科研助手

解决的问题

科研流程中，文献、数据、代码和稿件往往分散在不同工具里：检索用数据库，统计用 Python，图表用绘图库，论文引用靠手动整理，药物发现还要查询化合物库和对接工具。科研助手 的目标是把这条链路接到支持 SKILL.md 与 exec 的 Agent 中，让研究者用自然语言或结构化参数发起任务，并在 output/ 目录得到可检查的中间产物。

核心能力与关键步骤

• 文献综述：围绕主题检索 PubMed、Google Scholar、arXiv，做前向/后向引用追踪、纳入排除、偏倚风险和质量评估，生成背景、方法、结果、讨论结构，并处理 APA、Nature、IEEE 等引用格式。
• 数据分析与可视化：覆盖描述统计、t 检验、ANOVA、回归、PCA、聚类、Kaplan-Meier 和 Cox；生物信息学侧可调用 BLAST、Scanpy、KEGG 等流程，输出热图、火山图、UMAP、t-SNE 等图形。
• 药物发现：从靶点识别到虚拟筛选，再到 SAR 优化，涉及 Open Targets、ChEMBL、PubChem、ZINC、AutoDock、RDKit 等工具链。
• 论文与基金：按 IMRaD 组织稿件，准备摘要、图表说明、Cover Letter、期刊格式；基金侧输出假设、研究计划、预算规划和影响陈述。

适用边界

该技能适合工程化和半自动化科研辅助，不替代科学判断、同行评审、伦理审查、临床诊断或实验操作。涉及重计算、外部数据库或云 GPU 时，需要检查网络、依赖版本、随机种子、API 速率和密钥环境变量配置，避免硬编码敏感凭证。