先说结论：WorkBuddy 能不能帮你搞科研，不看你装了多少技能，看你装没装对。2026 年 8 月，解曾把医学科研里最重复的活总结成 10 个科研 Skill + 30 个绘图 skill，免费放出来；GitHub 上一个叫 academic-research-skills 的科研 skill 套件，单月涨了 22.2 万星，排当月榜第一。两边都在往科研砸 skill，说明这是当下 AI 技能最卷的场景。
但网上的盘点文大多是"装完就截图发朋友圈"那种。这篇不列清单，按一个硕博生真实的科研链路走一遍——选题、文献、读文、写作、图表、排版投稿，六个环节，每个环节该装哪个、怎么用、踩过什么坑，都给你摊开。
结论放前面：把 WorkBuddy 的 skill 按链路装齐，它不是你的资料员，是你的"科研团队"——但得你自己当那个盯着成果、扛责任的导师。
iThenticate查重系统入口
环一：选题——先知道该做什么，再谈做得好
科研第一步不是写，是选题。你盯着一个方向看了三天，还是不确定"这是不是个好题目"，最省力的办法不是硬想，是让 AI 帮你把"别人在做什么"和"空白点在哪"同时摆出来。
WorkBuddy 这边，可以装 research-brainstorm（根据主题生成研究问题、假设、创新点）和 scholar-helper（联网搜文献、抽摘要）。比如扔给它"用强化学习做自动驾驶"这个方向，它能从三个角度给你拆出 3-5 个可开题的方向，每个配一个创新假设。这一步真正省的是"你盯着白纸发呆"那两小时。
更狠的是斯坦福的 STORM（GitHub 3 万星）。你扔给它一个陌生主题，它自己上网搜资料、让多个 AI 角色从不同角度"互相对质"、理出逻辑大纲，最后出一篇带真实引用来源的长文。对选题调研，它能 20 分钟给你一份"这个方向已有谁做了、争议在哪、坑在哪"的底稿。注意它是研究工件不是成品——输出要当"调研底稿"用，不是直接抄进开题报告。
我的判断：选题这环，research-brainstorm 够用了，别一上来就上 STORM 那种重家伙。方向没定之前，先用轻的。
环二：文献——2 分钟搜完 2 小时的活
硕博生最痛的时间黑洞是文献检索和整理。这一环 WorkBuddy 的优势最明显。
装 scholar-helper 和 文献检索 Skill（解曾那套里的），把它当"会检索的助手"用：你给它一句"近三年大模型推理效率相关的顶会论文"，它帮你搜、抽摘要、列关键词和引用格式。解曾那个宣传语说得实在——"2 分钟搜完 2 小时的活"。
再配一个文献管理 Skill，让 WorkBuddy 自动整理你的本地文献库，生成"研究脉络图"、"关键作者/机构网络"。这个对开题报告的"国内外现状"章节尤其有用，它把零散文献聚成一张关系网，你一眼看出谁和谁是一伙的、哪条线是主脉络。
我的判断：文献检索这块，真不用去翻 OpenAI 或别的什么，WorkBuddy 自己的 skill 就够。关键不是它搜得多快，是它把"检索+摘要+引用格式"一件事做完了，你省掉的是"搜完还得手动整理"那一步。
环节三：读文献——PDF 丢进去，坑一个不落
读文献是最容易被 AI 帮到、也最容易用错的环节。正确的做法：别让 AI 替你读懂，让 AI 帮你把该警惕的地方标出来。
WorkBuddy 的文献解读 Skill，把一篇 PDF 丢进去，它会提醒你该注意的坑——比如这个实验的样本量是不是太小、对照组设计有没有问题、结论是不是超出了数据能支撑的范围。它不是替你读，是替你把"审稿人会揪的点"提前拎出来。你带着这些问题去读，效率完全不同。
这背后是个重要的错位判断：AI 解读文献的价值不在"翻译成大白话"，在"帮你找茬"。 你要的是审稿人的视角，不是翻译器的视角。
环节四：写作——几小时出一版敢发给导师的初稿
这一环是重头戏，也是网上最容易翻车的地方——很多人以为"AI 写论文 = 扔个主题它就给你一篇能投的稿"，那是白日梦。能用的用法是分段拆，别让它一次性全包。
