Academic Research Skills: un copiloto de investigación académica con supervisión humana

Todo lo que hay que saber sobre Imbad0202/academic-research-skills: una suite de habilidades para Claude Code que acompaña a un investigador por el flujo completo de investigación → escritura → revisión → revisión → finalización, con puntos de control humanos obligatorios.

Qué es Academic Research Skills

Academic Research Skills (ARS) es un marco de habilidades para Claude Code orientado a la investigación académica no comercial. No es un modelo, un servidor ni un agente autónomo: el producto principal es un conjunto de instrucciones y utilidades que guían a un humano a lo largo de todo el proceso de producir una publicación. Su propio archivo POSITIONING.md lo define como un «copiloto de investigación académica con fuente disponible» (source-available) para uso académico no comercial.

El repositorio agrupa cuatro habilidades, cada una con su propio SKILL.md, y un total de 27 modos según MODE_REGISTRY.md:

deep-research (versión 2.12.1, 8 modos, 13 agentes): búsqueda de literatura, revisión sistemática PRISMA, verificación de hechos y modo socrático de orientación.
academic-paper (versión 3.3.1, 11 modos, 12 agentes): planificación, escritura de borradores, reescritura ante feedback, revisión de citas y generación de declaraciones de uso de IA.
academic-paper-reviewer (versión 1.11.1, 6 modos): simulación de revisión por pares con un panel fijo de cinco revisores más un revisor «abogado del diablo».
academic-pipeline (versión 3.21.1): orquestador de diez etapas que encadena las tres anteriores con puntos de control obligatorios.

El diseño se resume en una frase del posicionamiento: «assistive, not deceptive» (asistivo, no engañoso). ARS ayuda a escribir mejor, no a ocultar que se usó IA; no reclama autoría y sus salidas no están listas para enviar sin revisión humana.

El origen: un toolkit para el investigador solitario

El repositorio fue creado el 26 de febrero de 2026 por Edward Cheng-I Wu (Imbad0202), cuya cuenta de GitHub figura sin empresa ni descripción de perfil. El primer registro de commits fechado corresponde al 26 de febrero de 2026, en la versión v2.0 del pipeline.

Wu publicó el anuncio original como un artículo de su newsletter de Substack titulado «Academic Writing Shouldn’t Be a Solo Act» («La escritura académica no debería ser un acto solitario»), subtitulado «An Open-Source AI Toolkit for Researchers», fechado el 8 de marzo de 2026 y actualizado el 19 de abril de 2026. En ese texto describe los dolores que motivan la herramienta: el «agujero negro» de la revisión de literatura, perder el hilo a mitad de borrador, la ansiedad de las citas, la ausencia de un revisor disponible y el «infierno del formateo». Su tesis es que lo que el investigador necesita no es una IA que «le escriba el paper», sino un compañero que le acompañe de la pregunta de investigación al PDF final.

El propio autor documenta una tensión central que define el diseño. El 3 de abril de 2026 publicó la versión v3.0, nacida de un «experimento dialéctico de cuatro rondas» en el que el agente «abogado del diablo» concedió demasiado rápido, el mentor socrático intentó converger antes de tiempo y el debate completo quedó atrapado en el marco que el humano había establecido. Ese hallazgo (que la IA que verifica y la IA que genera comparten el mismo marco cognitivo) motivó las mejoras anti-adulación y de salud del diálogo. El artículo de lanzamiento también documenta una prueba de estrés de v2.7 que reveló una tasa de error del 31 % en citas: una auditoría completa con búsqueda web de las 68 referencias encontró 21 problemas que habían pasado tres rondas de comprobación de integridad, y eso se convirtió en la justificación de la verificación externa obligatoria.

Filosofía y principios

POSITIONING.md y el README enuncian principios verificables:

Asistivo, no engañoso: las funciones de calibración de estilo y de calidad de escritura buscan mejorar la prosa, no evadir la detección de IA. El modo de disclosure genera declaraciones de uso de IA por sede o por política.
Supervisión humana siempre: los puntos de control FULL presentan todos los entregables y exigen confirmación explícita; los puntos MANDATORY (puertas de integridad de las etapas 2.5 y 4.5, decisiones de revisión) no pueden saltarse. «Full mode» significa ejecución del pipeline completo, no autonomía total. Máximo dos bucles de reescritura; lo que queda se convierte en «Limitaciones reconocidas».
Los modos de fallo se hacen visibles: la lista de 7 modos de fallo de la investigación con IA y el modo de calibración del revisor existen para que el usuario vea dónde puede fallar el AI.
Las fronteras se registran, no se improvisan: POSITIONING.md incluye una sección «Mecanismos rechazados» (anti-patrones de investigación autónoma, mayormente catalogados por Kong et al., 2026, arXiv:2605.18661) que el proyecto rechaza explícitamente: pipeline de investigación autónomo de extremo a extremo, agente de generación de ideas, generación automática de diapositivas/vídeo, ejecución autónoma de experimentos, automatización de laboratorio físico y simulación de comités de ética.

