第 1 步 · sa.autoskill
识别重复流程和缺口
发给 Agent 的任务
用 autoskill 或人工梳理最近 5 次类似任务，归纳触发条件、输入材料、判断规则、交付物和现有 skill 覆盖情况。建议产出
流程地图触发条件缺口清单
custom-workflow
我想把课题组反复做的事沉淀成自己的科研 Agent
从观察重复流程、组合已有 skill、编写新 skill、记录项目记忆，到形成可交给新人和团队复用的 agent 工作台。
适合谁
课题组负责人希望自动化重复流程的研究者管理多个项目的 RA/工程同学
准备这些材料
一段重复工作流程描述已有 prompt、SOP 或脚本希望调用的工具和数据边界交付物样例
会调用的 Skills
sa.autoskillcs.customizecs.skill-creatorair.research-managercs.learn
开始前
先安装这个工作流需要的 Skills
选择你的系统和 Agent，复制命令到终端运行。安装完成后，再把下方提示词交给 Agent。
curl -sSL https://paperskills.com/scripts/paperskills-install.sh | bash -s -- \
--tool codex \
--skills sa.autoskill,cs.customize,cs.skill-creator,air.research-manager,cs.learn \
--registry https://paperskills.com/api/registry推荐工作流
查看 Skill
第 2 步 · cs.skill-creator
组合或创建 skill
发给 Agent 的任务
用 skill-creator 把缺口写成新的 SKILL.md，或把多个现有 skill 编排成组合 recipe，并加入测试样例。建议产出
SKILL.md 草案组合 recipe测试样例
第 3 步 · air.research-manager
沉淀项目记忆和交接方式
发给 Agent 的任务
用 research-manager 在每次会话结束时记录决策、实验、失败路径和关键证据，形成新人可接手的项目脉络。建议产出
项目记忆交接摘要复用清单
autoskill
通过屏幕管观察用户的屏幕，检测重复的研究工作流程，将其与现有的科学代理技能进行匹配，并为尚未涵盖的模式起草新技能（或链接现有技能的组合配方）。当用户要求分析他们最近的工作并根据他们的实际工作提出技能时使用。需要在端口 3030 上本地运行 screenpipe 守护进程 (https://github.com/screenpipe/screenpipe) - 该技能没有其他数据源，如果无法访问 screenpipe，将拒绝运行。所有检测都在本地运行；只有经过编辑的集群摘要才能达到法学硕士学位。
查看 Skillcustomize
通过 repl 工具创建、配置与维护自定义 agent 配置文件并编写新 skill。当用户想创建 agent 配置、构建自定义 agent、增删 skill/连接器，或需要 host.agents.* / host.skills.* Python SDK 时使用。
查看 Skillskill-creator
创建新 skill、修改与改进现有 skill，并评测 skill 表现。当用户想从零创建 skill、编辑或优化现有 skill、运行 eval 测试 skill、用方差分析基准化表现，或优化 skill 描述以提升触发准确率时使用。
查看 Skillresearch-manager
将研究来源记录为任务后尾声，在编码或研究会话结束时扫描对话历史记录，以提取决策、实验、死胡同、声明、启发式方法和关键点，并将它们写入带有用户与人工智能来源标签的 ara/ 目录中。用作会议尾声（切勿在执行期间），以保持研究项目实际演变过程的忠实、可审计的跟踪。
查看 Skilllearn
当用户想要理解知识——弄懂某事如何或为何运作，而非完成任务或征求判断时使用。触发于显式学习请求（讲解、ELI5、带我过一遍、给我出题、做记忆卡、「我这块生疏了」）以及暗示「帮我理解」的简短概念名（如「伽罗瓦理论」「从零讲 transformer」）。
查看 Skill