Nature Skills 评测：用 AI 把论文写作拉到顶刊水准

论文能不能发顶刊，70% 靠表达。数据再好，表达不到位，审稿人第一轮就把你拒了。

Nature Skills是上海交通大学博士生袁一哲开发的开源 AI 学术写作技能包，专为 Claude Code 和 Codex 设计。GitHub 17000+ Star，1000+ Fork——这不是一个玩具项目，是真正在前线发论文的人做给自己用的工具。

它能做什么？

一个项目，10 个 Skill，覆盖论文写作全流程：

状态标签含义：

• Stable：在真实学术内容上验证过，规则稳定
• Beta：在案例上测试过，边缘情况可能有问题
• Draft：规则已定义，尚未大量实测

逐个拆解

nature-figure（Stable）— 科研绘图

这是目前最稳定、最值得用的 Skill。

核心能力：自动生成符合 Nature 可视化规范的多面板科研图。支持 Python（matplotlib/seaborn）和 R（ggplot2/patchwork）双后端，调用时会强制选择一个，整条流水线不混用。

硬性规则：

• 字体强制 Arial，SVG 输出文字保持<text>节点（可编辑）
• 主输出.svg，.png@300dpi仅作预览
• 多面板图遵循三级信息层级：概览 → 偏差 → 关系，禁止两个面板回答同一科学问题

内置 10 种图表类型：柱状图、趋势线、热力图、散点/气泡、雷达/极坐标、分布图、森林/区间、堆叠面积、图片面板、网络/矩阵。

底层来源：来自 Nature Machine Intelligence 和顶级 ML/Bioinformatics 期刊的真实论文生产代码（figures4papers 项目），绑定了 9 套 demo 脚本。

用法示例：

"根据附件数据库，生成2个panel的Nature风格Figure 1。
panel1为生存曲线：自变量为x，应变量为y，均为数值变量，
将x根据中位数分为高低两组，结局变量为z，
其中1为死亡、0为存活或删失。
panel2为x与y的RCS曲线，设置4knots。
两个panel都要调整同一组协变量：B、C、D、E、F。"

nature-polishing（Stable）— 学术润色

另一个 Stable 状态的 Skill，同样经过真实论文验证。

核心能力：把初稿（包括中文学术草稿）改写成符合 Nature 发表标准的英文散文。不是拼写检查，是 12 步润色流水线。

12 步流程：句子切分 → 章节识别 → 沙漏检查 → 时态审计 → 句子编辑 → 词汇升级 → 模板检查 → 引用审计 → 期刊风格 → 过度断言检测 → 校对 → 输出

关键规则：

用法示例：

"润色这段Results部分，按Nature标准"
"把这篇中文草稿翻译并改写成Nature风格的英文"
"检查这段有没有过度断言"

nature-reader（Beta）— 双语精读

把论文转成结构化 Markdown 精读文档：

• 段落级原文 + 中文翻译（对照排列，非逐句硬译）
• 图表嵌入（提取论文图片，放在首次引用位置）
• 原图注 + 中文翻译
• 稳定段落锚点（标注来源页码，方便回溯）

"精读这篇PDF，生成中英文对照的Markdown文档"
"把这个DOI对应的论文转成带图表的双语精读笔记"

nature-writing（Draft）— 论文起草

按 Nature 论文的论证结构草拟或重构稿件章节。每种章节有独立策略：

• Abstract：Context → gap → approach → result → implication → boundary
• Introduction：领域规模 → 瓶颈 → 前人尝试 → 未解决问题 → 本研究
• Results：搭建"证据阶梯"，不按时间顺序写实验日志
• Discussion：意义 → 与前期工作关系 → 局限性 → 未来方向

