” |
| S2 审查方案 | “用 scientific-brainstorming 评审这个研究方案” |
| S3 新颖性 | “对 ‘XX idea’ 做查新,给出检索审计” |
| S4 数学验证 | “用 math-verification 验证这个推导/公式” |
| S5 故事/动机 | “写一页研究故事线:hook → 缺口 → 贡献” |
| S6 实验矩阵冻结/实现 | “按项目协议冻结实验矩阵,实现并跑冒烟+三轮自检,出验收报告” |
| S7 实验运行/优化闭环 | “先 pilot 试跑,再对 XX 调参/消融,达标后锁定配置跑 canonical” |
| S8 数据图 | “用 nature-figure 出期刊级数据图” |
| S9 写作 | “按 ARS academic-paper 流程起草论文初稿” |
| S10 示意图 | “用 engineering-figure-agent 画系统架构图” |
| S11 排版/引用 | “用 venue-templates 排版,并跑 nature-ref-verifier 核引用” |
| S12 三轮审查 | “启动三轮连带审查” |
| S13 去 AI 味 | “先跑保全审计,再跑 Writing Quality Check + researchwrite anti-slop 闭环” |
.env永远不进 git;密钥只在本地生效;- 每完成一个阶段,提醒 Codex 更新当前课题
projects/<id>/.research/台账; - 投稿前:作者必须人工抽查关键实验与全部引用,不要交给 AI 全自动拍板。