科学研究
Codeg 内置了一个精选的科学研究技能库，能把它的任意编码智能体变成研究助手。它们贯穿一项研究的整个历程——从一个雏形初现的想法，到一个可检验的假设、一份严谨的实验设计、一次诚实的功效计算、真实的统计分析、可供发表的图表，以及一次文献检索。你调用它们的方式与调用任何技能相同：键入 / 并选取一个。
Office 技能包产出研究成果物——演示文稿、论文、工作簿——而 Science 技能包提供的是方法：如何界定一个问题、设计研究、跑统计，以及评估结果。两者可以很好地组合；本页讲的是思考的那一半。
这些技能是逐字节从开源项目 K-Dense-AI/scientific-agent-skills（MIT 许可）原样引入的，烘焙进 Codeg，并像任何技能包一样按智能体启用。
启用研究技能
Science 技能包位于设置 → 技能包 → Science 下。它与其他技能包共享同一套中央存储和启用模型：一个技能与智能体矩阵，你在其中勾选你的每个智能体获得哪些技能，Codeg 便会把它们链接进该智能体自己的技能目录。这里没有任何针对特定智能体的魔法——一个已链接的科学技能，只不过是该智能体 / 菜单中的一个技能而已。
Science 矩阵上会出现两个 Experts 技能包所没有的徽标——它们标示某个技能的自身工作流在运行前需要某些东西：
- 可能需要设置——该技能附带一些辅助脚本，它们期望一个 Python（通常是
uv）环境。它仍然能正常链接；只是由脚本支撑的步骤需要该环境存在。该技能自己的SKILL.md列出了需要安装什么。 - 需要 API 密钥——该技能的主工作流会调用一个需要密钥的外部服务。只有一个技能带有此标记（Scientific Schematics——见下文）；它像其他技能一样链接，但绘图步骤需要先设置好密钥。
启用总是有效的——设置关乎技能本身，而非链接
可能需要设置或需要 API 密钥徽标从不会阻止启用。它只是提醒你该技能的工具有一项前置条件。密钥存放在智能体其他凭据所在的地方——一个智能体运行时所用的环境变量。→ 凭据存放在哪里
研究技能
十三个技能，按它们服务的研究阶段分组。每个技能都有自己的 / 调用方式，并了解其专业领域的惯例：
| 阶段 | 技能 | 作用 | 设置 |
|---|---|---|---|
| 构思 | Scientific Brainstorming | 探索跨学科联系、挑战假设、揭示研究空白 | — |
| Hypothesis Generation | 把观察转化为带有预测和机制的可检验假设 | Python | |
| 研究设计 | Experimental Design | 随机化、区组、对照，以及析因/DOE 布局——在你收集数据之前 | Python |
| Statistical Power | 样本量与功效分析、最小可检测效应、功效曲线 | Python | |
| 分析 | Statistical Analysis | 检验选择、假设检查、效应量、APA 风格报告 | Python |
| Exploratory Data Analysis | 对 200+ 种格式的数据文件进行自动化探索，并附质量报告 | Python | |
| 可视化 | Scientific Visualization | 可供发表的图表——多面板布局、显著性标注、期刊格式 | Python |
| Scientific Schematics | AI 生成的示意图——通路、架构、流程图 | API 密钥 | |
| 评估 | Critical Thinking | 评判论断与证据——偏倚、混杂因素、GRADE 和偏倚风险 | — |
| Peer Review | 基于清单的稿件与基金评审、CONSORT/STROBE 合规性 | Python | |
| Scholar Evaluation | 用 ScholarEval 框架为研究工作打分——从选题到写作 | Python | |
| 文献 | Paper Lookup | 检索 10 个学术 API（PubMed、arXiv、OpenAlex、Crossref……）以获取论文和全文 | — |
| Citation Management | 核验元数据并生成准确的 BibTeX——DOI 转 BibTeX、参考文献校验 | Python |
