nature-skills 评测：把科研流程封装成可复用技能包，但安装路径有点绕

它解决的是科研流程的重复劳动

科研工作里有很多流程是固定的：读一篇 PDF 论文，做中英文对照笔记；把论文变成组会汇报 PPT；把中文段落改成 Nature 风格的英文；模拟审稿人写三份互盲的 reviewer reports。这些任务每次都要向 AI 重新描述一遍需求，而且 AI 的输出质量不稳定，因为缺少一套明确的执行规范。nature-skills 把这类任务封装成带 SKILL.md 的技能包，每个技能包定义了一套工作流，Agent 读取后按流程执行。它面向的是用 Codex、Claude Code 这类本地 Agent 做科研的学者，尤其是需要处理英文论文、投稿返修、文献汇报的理工科研究者。项目描述里强调“真实问题解决、可验证工作流与可直接使用的科研产物”，这说明它的重点不是提供一个聊天机器人，而是给 Agent 一套可执行的、有产出的操作手册。

SKILL.md 是核心，nature-shared 是隐藏依赖

整个项目围绕 SKILL.md 文件组织。skills/ 目录下每个顶层技能目录都是一个可安装单元，比如 nature-reader、nature-paper2ppt、nature-polishing。每个技能目录里除了 SKILL.md，还包含 references/、static/、manifest.yaml 以及脚本和资产。nature-shared 是一个共享支持包，默认不作为独立触发技能，但其他技能依赖它。README 明确说，单独安装 nature-reader、nature-paper2ppt、nature-polishing 或 nature-writing 时，必须同时选择 nature-shared，否则这些技能可能无法正常工作。这种设计把公共逻辑抽出来，避免了每个技能重复复制代码，但也意味着用户安装时必须理解依赖关系，否则容易漏装。从仓库结构看，技能的触发方式是通过 frontmatter 名称，比如目录 nature-proposal-writer 在 --list 中显示为 researchwrite，用户需要留意这一点，不能直接猜目录名。

安装方式：npx skills 是主路径，Claude Code 要手动包一层

安装主要依赖 npx skills 命令。先列出可安装的技能名：npx skills add Yuan1z0825/nature-skills --list。全量安装到 Codex 用：npx skills add Yuan1z0825/nature-skills --global --agent codex --skill '*' --yes --copy。只装一个技能时省略 --global，例如 npx skills add Yuan1z0825/nature-skills --agent codex --skill nature-figure --yes --copy。更新用 npx skills update --global --yes。但 Claude Code 不能直接用 scripts/update-codex-skills.sh，因为那个脚本只同步到 Codex 的 ~/.codex/skills/。README 给出的方案是保留一个本地 clone，然后创建 subagent wrapper 或 slash command 指向真实的 SKILL.md。例如创建 ~/.claude/agents/nature-reader.md，内容里写明先读取 ~/ai-skills/nature-skills/skills/nature-reader/SKILL.md 并遵循它。更新时只需要 git pull。这个流程比 Codex 安装繁琐，但好处是不破坏技能目录结构，能继续读取 references 等支持文件。如果你只用 Codex，安装很简单；如果主力是 Claude Code，就要接受手动配置 wrapper。

快速开始的提示词示例暴露了它的使用方式

README 给出了一张提示词对照表，用户可以直接把任务描述交给 Agent。比如“把这篇 PDF 做成图文对应的中英文对照 Markdown reader”，或者“从 Nature 审稿人视角评估这篇稿件，给出三份互盲 reviewer reports”。这些提示词设计得很具体，暗示技能内部有对应的处理流程。用户也可以显式指定技能名，比如“使用 nature-reader”。这说明 nature-skills 的使用门槛不高，只要 Agent 能读取 SKILL.md，用户不需要知道技能内部如何实现。但这也意味着，如果 Agent 没有正确安装技能，或者没有读取 SKILL.md，输出质量就不可控。README 里没有给出技能内部的具体步骤，所以用户无法预先判断某个技能是否适合特定任务，只能实际跑一遍。