La filosofía «asistivo, no engañoso»: mecanismos aceptados frente a mecanismos rechazados de investigación autónoma

Una aclaración importante del posicionamiento: las comprobaciones de ARS cubren el manuscrito y el proceso reportado, no la ejecución real. El documento lo dice sin rodeos: «un estudio construido sobre datos fabricados puede pasar todas las puertas de ARS si la fabricación se reporta, cita y empaqueta de forma coherente».

Cómo funciona

El orquestador academic-pipeline ejecuta un recorrido de diez etapas con puntos de control adaptativos (FULL / SLIM / MANDATORY). Un fragmento representativo del flujo documentado:

Investigar (deep-research): convergencia en argumentos, no solo en papers. Incluye modo systematic-review con plantillas PRISMA 2020, agente de riesgo de sesgo (RoB 2 + ROBINS-I) y agente de meta-análisis (tamaños de efecto, heterogeneidad, datos para bosque, evaluación GRADE).

La habilidad deep-research: búsqueda de literatura, revisión sistemática PRISMA, riesgo de sesgo y mentor socrático

Escribir (academic-paper): borrador IMRaD o por estructura de dominio, con calibración de estilo opcional (aprende el «voz» del autor a partir de 3+ papers pasados) y una comprobación de calidad de escritura que marca 25 términos típicos de IA, el uso excesivo de rayas (≤3 por paper) y aperturas relleno.

La habilidad academic-paper: borrador IMRaD, calibración de estilo, comprobación de calidad y compilación a PDF vía LaTeX

Revisar (academic-paper-reviewer): panel fijo de cinco revisores más un «abogado del diablo»; produce cinco informes de revisión, una decisión editorial y un mapa de reescritura.

La habilidad academic-paper-reviewer: panel de cinco revisores fijos más un abogado del diablo, decisión editorial y mapa de reescritura

Puntos de integridad (etapas 2.5 y 4.5): verificación de la existencia de cada referencia mediante búsqueda web, alineación de afirmación-fuente y comprobación de las guías de reportado.

Puertas de integridad en las etapas 2.5 y 4.5: verificación de referencias por búsqueda web y alineación afirmación-fuente

Finalizar (academic-pipeline Stage 5/6): conversión a formato (APA 7.0 / Chicago / IEEE), compilación a PDF vía LaTeX con tectonic, y un «Process Summary» final que incluye una evaluación de la calidad de la colaboración.

El orquestador academic-pipeline: diez etapas con puntos de control FULL/SLIM/MANDATORY y Material Passport para reanudar sesiones

Un caso de uso real documentado en examples/showcase/ muestra el resultado de un pipeline de diez etapas completo: informe de integridad previa a la revisión que «atrapó 15 referencias fabricadas + 3 errores estadísticos», dos rondas de revisión por pares, respuesta punto por punto a los revisores, y una auditoría posterior a la publicación (2026-03-09) que, al verificar las 68 referencias con búsqueda web, encontró 21 problemas que las tres rondas de comprobación no habían detectado.

Guía rápida de uso

Instalación y primer arranque

Prerrequisitos: Claude Code (versión reciente, ya que el empaquetado como plugin requiere versiones actuales) y una variable ANTHROPIC_API_KEY exportada (o introducida en el primer arranque de claude). Son opcionales pero recomendados: Pandoc para salida DOCX y tectonic (con la fuente Source Han Serif TC) para PDF APA 7.0; sin ellos, la salida en Markdown funciona igualmente. Los agentes centrales son guiados por instrucciones y no requieren Python; un intérprete Python real solo lo necesitan funciones opcionales (guarda de alcance de escritura PreToolUse, modo de parche de reescritura, verificador del paquete de envío).

El método recomendado (plugin, v3.7.0 en adelante):

/plugin marketplace add Imbad0202/academic-research-skills
/plugin install academic-research-skills

Instalación y activación del plugin: marketplace, autodetección de los cuatro SKILL.md y variables de entorno opcionales

Los cuatro SKILL.md se autodetectan desde el directorio skills/ del plugin. El README recomienda activar la auto-actualización en la interfaz /plugin (ARS publica cada 1-2 semanas) y desactivar la comprobación de actualizaciones con ARS_UPDATE_CHECK=0 si se desea.

