🔬 Research Assistant 科研助手

面向本科生 / 研究生 / 博士生的科研全流程 AI 助手插件（Skill）。 分步辅助 + 人在环 —— 不搞「一键生成论文」，每一步产出都可审查、可返工。

---

✨ 功能

科研写作的完整流程，一条龙覆盖：

#	子技能	能做什么
1	📚 literature-search	跨 8 个源检索真实论文 + 分区/影响因子/免费PDF 标注
2	📖 paper-reading	结构化精读论文，生成精读卡片
3	📝 literature-review	生成带真实引用的文献综述
4	✍️ section-writing	分节起草 + 多版本结果融合
5	🎨 figure-generation	6 种方式出图（文生图/图生图/代码绘图/矢量图/流程图/仿真图）
6	🔗 citation	引文格式化（GB/T 7714 / APA / IEEE / MLA / 自定义）+ 文件夹批量扫描
7	✨ academic-polishing	学术润色 / 改写 / 翻译
8	🔍 pre-review	三位互盲审稿人模拟评审
9	🎯 proposal-writing	开题报告 / 研究方案
10	📐 format-reformat	按模板/要求改论文格式，可迭代预览

关键能力

• ✅ 全部来自真实公开数据源，不编造引用
• ✅ 期刊分区（中科院 / JCR / SJR）+ 影响因子自动标注
• ✅ 导出 Word (.docx) / LaTeX (.tex) / Markdown (.md) 三种格式，Word 与 LaTeX 两类用户都适用
• ✅ DeepSeek Harness 网页端有 10 个悬浮窗 + 总开关

---

🚀 安装

环境要求

• Python 3.9+（推荐 3.11+）
• 安装依赖：

pip install -r requirements.txt

说明：插件不依赖 python-docx / lxml（Word 读写用纯标准库 zipfile 实现，兼容性更好）。graphviz 出流程图需要额外装系统的 Graphviz 二进制。

方式一：DeepSeek Harness（推荐，含悬浮窗）

1. 克隆仓库：

git clone https://github.com/yts1919/research-assistant.git

2. 把整个 research-assistant/ 目录放进 DSH 的 skills 目录：

# Windows
xcopy /E /I research-assistant "%USERPROFILE%\.dsh\skills\research-assistant"

# macOS / Linux
cp -r research-assistant ~/.dsh/skills/research-assistant

3. 配置（见下方 ⚙️ 配置）。

4. 重新打开 DSH，对 Agent 说「帮我检索 xxx 的文献」即可触发。

悬浮窗是 DSH Web 专属增强，部署步骤见 🪟 悬浮窗部署。

方式二：其他 Agent（Claude Code / Codex 等）

把 research-assistant/ 目录放进对应 skills 目录即可，插件本身可移植（悬浮窗之外的功能照常以文本输出）：

Agent	skills 目录
Claude Code	~/.claude/skills/
Codex	~/.codex/skills/
Cursor / 其他	各自的 skills 目录

方式三：插件商店 CLI

npx skills add yts1919/research-assistant --skill '*' -y --copy -g

本插件是单一 Skill（根目录 SKILL.md 为路由，skills/ 下是内部子技能）。CLI 若把子技能也当作独立 skill 列出，用根技能名 research-assistant 即可。

---

⚙️ 配置

复制示例配置并填写：

cp config.example.json config.json

需要 Key 的部分

功能	配置项	环境变量	说明
图像生成	image_gen.api_key	DASHSCOPE_API_KEY / IMAGE_GEN_API_KEY	文生图 / 图生图
摘要翻译	llm.api_key	DEEPSEEK_API_KEY / LLM_API_KEY	检索结果摘要中英互译

✅ 文献检索、引文格式化、分区查询无需 Key，直接走公开 API。

完整配置示例（config.json）

{
  "image_gen": {
    "provider": "qwen",
    "base_url": "",
    "api_key": "你的图像模型 Key",
    "model": "wanx2.1-t2i-turbo"
  },
  "llm": {
    "provider": "deepseek",
    "base_url": "https://api.deepseek.com",
    "api_key": "你的文本模型 Key",
    "model": "deepseek-chat"
  },
  "search": { "translate": true, "bilingual": true },
  "panel": { "...": "指向 dsh-web-frontend/dist 的各面板 json 路径" },
  "figure": { "output_dir": "...", "json_path": "..." },
  "citation": { "json_path": "...", "formats_json": "..." }
}

---

🎨 图像生成：如何用「更好」的大模型

默认用阿里云通义万相（免费额度多、速度快）。想换质量更好的模型，改 config.json 的 image_gen 段即可：

① 通义万相（默认，DashScope）

模型	特点
wanx2.1-t2i-turbo	快，适合批量出草图（默认）
wanx2.1-t2i-plus	更精细、质量更高，适合正式配图

"image_gen": {
  "provider": "qwen",
  "api_key": "sk-你的DashScopeKey",
  "model": "wanx2.1-t2i-plus"
}

