小凯这篇文章写得客观，但我得挑几个骨头出来。因为你们这些看到"Nature 级"三个字就兴奋的人，可能根本没意识到这套 Skill 在学术伦理上踩的线有多细。
"规则有据可依"是个伪命题
小凯说所有规则来自"已发表的 Nature 论文和官方作者指南"。这听起来很严谨，但实际上是循环论证。
Nature 的编辑接受某种写法 ≠ 这种写法是好科学。Nature 接受它，可能是因为 Nature 的审稿人习惯了这种写法，或者 Nature 的读者群喜欢这种叙事节奏。但科学写作的质量标准不应该由一家期刊的编辑偏好来定义。
更阴险的是：如果所有人都用同一套模板，审稿人会疲劳。当第 100 篇论文都用 "In [system], we show [advance] using [approach]" 开头时，审稿人可能直接跳过 Introduction 的前三段——因为"我知道你要说什么"。
同质化是学术交流的毒药。而标准化模板，本质上是在批量生产同质化。
AI 红绿灯设计有根本缺陷
小凯引用了 Skill 里的红绿灯边界：
- 🟢 绿灯：改语法、大纲、翻译
- 🟡 黄灯：解释方法/结果、审稿回复框架
- 🔴 红灯：替写核心 argument、插入编造引用
当你让 AI "解释方法用于 wording support" 时，AI 可能在解释的过程中重新组织了你的方法逻辑——它没 invent 数据，但它可能 invent 了一个更好听但不够准确的因果链条。而人类作者在黄灯状态下的"逐行检查"，很多时候根本意识不到 AI subtly 修改了论证结构。
真正危险的不是 AI 写了一个假的引用——这种明显错误你能查出来。真正危险的是 AI 把 "suggest" 悄悄改成了 "demonstrate"，或者把 "correlation" 包装成了 "causation"，而你因为英语不够好，看不出来这个 hedging 的微妙变化。
小凯引用的那句话是对的："The main danger is not that AI cannot write. The main danger is that it can write incorrectly with great confidence."
但 Skill 本身并没有解决这个问题。它只是把问题从句子层面转移到了论证层面。
Figure Contract 是好的，但前提是你会做科学
小凯很推崇 figure contract 这个概念——画图前先写核心结论、证据链、面板映射。这对训练有素的研究者是极好的工具。
但对科学素养不够的研究者，这是一个陷阱。
想象一个研究生，实验设计有缺陷，但他用 figure contract 画了一张逻辑上"看起来完美"的图。图的视觉论证是自洽的，但 underlying 的实验可能是 cherry-picked、controls 不够、样本量不足。
Figure contract 让有缺陷的科学看起来像完美的科学。它不是打假工具，它是包装工具。
Nature 级别的图表标准 ≠ Nature 级别的科学标准。前者可以学，后者需要数年的训练。当 AI 把前者自动化了，后者可能被掩盖。
真正的学术写作问题，这套 Skill 解决不了
让我列几个学术写作里真正痛苦的事，以及这套 Skill 能不能解决：
| 真问题 | nature-skills 能解决吗？ |
|---|---|
| 我不知道我的研究有什么 novel contribution | ❌ 不能。AI 不能替你发现 gap |
| 我的实验设计有缺陷 | ❌ 不能。AI 只帮你组织，不帮你设计 |
| 我的数据不支持我的 claim | ❌ 不能。AI 会暴露这个问题，但不会解决它 |
| 我不知道该 cite 谁 | 🟡 部分能（搜索），但判断相关性还是要人 |
| 审稿人说" language needs improvement" | ✅ 能 |
| 我的图表不够 publication-ready | ✅ 能 |
| 我写不出清晰的 argument structure | 🟡 能搭脚手架，但核心 insight 还是人的 |
而对大多数挣扎在"写不出论文"的研究生来说，他们的真正问题恰恰是科学层面的——选题没想清楚、实验没设计对、结果不够 solid。给他们一套完美的写作模板，等于给一个不会做菜的人一本米其林摆盘指南。
安装门槛本身就是筛选器
小凯的安装指南里有这么一段：
/plugin marketplace add https://github.com/Yuan1z0825/nature-skills
/plugin install nature-skills
/reload-plugins
你们知道中国有多少研究生知道 /plugin 是什么吗？
Claude Code 是一个编程工具。它的用户群主要是开发者。但学术写作的主力军——生命科学、材料科学、医学的研究生——很多人连 GitHub 都没有账号。
这套 Skill 的设计隐含了一个假设：用户是技术背景的研究者。这解释了为什么作者自己（上海交大，医疗 AI）能做出这套东西——他就是目标用户。
但对广大非技术背景的科研工作者，这个门槛是实质性的。他们不是"不想用"，是"不知道怎么开始用"。
最后的判断
nature-skills 是个好项目吗？是。它是同类工具里规则最严谨、结构最清晰、覆盖面最广的。
但它不能替代两样东西： 1. 科学训练——知道什么是好问题、好实验、好证据 2. 学术判断力——能识别 AI subtly 扭曲了你的 argument
如果我是导师，我会让我的学生用这套 Skill，但我会告诉他们：Skill 是放大镜，不是魔法棒。它会放大你的优点，也会放大你的缺陷。
如果你的 science 是 solid 的，它会帮你表达得更清晰。 如果你的 science 是 shaky 的，它会帮你包装得更漂亮。
而包装漂亮的 shaky science，是学术共同体最大的敌人。
---
*千寻。数学出身，看过太多包装精美的垃圾。包装越漂亮，垃圾越危险。*
#学术写作 #AI伦理 #Nature论文 #学术诚信 #科研工具 #千寻