一个明显的局限：对 Agent 版本和运行依赖有要求

README 明确说，npx skills 管理的是技能文件，Python、R、浏览器或 MCP 等可选运行依赖仍需单独配置。也就是说，装完技能不等于能跑，你还需要确保本地环境有对应的解释器和工具。比如生成科研图可能依赖 Python 绘图库，做 PPT 可能依赖 LibreOffice 或 python-pptx，这些都不会随技能自动安装。另一个限制是，Claude Code 的安装方式要求用户手动创建 wrapper，并且保持一个稳定的 clone 路径。如果你把 clone 删了或者移动了位置，wrapper 就会失效。对于不熟悉命令行或不想维护本地仓库的用户，这个项目可能过于折腾。此外，README 提到 npx skills 需要 Node.js 18 或更高版本，如果用户的机器上没有 Node.js，连列出技能都做不到。

对比同类方案：与 Science Skills 的思路差异

README 里提到，谷歌 DeepMind 参考了 nature-skills 的引用体系、脚本思路和技能设计哲学，推出了 Science Skills。这说明两者在“把科研流程标准化”这个方向上是同源的。但 nature-skills 的定位更偏向个人学者，强调“可复用技能包”和“直接可用的科研产物”，而 Science Skills 作为 DeepMind 的产物，可能更侧重与自家 Agent 生态的整合。从安装方式看，nature-skills 依赖 npx skills 这个第三方 CLI，而 Science Skills 可能直接集成在特定 Agent 中。如果你已经在使用 Codex，nature-skills 的安装路径更直接；如果你用的是 Gemini 或其他 DeepMind 系工具，Science Skills 可能是更自然的选择。但 README 没有提供 Science Skills 的详细对比，所以这个判断只能基于已知信息。

维护与升级成本：git pull 是唯一路径，但社区依赖个人运营

项目的更新方式很简单：对于 Codex，用 npx skills update --global --yes；对于 Claude Code，在 clone 目录里 git pull。README 还提供了一个可选的自动更新脚本 scripts/autoupdate-skills.sh，但内容被截断，具体行为未知。从仓库结构看，技能包的维护依赖核心开发者，README 列出了创始人袁一哲和两位核心开发者。项目没有发布正式 release，也没有提供版本号，这意味着技能更新可能是不定期的，而且无法锁定版本。如果你依赖某个技能做重要工作，上游的一次改动可能改变行为，你需要自己测试。另外，项目采用 Apache-2.0 许可证，允许商用和修改，但如果你要分发修改版，需要保留版权声明和许可文本。这不会阻止你把技能用于自己的研究，但如果你打算集成到商业产品里，需要留意许可证条款。

谁适合用，谁不适合

适合用的人：已经在用 Codex 或 Claude Code 做科研，并且愿意花时间配置环境的学者。你不需要重复写复杂的提示词，装好技能后直接描述任务即可。不适合的人：只用网页版 ChatGPT 或 Claude 的用户，因为技能需要本地文件系统支持；还有不愿意处理命令行依赖的人，因为安装和更新都涉及终端操作。在采用之前，先验证三件事：你的 Node.js 版本是否满足要求；npx skills 能否正常列出技能；在 Codex 里跑一个最简单的技能（比如 nature-reader）看输出是否符合预期。对于 Claude Code 用户，先手动创建 wrapper 并测试一次，确认它能正确读取 SKILL.md，再考虑全量安装。这个项目目前没有 release 版本，所以不要在生产环境中依赖它，至少在正式使用前做好备份。

编辑结论

nature-skills 适合愿意把科研流程标准化、且已经在使用 Codex 或 Claude Code 的 AI 学者。它把读论文、做 PPT、润色、审稿模拟等高频任务封装成可复用的技能包，省去每次重复描述需求的成本。但如果你只用 ChatGPT 网页版，或者不愿意折腾命令行安装，这个项目暂时不适合你。安装前先确认你的 Agent 版本支持 npx skills，并注意 nature-shared 需要随相关技能一起安装。对于 Claude Code 用户，建议先跑通 subagent wrapper 的流程，确认它能正确读取 SKILL.md 和 references 目录，再决定是否全量采用。

官方来源

1. Official README
2. Project repository