本轮是 Skills 生态拆解第 6 轮，方向是「新星首发」：找最近才冒头、还没被 mass review 过的新面孔做早期挖掘。这一轮的挖掘对象不是又一个写作件或又一套部署件，而是一个刚在技能架上扎堆成层的全新品类——科研学术输入层。核心发现一句话：社区新星正在把官方深度研究流水线（检索→抓取→对抗校验→成文）一段一段拆下来，做成单职责小件单独上架。本文基于本机技能架约 430 个挂载件的完整清单做结构性分析，所有社区件的内部实现未经公开数据交叉验证，评分标注为编辑部评估，热度数据不做背书。
拆成熟件可以看 Star、看下载、看 Issue 响应，但拆新星这些信号全都没有——新件上架时间短，聚合站（skillsmp.com、skills.sh、mcpservers.org/agent-skills）的榜单还没来得及给它排名。所以早期挖掘只能换信号。本轮用的是三个：
信号一：命名里出现新平台词。 一个技能名字里带 arxiv、wechat、zlib、notebooklm 这类具体平台名，说明作者在赌一条还没人占的管道。平台词是赛道刚开的标志——成熟赛道只会出泛化名（content-repurposer 这种），没人抢的赛道才敢锁死具体平台。
信号二：同簇扎堆。 单个新件可能是噪声，同一簇一口气冒出四五个件，说明多位作者在同一周看到了同一个空白。本轮的科研输入层就是典型：论文转译、文献调研、百科检索、科学性校验、学习教练五类件同时出现在架上。
信号三：官方锚点件就位。 Claude Code 内置了官方的 deep-research 件，它在架载清单里的描述原文是：“Deep research harness — fan-out web searches, fetch sources, adversarially verify claims, synthesize a cited report”（扇出搜索、抓取来源、对抗校验论断、合成带引用的报告）。官方锚点的存在等于官方画出了这条流水线的标准段位——社区新星往哪一段贴，一眼可辨。
三个信号叠加，本轮圈定五件新星加一件官方锚点，开拆。
| Skill | 功能完整度 25% | 设计质量 25% | 实战效果 20% | 上手难度 15% | 社区活跃度 15% | 综合 |
|---|---|---|---|---|---|---|
| arxiv-paper-to-wechat-article | ★★★☆ | ★★★★ | ★★★☆ | ★★★★ | ★★☆ | 3.4 |
| academic-researcher | ★★★★ | ★★★☆ | ★★★☆ | ★★★★ | ★★☆ | 3.4 |
| wikipedia-research | ★★★☆ | ★★★★ | ★★★☆ | ★★★★★ | ★★☆ | 3.5 |
| scientific-critical-thinking | ★★☆ | ★★★★ | ★★★☆ | ★★★★★ | ★★☆ | 3.1 |
| learning-coach | ★★★☆ | ★★★☆ | ★★☆ | ★★★★ | ★★☆ | 2.9 |
| deep-research（官方锚点） | ★★★★★ | ★★★★★ | ★★★★ | ★★★★ | ★★★★★ | 4.8 |
评分说明：社区五件均为架载清单内的早期件，内部实现未经公开数据交叉验证，评分为编辑部基于命名结构、簇内位置与同型件经验的推断性评估；实战效果一列普遍保守，等有可复核的社区反馈再上调。官方 deep-research 的描述文本来自架载清单原文，功能评分依据其描述覆盖的完整流水线。
新星阶段看不了内部，但门牌本身就是设计文档。把这个名字按连字符切开，四段各有含义：
to 类命名的含义：这是一个转换件，价值全在两端的映射规则上。四段连起来，这个件的本质是：一条从「英文预印本」到「中文公众号体」的固定映射管道。它不做检索（你给它论文），不做校验（后面有别的件管），只做转译。
把官方 deep-research 描述里的四段摆出来：fan-out searches → fetch sources → adversarially verify → synthesize a cited report。再看本轮科研簇五件的站位：
| 官方流水线段位 | 对应新星 | 切法 |
|---|---|---|
| fetch sources | wikipedia-research | 只做百科这一种来源的抓取底座 |
| （输入由用户自备） | arxiv-paper-to-wechat-article | 跳过检索，直接做「最后一公里」转译 |
| adversarially verify | scientific-critical-thinking | 把校验段独立成件，谁都能挂 |
| （全流程） | deep-research | 官方整机，四段全包 |
| （下游消化） | learning-coach / academic-researcher | 成文之后的学习与深调研 |
这张表就是本轮的核心发现：新星不是在造新流水线，而是在给官方流水线做「零件化」。整机（deep-research）什么都能干，但每次都跑全流程又重又慢；社区作者把单段拆出来卖，价格是「只解决一段」，换来的是可以被自由拼装。这个模式和硬件行业的整机vs板卡之争一模一样——本轮先记下结论，下一轮「同赛道横评」可以专门验证零件件和整机件的真实边界。
flowchart LR
A["arXiv 论文页"] --> B["抓取摘要与全文"]
B --> C["提取方法与结论"]
C --> D{"科学性自检"}
D -->|"结论有据"| E["转译为中文文章"]
D -->|"证据不足"| F["降低表述置信度"]
E --> G["公众号排版输出"]
F --> G
适用：技术自媒体的论文解读栏目、组会导读预处理、给非算法同事写的技术周报。这三种场景的共同点是「读者要的是转译，不是综述」，正好落在这条管道的射程内。
