最近折腾 Codex，我装了不少 Skill。

一开始都比较实用，比如读论文、写论文、做图、分析数据。缺什么就装什么，和装软件插件差不多。

后来我碰到两个比较特别的。

一个是 Supervisor-Skills，作者已经把科研、写作、审稿这些经验整理好了，下载安装到 Codex 里就能直接用。

另一个是我自己做的 scholar-mentor-fusion。

它的思路不太一样。你不用接受一个现成的“导师”，而是自己给它一个学者名字，让 Codex 去读这个人的公开论文和资料，再慢慢整理出一套可以调用的方法论 Skill。

一个是别人做好了，拿来就用。

一个是自己选人，自己蒸馏。

我觉得这两种方式正好可以放在一起讲。

 本文配套skill安装包和使用手册相关资料⬇️

免费发给你。获得方式在这 ：

点击跳转

---

一、这里说的“导师”，其实不是让 AI 扮演教授

先把这个说清楚。

我说“导师 Skill”，不是让 Codex 模仿某个教授的说话方式，更不是做什么“数字分身”。

我比较在意的是另一件事。

比如导师看你的实验方案，可能第一反应不是帮你改文字，而是问：

为什么选这个指标？ baseline 是不是公平比较的？ 只报平均值够不够？ 这个实验真的能支撑现在这个结论吗？

这些问题单独拿出来都不复杂，但科研做久了就会发现，很多论文最后卡住，恰恰就是卡在这些地方。

所以我理解的“导师 Skill”，更像是把一套检查论文、判断实验、看研究问题的方法，整理成 Codex 能反复调用的规则。

Supervisor-Skills 和 scholar-mentor-fusion，走的就是两条不同的路。文末附skill安装包和使用手册

---

二、懒得折腾，就直接用 Supervisor-Skills

Supervisor-Skills 是香港科技大学团队做的。

它比较省心的地方是，很多东西作者已经替你整理好了。

里面有 idea 评估、文献调研、论文写作、科研绘图、投稿前预审这些 Skill，基本把科研里常见的几个环节都覆盖到了。

比如刚有一个选题，可以让 Codex 调用 idea-evaluator 看看。

论文快写完了，可以先跑一次 pre-submission-reviewer。

你不用先找某个教授，也不用自己准备一堆论文。

装好之后直接用就行。

所以如果你刚开始拿 Codex 做科研，或者只是想先找一套现成的方法，我觉得这个最省事。

它未必代表某一个具体导师，但胜在完整，而且不用自己从头搭。

---

三、如果我偏偏就想学某一个人呢？

我后来做 scholar-mentor-fusion，其实就是因为这个问题。

做一个方向久了，大家多少都会有一些经常看的学者。

有时候你真正感兴趣的，不是“科研一般应该怎么做”，而是：

这个人在做实验时为什么总这么设计？ 他为什么特别在意某类指标？ 他看结果的时候，习惯先检查什么？

比如我想研究 Peter Flach 的方法，那我可以直接在 Codex 里输入：

导师：Peter Flach

接下来让 Codex 自己去找公开资料。

它会先确认学者身份，再找论文、读论文、整理证据，最后尝试找出多篇作品里反复出现的研究习惯。

最后生成一个独立 Skill，比如：peter-flach-public

以后就可以直接说：

使用 peter-flach-public 检查这个实验设计。

第一次比较麻烦，要找资料、读论文、做蒸馏。

后面就简单了，生成好的 Skill 可以继续用。

这也是我做这个东西最初的想法：

既然已经花时间把一个人的研究方法整理出来，就别让它只停留在一次对话里。

---

四、我不太想把它做成“教授分身”

这个地方我专门做了限制。

scholar-mentor-fusion 不模仿教授本人的私人语气，也不会随便说“某教授认为怎样”。

因为这很容易越界。

尤其是合著论文里出现的观点，并不能简单算成某一个作者个人的长期立场。

而且只看一篇论文也不行。

一篇文章里的某个实验设计，很可能只是这个项目刚好这么做，并不代表作者以后都认同这种方法。

所以我更看重的是：

多篇论文之间有没有重复出现的东西。

如果一个判断原则在不同工作里反复出现，证据才会更强一点。

同时还会保留来源。

后面如果看到某一条方法论，至少还能回去查：

它是根据哪些论文整理出来的？

我觉得这样比让 AI 直接“扮演某教授审稿”靠谱一些。

---

五、还有一点，我比较在意 AI 乱挑刺

现在大模型审论文其实很勤快。

你给它一篇稿子，它很快就能列十几条问题。

但问题也在这里。

有时候它挑出来的毛病，正文里其实已经解决了。

比如它说：

作者没有报告重复实验。

结果你往后翻两页，作者明明写了跑 5 次，还给了标准差。

这种情况我碰到过不少。

所以在 scholar-mentor-fusion 里，我加了一个比较笨但有用的流程：

先找问题，然后再回正文、实验和附录核对。

如果发现这条批评不成立，就撤掉。

最好还能告诉我，为什么撤掉。

我宁愿它最后少给几条意见，也不希望它为了“像 reviewer”硬凑问题。

---

六、那应该装哪个？

这个其实没必要做成 PK。

需求不一样。

如果你只是想赶紧给 Codex 加一套科研辅助能力，直接装 Supervisor-Skills 就行。

省时间，也不用自己准备什么。

如果你已经有很明确想研究的学者，那可以自己蒸馏一个。

当然，也可以两个都放着。

Codex 里的 Skill 又不是只能选一个。

我自己更愿意把它当成一个工作台。

• • Supervisor-Skills：做比较通用的科研检查；
• • 某个 scholar-public Skill：处理更具体的方法论；
• • PaperNotes：负责读论文；
• • 其他 Skill：再负责画图、写作、数据分析。

做到哪一步，就用哪一个。

这样其实比一直问“哪个 Skill 最强”更实用。

---

最后

如果你已经在用 Codex，可以试着别只把它当成一个写代码工具。

Skill 装多以后，它其实挺像一个自己慢慢搭起来的科研工作台。

想省事，就用现成的。

有特别想研究的学者，就自己蒸馏。

两种方法并不冲突。

本文配套skill安装包和使用手册相关资料⬇️

免费发给你。获得方式在这 ：

点击跳转