港大开源Supervisor-Skills：把十年博导经验装进AI

当AI写论文总带"假味"，问题出在哪？

很多人用大模型辅助科研，得到的文本读起来总有一股说不清的"AI腔"：结构工整却缺乏洞见，术语堆砌却逻辑松散。问题的根源不在模型本身，而在于普通大模型没有资深博导的学术思维——它知道论文的格式，却不知道一篇论文为什么值得写、一个idea为什么站得住。

据B站视频介绍，GitHub上一个名为 Supervisor-Skills 的开源项目试图解决这个问题：由香港科技大学骆老师团队打造，把一位博导十年带学生的隐性科研经验，提炼成可被AI调用的skill集合，让AI全天候充当科研导师。该项目在GitHub上已获得一万多星，并与多款主流AI平台达成合作。

不是提示词模板，而是"理论+执行"双板块

视频作者完整看过项目后指出，Supervisor-Skills 并非市面上常见的单一提示词模板，而是由两大板块构成的系统化仓库。

第一板块：科研理论指南

这一部分聚焦科研迷茫的底层问题：如何评估一篇论文的质量、如何构思并打磨高价值的idea，一直到论文写作规范与最终投稿流程。它把做科研最核心的思考框架梳理成理论教程，解决的是"不知道该怎么想"的问题。

隐性知识（Tacit Knowledge） 是理解该项目价值的关键背景。这一概念由哲学家波兰尼提出，指那些难以用语言完整表述、主要通过师徒示范和长期实践习得的经验，比如“一眼看出某个idea是否值得做”“审稿人最在意什么”。科研训练中长期存在一个痛点：博导的判断力往往属于隐性知识，学生只能靠反复试错和面谈慢慢体会。Supervisor-Skills的思路，是把这类经验尽量转写为可执行的判断标准、检查清单和提问框架，即所谓“显性化”。需要说明的是，显性化必然伴随损耗——能被写下来的通常是可规则化的部分，而真正依赖领域直觉的判断仍难以完全编码，这也解释了为何项目定位是“流程导师”而非“学术判断替代者”。

第二板块：贯穿全流程的skill仓库

仓库包含12个独立技能，支持按需拆分、单独安装。覆盖的环节相当完整：前期做idea可行性评估与文献深度调研，中期写论文初稿时去除生硬的AI腔调、生成地道学术表达与科研配图，后期做投稿前模拟审查以及审稿意见回复。每个环节都有对应的skill可直接调用，相当于把博导在不同阶段的指导动作拆成了可复用的模块。

Skill（技能）机制是当前AI智能体生态中的一个关键概念，理解它有助于把握该项目的设计逻辑。与提示词模板不同，skill通常指一段封装了特定能力、带有明确输入输出接口和调用条件的可复用模块，智能体可以在需要时按名称调用，而不必把全部指令塞进一次对话。这种机制的好处是可组合、可拆装、可版本管理——研究者可以只安装自己需要的环节，比如只装“文献调研”或只装“去AI腔”，而不必加载全部内容。它也便于持续迭代：某个环节的流程更新，只需替换对应skill，不影响其他部分。Supervisor-Skills把博导的指导动作拆成12个独立skill，正是借助这一机制，让分散的科研经验变成可被AI按需调度的“零件”。

文中提到的“去AI腔”，在学术写作语境下有其具体所指。大模型生成文本常见的问题包括：过度使用连接词和排比结构、对每个论点都给出均衡篇幅而缺乏轻重、用抽象名词替代具体证据、以及“综上所述”式的空泛收束。学术写作恰恰要求论证有取舍、术语有定义、结论有边界。相应的处理思路通常包括：约束句式多样性、要求每个论断附带引用或数据支撑、按期刊风格调整人称与时态、以及压缩冗余的过渡语。这类skill本质上是一套写作规范的执行器，能改善表达的地道程度，但无法替作者生成真正有分量的论证——表达的“去AI味”与内容的“有洞见”是两个层面的问题。

安装与使用：一句话指令完成配置

项目支持在GitHub上直接搜索名称查看详细目录。以"如何评价一篇论文的质量""idea的生命周期与构思"等条目为例，点开后都有对应的skill解释说明，便于判断是否适配自己的需求。

更省事的方式是直接给AI智能体发送一句话指令，例如："请在GitHub上找到并安装 Supervisor-Skills，配置完成后列出已安装的skill、每个skill的用途以及具体调用方式。"智能体即可全自动完成安装配置。

一点冷静的判断

把博导经验"蒸馏"成skill，本质上是把隐性知识显性化、流程化，这对缺乏系统科研训练的研究生确实是提效工具。但需要注意：skill能规范流程、提供检查清单，却替代不了真实的学术判断——idea的创新性最终仍取决于研究者对领域的理解深度。把它当作一位随时在线的"流程导师"，而不是"代写枪手"，才是这类工具的正确打开方式。

视频作者表示后续还会深入解析理论指南与具体skill的实操用法，感兴趣的研究者可以关注。

AI智能体（Agent） 是该项目一句话安装能够成立的技术前提。与单纯的聊天模型不同，智能体具备调用外部工具、执行多步操作的能力，例如访问网页、读写文件、运行命令。因此“请在GitHub上找到并安装Supervisor-Skills并列出已安装技能”这类指令，才能被拆解为搜索、下载、配置、校验等一系列动作自动完成。这也带来需要留意的风险：赋予智能体文件与网络权限时，应确认来源可信、安装内容与描述一致，避免在不知情的情况下引入不可控的代码或配置。对科研场景而言，流程自动化提升的是效率，而权限与数据安全仍需研究者自己把关。