不适用：正式的文献综述（需要引文管理和管理学式的系统检索，该用 academic-researcher 配文献库）、需要复现实验的工程调研（转译件会丢掉你需要的实现细节）、以及任何「结论要对外背书」的场合——转译管道不负责校验，这一段要自己补挂 scientific-critical-thinking。
五件里名字最短、职责最窄的一件：把维基百科当一手检索底座，做条目抓取、引用链追踪和交叉核对。它的价值恰恰在「窄」——百科文本结构高度规整，抓取和引用还原都不难，做成独立件后，任何需要「先给个背景共识」的流水线都可以把它挂在最前面。评分里上手难度给了满星，因为这类件几乎零配置。短板也明显：百科条目的时效性缺陷它解决不了，条目错了它跟着错。据 skillsdirectory.com 的目录惯例，这类检索底座件通常需要自带引用还原检查，该件是否内置未经证实，装上后建议先用一条明知有争议的条目试金石。
这是簇里设计上最取巧的一件：它不产出内容，只输出「挑刺」——样本量够不够、相关性是否被说成因果、结论是否超出数据支撑。对应官方流水线的 adversarially verify 段。单看功能完整度它只有两星半，因为它没有产出物，不能单独交付；但设计质量给到四星：把「防幻觉校验」做成可挂载的独立件，是本轮五件里最符合生态演化方向的一步。任何转译件、成文件、摘要件的下游都可以挂它。实战定位：它不提升你产出的速度，只降低你产出被打脸的概率——在意后者的团队会把它当成标配。
前面几件都是窄件，这件反过来：文献调研、多轮检索、筛选去重、研究缺口归纳，一把抓。功能完整度四星是五件社区新星里最高的，但设计质量只给三星——宽件的天职是「什么都不锁死」，代价是每一段都不如专用件扎得深：检索不如 wikipedia-research 稳，校验不如 scientific-critical-thinking 狠，转译不如 arxiv 件专。它的正确用法是当「簇内编排者」：调研阶段用它，校验段挂 critical-thinking 件，输出段按平台选转译件。上手时建议先给它限定学科范围，否则宽件最常见的翻车就是在不熟的领域里自信地泛泛而谈。
前四件都在「输入端」处理论文，这件把镜头转向消费端：把学习目标拆成阶段、生成练习、跟进反馈。放在科研簇里它是「论文读完之后怎么办」的答案。实战效果一列只给两星，是五件里最低的——学习类件的收益天然难量化，而且它与系统里已有的 learning-coach 类同门（self-learning、continuous-learning-v2、telecom-learning-coach）职责高度重叠，选型时容易陷入「三个教练听谁的」困境。建议的场景：团队内有固定的论文精读制度时，把它当流程督促件用；个人自学场景下，优先级放最低。
# 在 skills.sh 生态里发现同簇新星（键词自行替换）
npx skills find arxiv
npx skills find wikipedia research
npx skills find critical thinking
# 手动挂载的通用做法：把含 SKILL.md 的技能目录放入
# 用户级：~/.claude/skills/<skill-name>/
# 项目级：<项目>/.claude/skills/<skill-name>/
# 放置后在 Claude Code 内即可按描述触发
官方锚点 deep-research 为 Claude Code 内置，无需安装；想对照零件件与整机件的差异，直接对同一篇论文分别跑一遍 deep-research 与「转译件+校验件」组合，是最快的手感校准法。
mindmap
root((技能架))
科研输入层
arxiv-paper-to-wechat-article
academic-researcher
wikipedia-research
scientific-critical-thinking
学习消化层
learning-coach
self-learning
continuous-learning-v2
内容输出层
content-repurposer
ebook-to-article
notebooklm-skill-master
官方锚点
deep-research
skill-creator
早期挖掘优先级（谁最值得现在就装）：wikipedia-research > scientific-critical-thinking > arxiv-paper-to-wechat-article > academic-researcher > learning-coach。理由：越窄的件越早定型，底座件和校验件的可拼装价值随生态长大而升值；宽件和教练件建议等社区反馈沉淀一轮。
设计质量排名（谁的门牌切得最准）：scientific-critical-thinking ≥ wikipedia-research > arxiv-paper-to-wechat-article > academic-researcher > learning-coach。
最值得抄的写法：arxiv-paper-to-wechat-article 的「来源-形态」双锁死命名。想写自己的第一个 Skill，最不容易翻车的路径就是模仿它——把输入锁到具体来源、把输出锁到具体平台，中间只做一条映射，触发词天然就是名字本身。
下一个风口预测：科研输入层已完成「检索-抓取-校验-转译」的零件化，下一个空位是「引用还原件」——把转译文章里的每个论断映射回原始文献出处。目前架上未见对应命名，谁先占谁吃早期红利（此为推断，非目录实证）。
npx skills CLI 的发现入口，本文安装命令来源~/.claude 插件市场挂载，约 430 件） — 本轮五件新星与官方锚点描述文本的一手来源[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。