核心约束：不编造数据、机制、引用、统计或局限性。内容不足时必须标记让作者补充。

nature-reviewer（Draft）— 模拟审稿

生成 3 份独立审稿报告 + 1 份交叉综述，从新颖性、重要性、技术合理性、呈现质量、编辑风险五个维度评估。评估仅基于用户提供的稿件，不编造内容。

"模拟Nature审稿，评估这篇手稿的拒稿风险"

nature-citation（Beta）— 引用管理

把论点转换成 Nature/CNS 系列引用候选，支持 ENW、RIS、Zotero RDF 导出。按支持强度分五级：强/部分/背景/仅元数据。

nature-response（Beta）— 审稿回复

逐条回复审稿意见，每条赋予稳定 ID，映射到具体操作（ACCEPT_TEXT / SOFTEN_CLAIM / AUTHOR_INPUT_NEEDED），并关联手稿修改位置。确保零遗漏。

nature-paper2ppt（Beta）— 论文转 PPT

把论文转成中文.pptx，用于 journal club、组会。自动判断论文类型，选择叙事逻辑，只选支撑核心论点的图片。

nature-academic-search（Beta）— 学术搜索

基于 MCP 服务器，同时检索 PubMed、CrossRef、arXiv，支持 DOI/PMID/arXiv ID 解析、自动去重、MeSH 术语扩展、多格式引用导出。

nature-data（Draft）— 数据声明

准备 Data Availability 声明、仓库方案、FAIR 元数据检查。自动识别中文作者常见写法（"数据向通讯作者索取"），转换成 Nature 接受的英文表达。

安装方式

Codex（原生支持）

codex plugin marketplace add https://github.com/Yuan1z0825/nature-skills --ref main
codex plugin add nature-skills@nature-skills

Claude Code（手动安装）

git clone https://github.com/Yuan1z0825/nature-skills.git ~/ai-skills/nature-skills

然后创建 subagent 封装：

mkdir -p ~/.claude/agents
cat > ~/.claude/agents/nature-reader.md <<'EOF'
---
name: nature-reader
description: Full-paper bilingual Markdown reader for journal papers.
---

When invoked, first read `~/ai-skills/nature-skills/skills/nature-reader/SKILL.md`.
Treat that file as the governing workflow.
EOF

优点

1. 精准定位。不是泛泛地"帮你写论文"，而是严格瞄准 Nature/CNS 这套标准体系。每个规则都有出处，不是凭感觉。

2. 规则硬核且可执行。"每句 ≤ 30 词"、"三级面板信息层级"、"五级引用支持强度"——这些不是建议，是强制规则，AI 必须遵守。

3. 做给自己用的项目。作者本人就是上交博士生，正在发论文。这些 Skill 解决的是他自己每天都在面对的问题，落地感远超纯兴趣项目。

4. 来源可靠。绘图脚本来自真实 Nature 论文的生产代码，润色规则来自 Nature 原文精读 + Academic Phrasebank。

不足

1. Claude Code 不完全兼容。主平台是 Codex，Claude Code 用户需要手动创建 subagent 封装，不是开箱即用。

2. 多个核心 Skill 仍是 Draft 状态。nature-writing、nature-reviewer、nature-data 标记为 Draft，规则已定义但未经大量实测。使用时需要多留心眼，不能无脑接受输出。

3. 30 词句长规则的适用边界。严格来说这是 Nature 的要求，不一定适合所有期刊。投其他期刊时需要灵活调整。

4. 学术写作 ≠ 学术研究。这个项目帮你把"表达层"做到顶刊标准，但不能帮你做实验、分析数据、设计研究方案。核心的科研能力还是得自己有。

与同类工具对比

总结评价

总评：8.5/10

Nature Skills 最打动我的地方是它的"做给自己用"气质——不是在做一个通用的 AI 写作工具，而是在解决一个具体的问题：怎么让 AI 帮你把论文表达做到 Nature 那个水准。17000 Star 的增长速度也说明了学术圈的需求。

如果你正在准备顶刊论文，nature-figure和nature-polishing这两个 Stable Skill 值得立刻试起来。

项目地址：Yuan1z0825/nature-skills，MIT 协议开源。