② 硅基流动 SiliconFlow（开源大模型，FLUX / SDXL）

"image_gen": {
  "provider": "siliconflow",
  "base_url": "https://api.siliconflow.cn/v1",
  "api_key": "sk-你的SiliconFlowKey",
  "model": "black-forest-labs/FLUX.1-dev"
}

模型	特点
black-forest-labs/FLUX.1-schnell	快（默认）
black-forest-labs/FLUX.1-dev	质量更好（推荐）
stabilityai/stable-diffusion-xl-base-1.0	经典 SDXL
Kwai-Kolors/Kolors	中文理解强

③ OpenAI（DALL·E 3 / gpt-image-1）

"image_gen": {
  "provider": "openai",
  "base_url": "https://api.openai.com/v1",
  "api_key": "sk-你的OpenAIKey",
  "model": "gpt-image-1"
}

命令行临时切换（不改配置）

python tools/image_gen.py "示意图描述" --provider siliconflow --model black-forest-labs/FLUX.1-dev --size 1024x1024

💡 图生图：python tools/image_gen.py "改风格描述" --mode img2img --ref 参考图.png 💡 提示词越具体越好（对象、风格、视角、细节），带文字的示意图优先用 Graphviz 而非文生图（文字会画错）。

---

📖 使用示例

对 Agent 说：

「帮我检索『深度学习 故障诊断』的文献」
「把这篇 PDF 精读一下」
「写一篇关于『xxx』的文献综述」
「把这个模型的框架图画出来」
「这个 DOI 转成 GB/T 7714 格式」
「帮我按这个期刊模板改论文格式」

---

🪟 悬浮窗（DSH Web 专属）

DSH 网页界面里，各功能结果会出现在右侧悬浮窗（互斥打开 + 「科研助手」总开关整体启停）。

悬浮窗	面板脚本	数据 JSON	写数据的工具
📚 论文（检索结果）	web/papers-panel.js	papers-panel.json	tools/search.py
📖 精读（论文卡片）	web/paper-panel.js	paper-panel.json	tools/paper.py
📝 综述	web/review-panel.js	review-panel.json	tools/review.py
✍️ 写作（分节）	web/section-panel.js	section-panel.json	tools/section.py
🎨 图表	web/figure-panel.js	figure-panel.json	tools/image_gen.py
🔗 引用	web/citation-panel.js	citation-panel.json	tools/cite.py
✨ 润色	web/polish-panel.js	polish-panel.json	tools/panel.py
🔍 审稿	web/prereview-panel.js	prereview-panel.json	tools/panel.py
🎯 开题	web/proposal-panel.js	proposal-panel.json	tools/panel.py
📐 格式修改	web/reformat-panel.js	reformat-panel.json	tools/reformat.py

悬浮窗部署（在 DSH Web 前端 dist 里）

一键部署（推荐）：把插件装到 skills 目录后，进入插件目录运行部署脚本，自动完成复制 js + 注入 index.html + 配置路径：

cd ~/.dsh/skills/research-assistant   # 或你的安装目录

python deploy.py                      # 自动查找 DSH 前端 dist
# 或手动指定：python deploy.py --dist <dsh-web-frontend/dist 的完整路径>

Windows 用户可直接双击 deploy_windows.bat。

手动部署（脚本不可用时）：

1. config.json 的 panel 段填好各 *_json_path（指向 DSH 前端 dist/）；
2. 把 web/ 下所有 .js 复制到 dsh-web-frontend/dist/；
3. 在 dist/index.html 的 </body> 前注入脚本，dsh-panels-core.js、dsh-export.js 必须排最前：

<script defer src="/dsh-panels-core.js?v=1"></script>
<script defer src="/dsh-export.js?v=1"></script>
<script defer src="/papers-panel.js?v=1"></script>
<!-- 其余 panel 脚本同理 -->

4. 强刷（Ctrl+F5）网页。

💡 各悬浮窗「导出」都支持 Word / LaTeX / Markdown；dsh-export.js 提供共享的纯前端 docx/latex 生成器。

---

📁 目录结构

research-assistant/
├── SKILL.md                 # 主入口（路由 10 个子技能）
├── skills/                  # 子技能（每个含 SKILL.md）
├── tools/                   # 底层 Python 脚本（9 个）
├── web/                     # DSH 悬浮窗脚本（10 面板 + core + export）
├── data/                    # 期刊分区数据（中科院/JCR/SJR + 中文刊名对照）
├── config.example.json      # 配置模板（空占位符）
├── requirements.txt         # Python 依赖
├── deploy.py                # 一键部署悬浮窗（跨平台）
├── deploy_windows.bat       # Windows 双击部署
├── .gitignore
└── LICENSE

---

🔒 安全说明

• 仓库只含 config.example.json（空占位符），不含任何真实 API Key；
• 本地配置放 config.json，已被 .gitignore 排除，不会上传。

---

📄 许可证

MIT