WorkBuddy 装 academic-writer（按提纲写学术规范章节）+ academic-polisher（语法、逻辑、术语、文献格式润色），把工作拆成"引言→方法→结果→讨论"一步步来。每步你把大纲和材料给它，它给你填充初稿。一个博士用户的真实经历：把几十篇参考文献扔给 WorkBuddy 格式化引用，一分钟全搞定，格式准确率比手动改还高——这就是它该干的活，不是替你写研究内容。
科研代码也属于这环：装 科研代码生成 相关 skill（支持 Python/MATLAB/R），它帮你写带注释的实验代码。让 AI 给你能跑的代码，省的是调试时间，不是你该搞懂的实验逻辑。
一句话铁律：它管格式、管润色、管代码，管不了你的研究判断和实验设计——那永远是你自己的活。
环节五：图表——一句话，火山图交到你手上
科研图表对硕博生是"费时又没成就感"的环节，但 WorkBuddy 的绘图 skill 能把它降到"一句话的事"。
解曾那套里的数据分析及可视化 Skill，你丢一句"把我这个火山图生成出来"，它能出 SCI 级图表——热力图、相关性矩阵、性能对比图都能跑。CSDN 那个教程里也提到 data-interpreter（描述数据趋势、为图表生成说明文字）。这对你写"实验与分析"章节的帮助是：它既能出图，又能把图"翻译"成文字，图表 + 说明一次性到位。
我的判断：图表这环，别指望它一次出"论文终稿图"，要拿它当"第一版草图"——结构和配色它能给，最终的美化、排版、和期刊规范，你还是得自己或靠模板过一遍。
环节六：排版与投稿——换刊点一下刷新
最后一个环节经常被低估，但其实是 WorkBuddy 的强项。它擅长"格式化的重复劳动"。
EndNote / Zotero 排版 Skill（解曾那套）：号称支持 9000+ 期刊格式，换刊点一下刷新。你把参考文献列表丢给它，APA/MLA/IEEE/Chicago 之间互转，一分钟搞定，格式准确率比手动高。这对"投 A 刊被拒、改投 B 刊要重新排引用"的硕博生，是真省命。
我的判断：排版这块别买付费工具，WorkBuddy 的引用管理 Skill 足够。它把"检索→引用→排版"最后这一脚补上，全链路才算闭环。
一张装配清单
科研环节 | 装什么 | 主要用途 | 值不值 |
选题 | research-brainstorm / STORM | 拆方向、找空白点 | 值 |
文献 | scholar-helper + 文献检索 | 检索+摘要+脉络图 | 值，第一优先 |
读文献 | 文献解读 Skill | 拎出审稿人视角的坑 | 值 |
写作 | academic-writer + 润色 + 引用 | 拆章节初稿+格式统一 | 值，注意伦理 |
图表 | 可视化 Skill + data-interpreter | 出图+写说明 | 值，需精修 |
排版 | EndNote/Zotero Skill | 换刊改引用格式 | 值，别买付费 |
三条铁律（装之前先看）
按链路装，别堆数量。装 40 个 skill，对话框变慢，最后常用的还是那 6 个。挑"选题/文献/写作/图表/排版"这五环，每环装 1 个就够。
它出初稿，你出判断。它可以帮你写摘要、排版、画图，但"这个研究要不要做、这个结论可不可信"永远是你自己的活。拿它当"高级文档整理员"和"审稿人提示器"，别当"自动完成研究的机器"。
引用和事实，你自己核一遍。AI 会伪造引用、会编数据，这在科研里是要命的。它给的每个引用、每句话出处，投出去前你都自己过一遍。别拿它生成的东西直接投——那等于把自己的学术信誉交给它。
一句话收尾
WorkBuddy 装对 skill，硕博生的科研是"有手的人领队干活"：检索、整理、排版、出图这些体力活外包给它，选题的判断、方法的正确、结论的可靠留给你自己。它当你的"高级助理"，别让它当"替你思考的教授"——因为它会假装自己都会，而那个坑，只有你自己能填。