这张图是科研支持平台“研知有术”的宣传图，背景为蓝色并带有曲线装饰元素，左上角设有“研知有术”的标识。图中核心文字信息为“专业的科研推进与成果支持平台”“让研究成为你的能力”，还包含搜索框，提示可搜索“研知有术”。下方标注了该平台在微信公众号、视频号、抖音、小红书这四个主流平台的官方账号入口，该图用于展示平台的品牌及可通过多渠道获取相关服务的信息，为AI-research-SKILLs项目相关的科研支持内容提供配套的品牌宣传载体。
图片展示了Orchestra Research打造的AI Research Skills（人工智能研究库）页面。页面上方有“阅读”“AI”“贡献”“麻省理工学院许可”等导航栏。中间大标题为“人工智能研究库 Skills”，副标题为“最全面的开源技能库，使人工智能代理能够自主进行人工智能研究——从想法到论文”。下方有“License MIT”“npm v1.7.2”“Blog Read More”“Slack Join Community”“Twitter Follow”“LinkedIn Follow”等信息。图片与上下文紧密相关，直观呈现了AI Research Skills的相关信息。

项目地址：https://github.com/Orchestra-Research/AI-research-SKILLs

这是由 Orchestra Research 打造的开源 AI 科研技能库，核心目标是让 AI 智能体自主完成从选题构思、实验执行到论文撰写的全流程 AI 研究，解决科研人员大量时间消耗在基础设施调试、而非验证假设的行业痛点。

项目目前包含 87 项标准化技能，覆盖 22 个核心技术领域：向下涵盖模型架构、分词、微调、机制可解释性、数据处理、后训练、安全对齐、分布式训练、推理优化等底层技术；向上延伸至 MLOps、智能体框架、RAG、提示工程、多模态、前沿技术方向；同时配套研究选题、ML 论文写作、学术绘图等交付类能力，完整覆盖大模型研究的全生命周期。

它并非零散的代码合集，而是遵循 “质量优先” 的设计理念，所有技能均基于官方文档、真实 GitHub 问题与生产级工作流整理，每个技能都包含可直接运行的代码示例、排障指南与最佳实践，从根源上减少 AI 生成内容的幻觉与过时问题。

项目顶层搭载 Autoresearch 总控技能，采用双循环架构自动调度各领域技能，支持连续自主运行；提供一键 npm 安装方式，兼容 Claude Code、OpenClaw、Cursor 等主流 AI 编程客户端，采用 MIT 协议开源，适合 AI 研究者、算法工程师与相关专业学生使用。

项目部分内容截图：

图片展示了2026年推动人工智能研究的98项技能分类。分为23个类别，如自动研究、模型架构、分布式培训等，每个类别后括号内数字代表该类别的技能数量。如自动研究有1项，模型架构有5项等。该图与文档中介绍AI-Research-SKILLs项目的内容相关，直观呈现了项目涵盖的技能类别及数量，体现了项目技能丰富多样，遵循“质量优先”设计理念的特点。
图片展示了AI-Research-SKILLs项目的使命及系统图。使命是让AI智能体自主完成AI研究全流程，涵盖选题、实验、论文撰写等。系统图中，AI Researcher提出假设，通过认知层、实验层、基础设施层，与预训练、微调、服务、代理等组件交互，实现从头脑风暴到论文撰写。该图与上下文紧密相关，直观呈现了项目目标及工作流程。
该图片是AI-Research-SKILLs项目的内容截图，展示了项目包含的全部23个类别共98项技能的分类列表。列表分为“类别”“技能”两列，每项技能对应所属类别，例如自我研究类包含“自主研究编排”等技能，机器学习论文写作类包含“机器学习论文写作（LaTeX模板、引用验证）、学术绘图”等技能。各技能覆盖了AI研究的全流程相关领域，涉及编程、模型微调、安全、分布式、评价、训练等多个细分方向，该截图直观呈现了项目的技能覆盖范围与分类架构，呼应了项目自主完成全流程AI研究的定位。