research-units-pipeline-skills

把研究拆成可验收单元，让 AI 写出有证据的长文

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署自动化工作流 🍴 复刻 39 🐛 待处理 8 👀 关注 1

GitHub ↗

GitHub 星标 ★ 517

维护状态维护中

是否开源开源

定价模式 🏷️完全免费开源项目，定价信息待确认

项目预览

research-units-pipeline-skills 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类自动化工作流

开发团队WILLOSCAR

GitHubhttps://github.com/WILLOSCAR/research-units-pipeline-skills

定价模式🏷️完全免费

价格说明开源项目，定价信息待确认

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

主要语言Python

技术栈/模型claude,claude-code,codex,gpt,pipeline,research,research-paper,research-project,research-tool,skills,tools,units,vibe,vibe-coding,vibecoding

GitHub 星标★ 517

上线时间2026-01-07 00:00:00

代码更新2026-10-05

仓库体积21.6 MB

本站数据更新2026-11-04

维护状态维护中

收录时间2026-09-16

浏览次数1

项目介绍

research-units-pipeline-skills 是一套把研究流程拆成「语义执行单元」的开源技能集，面向需要写研究论文、做调研报告或系统性文献分析的人。它把每个研究步骤定义为一个 skill，明确声明输入、输出、验收标准和护栏（guardrails），让 Claude Code、Codex 等 AI 编码代理按流水线方式依次执行。核心思路是「证据优先」：通过结构化的中间产物（如证据表、论点清单、引用映射）强制每一步都留下可核查的痕迹，避免 AI 直接生成空泛、无依据的成稿。项目用 Python 实现，提供可复用的 pipeline 编排方式，把研究从一次性提示变成可追踪、可复现、可逐步验收的工程化流程。适合研究者、技术写作者和需要高质量长文输出的团队，用工程约束换取内容可信度。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-09-16 · 当前星标 ★ 517

技术标签

claude claude-code codex gpt pipeline

使用教程

难度：进阶约 40 分钟部署方式：本地安装 5 步

环境要求

Python 3.11+
uv
支持技能的智能体

安装与启动步骤

1拉仓库

它是技能集合，不是单个应用。

git clone https://github.com/WILLOSCAR/research-units-pipeline-skills.git

2跑仓库结构校验

自带校验脚本，先确认完整性。
```
uv run --locked python scripts/validate_repo.py --strict
```
3跑就绪度审计

这一步查技能依赖是否齐。
```
uv run --locked python scripts/readiness_audit.py --strict
```
4跑技能审计

严格模式把警告算失败，正好用来定基线。
```
uv run --locked python scripts/audit_skills.py --fail-on WARN
```
5装进智能体使用

确认自检全绿后再装。