如果大家觉得有帮助，欢迎点个star支持一下。
最近在疯狂更新，帖子不一定来得及更新，以 Github 为准
Motivation
这个 project 的初衷，源于我读到的 Anthropic 的 skills 设计，对这种即插即用、可组合的范式产生了强烈兴趣，觉得在抽象层面非常优雅。由此引出了一个问题：能否像搭积木一样，通过编排 skills 来完成科研流程（好吧，我承认其实是懒癌犯了，想走捷径了，想把 codex 当成拉磨的驴 Agent 来用）？进一步来说，能否用 skills 的组合与调度，替代一部分原本依赖重型编码、耗时执行的复杂研究任务？在这一想法的驱动下，随着 skills 体系逐渐成形、效果开始显现，项目便沿着这个方向持续推进，逐步系统化地构建和打磨这套以 skills 为核心的 Pipeline。其核心理念是：将研究流程显式建模为可组合的语义单元（skills with contracts），使研究任务能够像软件工程一样实现可编排、可复用、可演化、可审计。
System Design
- skills 层面
一开始我先入为主地把 skills 理解成“函数”，但后来发现它更接近于一个自包含的执行单元，skill 描述的不是“怎么调用”，而是“在什么条件下、以什么方式完成一件事，并如何判断它是否完成”，这里推荐看 anthropic 的官方Github 或者 doc。
- What: 输入是什么，输出是什么（显式依赖）
- How: 怎么做，有哪些边界情况（notes + procedures）
- When done: 完成标准是什么（acceptance criteria）
- What NOT to do: 边界约束（guardrails，比如 NO PROSE）
-
pipeline 层面
在设计上对 skills 做了解耦 (不想重复造轮子了，另外改原子化组成的 Pipeline 只需增删改skills)：不再为每一个研究任务编写一条固定流程，而是将研究过程拆解为一组原子化的 skills（如 retrieval、taxonomy、outline、evidence、writing、validation），再通过 UNITS.csv 显式描述它们的执行顺序与依赖关系。这样一来，不同类型的任务（survey、systematic review、tutorial）可以复用同一套 skills，仅通过不同的编排方式完成，流程本身不再与具体任务强绑定。
整个流程被拆解成了 C0-C5 阶段，每一阶段有阶段性的产物（说多了都是泪，end2end 固然优雅，还是要保留中间产物便于回滚），会有隐式或者显示的规则/代码确保产物没有特别大的遗漏，在关键性节点引入确定性质量门（如 placeholder leakage、citation health、evidence binding 检查）用来兜底。
同时这套Pipeline 也可以高度个性化，个人比较倾向于设计 Pipeline 的时候让模型自己头脑风暴考虑怎么组合 skills，然后作为参考设计完整的 Pipeline，当然存在garbage in garbage out的风险，需要自己校正。 -
具体实现
配合 claude code和 codex 开启了 self-loop 的开发（工具改变生活），抽象出一堆 skills，约束 Pipeline 渐进式执行
Usage
打开terminal 开始指挥手下，启动 codex --sandbox workspace-write --ask-for-approval never （记得要把 sandbox 里面的 network 打开）
[sandbox_workspace_write]
network_access = true
补充修订：/experimental 可以打开这两个feature
[features]
unified_exec = true
shell_snapshot = true
模拟 example
你：给我写一个 agent 的 latex-survey
↓ [C0-C1] 检索 800+ 篇论文 → 去重到 150+ 核心集 arxiv 会补全 meta 信息
↓ [C2] 构建 taxonomy + outline + mapping（NO PROSE）→ 停在 C2 等审批
你：C2 同意，继续
↓ [C3-C4] 构建证据底座（paper notes + evidence packs + citations）（NO PROSE）
↓ [C5] 基于 evidence 开始写作 → 质量门检查
【如果 PASS】→ output/DRAFT.md + latex/main.pdf ✓
【如果 FAIL】→ output/QUALITY_GATE.md 告诉你改哪个中间产物
你（如果 FAIL）：按报告修复对应文件（如 outline/evidence_drafts.jsonl），然后说"继续"
→ 从失败 unit 恢复执行，不需要全部重跑
示例产物（v0.1，包含完整中间产物）全在 example 里面，可以看最新时间戳，也会保留之前觉得写的还行的
这是一个“完整跑通”的示例 workspace：从找论文 → 出大纲 → 整理证据 → 写草稿 → 编译 PDF，所有中间产物都在里面，方便你对照理解整条链路。
- 示例路径：
example/e2e-agent-survey-latex-verify-<时间戳>/（对应流程：pipelines/arxiv-survey-latex.pipeline.md） - 过程中会在 C2（大纲） 停下来等你确认；确认后才会写正文
- 默认配置（A150++）：核心论文 300 篇、每个小节映射 28 篇、证据模式用 abstract（摘要级）；目标是全局引用足够密（全局 unique citations 默认收敛到推荐值）
- 一般建议：
draft_profile: survey（默认交付）；想更严格再用draft_profile: deep
Limitation
写作部分 self-loop了 N 次，迭代思路是选取一些写的比较好的 survey，让cc 或者 codex学习下写作风格和结构，然后了解workspace中的实际产物分析和优秀 survey 的差距，把暴露出的问题和改进意见写到某个 md 里面，再根据改进意见头脑风暴，反向调整重构 skills 和 Pipeline
写作还是门艺术活，高度依赖审美和经验，现在这套流程离从 0 到 1 写出顶会级别的描述还是有不少距离的，另一方面，写作技巧可能很难被精确的量化，目前更多是通过将其转化为“受约束的优化问题”，给出正反例，给出一些引导性句子，杜绝一些模型的写作怪癖/特殊表达，这样的方式虽然提升了下限，也不可避免会落入俗套，模板化。
Future work
当然最终目标还是希望同时提高上下限，fighting，也希望能够加入一些可解释性。
如果大家有好的建议，欢迎多多提出；趁着现在热情还没降下去，这个 repo 会持续更新，也欢迎点个star支持一下。
Reference
- GitHub - anthropics/skills: Public repository for Agent Skills
- https://github.com/hellowind777/helloagents/tree/main/Codex/Skills
- GitHub - renocrypt/latex-arxiv-SKILL: A .codex SKILL for issue-driven ML/AI arXiv review papers: scaffold LaTeX + verify BibTeX citations end-to-end.
- Agent Skills - Claude API Docs
Todo
- 加入多 cli 协作，multi-agent design （在合适的环节接入 API，替代或者分担 codex 执行过程中的压力）
- 持续打磨写作技巧，提升写作上下限
- 完善剩余的Pipeline，example 新增例子
- 精简Pipeline中冗余的中间内容，遵循优雅的奥卡姆剃刀原则，如无必要，勿增实体。
太牛了