有两个值得特别提及。Paper Lookup 可访问十个开放的学术 API，且不需要密钥——这是一个无需密钥的文献检索，你可以立即启用并使用。Scientific Schematics 是唯一需要 API 密钥的技能：它通过一个 AI 图像模型来渲染图示，并需要一个 OpenRouter 密钥。
你只需启用某个特定智能体会用到的那些——一个做数据分析的智能体想要的是统计和 EDA 技能，而不是同行评审那一套。
从欢迎界面开始
一个新的对话会显示快捷操作标签页；科学研究标签页是快速进入的方式。它把前三个技能——Scientific Brainstorming、Hypothesis Generation、Experimental Design——作为醒目的卡片推荐，其余的精选技能则排在一个可滚动的行中。点击其中一个会放入该技能，并填充一段起始提示词，由你用自己的话补全：
/scientific-brainstorming Help me brainstorm research directions — explore
interdisciplinary connections, challenge assumptions, and surface promising
gaps. The area I'm exploring: circadian regulation of gut microbiota如果某个技能未为当前智能体启用，它的卡片会显示一把锁——点击它，Codeg 会指引你前往设置将其开启。更喜欢打字？在 composer 中键入 / 会列出每一个已启用的技能，因此 /paper-lookup 或 /statistical-analysis 无需碰卡片即可使用。（Codex 使用 $ 而非 /。）
那四个未被推荐的技能——Peer Review、Citation Management、Scholar Evaluation、Scientific Schematics——没有欢迎卡片，但一经启用，它们就在 / 菜单和设置矩阵中。
一次端到端的研究会话
这些技能被设计为可以彼此交接，因此单次对话就能走完整个生命周期：
- 界定它。 用
/scientific-brainstorming拓宽问题，然后用/hypothesis-generation把它打磨成带有预测和机制的东西。 - 设计它。
/experimental-design布置对照与随机化；/statistical-power在你花一周去收集样本之前，告诉你实际需要多少样本。 - 分析它。 让
/exploratory-data-analysis对准你的数据文件做第一遍，然后用/statistical-analysis挑选正确的检验、检查其假设，并报告效应量。 - 展示它。
/scientific-visualization渲染可供发表的图表；/scientific-schematics绘制机制示意图。 - 压力测试它。
/scientific-critical-thinking和/peer-review会像审稿人那样评判论断和成稿；/paper-lookup和/citation-management则将其扎根于文献之中，并生成整洁的 BibTeX。
由脚本支撑的技能（那些 Python 技能）会运行它们的分析，并把输出——报告、图表——直接落到你的工作文件夹中，在那里它们会在一个工作区标签页中打开。当科学部分尘埃落定，而你想要一份真正的 .docx 或幻灯片形式的成稿时，把结果交给 Office 技能包。
须知
- “可能需要设置”关乎技能的脚本，而非 Codeg。 统计、EDA、可视化，以及大多数评估/文献技能都附带 Python 辅助脚本；启用会立即链接它们，但这些步骤只有在智能体所工作的机器上具备 Python/
uv环境后才会运行。每个技能的SKILL.md都详细说明了它的依赖。 - 一个密钥，一个技能。 只有 Scientific Schematics 需要 API 密钥（OpenRouter，用于 AI 渲染的图示）。其余一切——包括接入十个 API 的 Paper Lookup——都无需密钥即可运行。
- 它们会自行保持最新。 因为该技能包被内置进 Codeg，并在每次升级时被重新提取到中央存储，已启用的技能会跟随所引入的上游，无需你操作。就地编辑其中一个，Codeg 会将它标记为用户已修改并保留你的版本。
- 按智能体启用，像任何技能一样调用。 同一个矩阵、同样的
/id（Codex 为$id）、对已经打开的会话同样使用重新连接以应用。→ 技能 · 配置智能体 - 在服务器上运作方式相同。 技能包界面在浏览器版本中；技能位于 Codeg 运行所在的机器上。