Otros métodos documentados en docs/SETUP.md: copiar los cuatro carpetas de habilidad a .claude/skills/ de un proyecto (método 1), clonar el repositorio y abrirlo directamente (método 2), subir un zip por habilidad en Claude Cowork (método 3), usar con claude.ai web (método 4) e importar en Claude Science (método 5, v3.14.0 en adelante). Para OpenAI Codex existe una distribución hermana separada (Imbad0202/academic-research-skills-codex).

Flujos de trabajo habituales

El README documenta la activación por lenguaje natural:

# Pipeline completo de investigación
Tú: "Quiero escribir un paper sobre el impacto de la IA en la QA de educación superior"

# Orientación socrática
Tú: "Guía mi investigación sobre IA en evaluación educativa"

# Planificación guiada de un paper
Tú: "Guíame paso a paso escribiendo un paper sobre el declive demográfico"

# Revisar un paper existente
Tú: "Revisa este paper" (y proporcionar el paper)

# Consultar el estado del pipeline
Tú: "status"

El modo socrático y el modo de planificación usan activación basada en intención (no por palabras clave), por lo que funcionan en cualquier idioma; solo la activación general de la habilidad sigue listando palabras clave en inglés y chino tradicional.

Configuración esencial

Las variables de entorno optativas (todas OFF por defecto) que un nuevo usuario tocará primero, según docs/SETUP.md:

ARS_CROSS_MODEL: habilita la verificación entre modelos (p. ej. gpt-5.6-sol, gemini-3.1-pro-preview o gpt-5.5) para comprobar hechos con un modelo distinto del que genera.
ARS_SOCRATIC_READING_PROBE=1: activa una sonda de lectura de una sola vez en el mentor socrático cuando el usuario ha citado un paper concreto.
ARS_PASSPORT_RESET=1: convierte cada punto de control FULL en una frontera de reinicio de contexto y permite reanudar en una sesión nueva desde el Material Passport.
ARS_CROSS_MODEL_TRANSPORT=codex: usa el transporte de la suscripción de ChatGPT solo para las llamadas de integridad de citas.
ARS_MODEL_TIERING (economy o quality-boost): asignación opcional de modelos por tipo de agente.

Las preferencias de contenido fijas (estilo de cita, inclusión de búsquedas) se declaran en CLAUDE.md, no en variables de entorno.

Trampas frecuentes y soluciones

Instalación como una carpeta anidada única: el README advierte explícitamente que no se debe copiar el repositorio completo bajo .claude/skills/academic-research-skills/, porque eso entierra los cuatro SKILL.md un nivel demasiado profundo para que Claude los detecte. Hay que copiar las cuatro carpetas de habilidad individualmente.
Cowork no lee ~/.claude/skills/: ese directorio pertenece a Claude Code CLI/IDE; Claude Cowork carga skills subidas por Settings → Capabilities → Skills, cada una como su propio zip. Simbolizar o copiar carpetas ahí no las hará aparecer.
python3 de Microsoft Store en Windows: suele ser un marcador sin funcionar; hay que instalar Python real desde python.org. El lanzador del guard PreToolUse es un script POSIX que en Windows necesita Git Bash; sin Git Bash, el guard queda inactivo (degradación aceptada, nunca bloquea escrituras).
Comandos no aparecen: en instalaciones por plugin, los comandos están namespaced como /academic-research-skills:ars-<modo>; la forma sin prefijo /ars-<modo> solo funciona en Claude Code v2.1.216 o posterior.
Reanudación de sesiones largas: para no perder estado en sesiones extensas, el Material Passport es el mecanismo de reanudación entre sesiones; docs/PERFORMANCE.md ofrece guía de presupuestos de tokens.

Integraciones y migración

Verificación entre modelos: conectar un proveedor OpenAI/Google con claves OPENAI_API_KEY / GOOGLE_AI_API_KEY y ARS_CROSS_MODEL. La comunidad lista un gateway compatible (OrcaRouter) como proveedor de verificación cruzada.
Adaptadores de corpus de literatura (v3.6.4 en adelante): scripts/adapters/ incluye tres adaptadores de referencia en Python (folder_scan.py para PDF, zotero.py para export de Better BibTeX, obsidian.py para frontmatter) que producen un passport.yaml + rejection_log.yaml a partir de la biblioteca del usuario.
Wrapper para Pi (mantenido por la comunidad, en el árbol): pi install git:github.com/Imbad0202/academic-research-skills. Documenta dos diferencias de rendimiento: no proporciona aislamiento/orquestación de agentes (los roles corren secuencialmente, degradación que debe declararse) y los hooks de Claude no se ejecutan en Pi.
Puerto para OpenCode y distribución para Codex existen como repositorios independientes.
Compañero de experimentos: experiment-agent rellena el hueco entre la etapa 1 (INVESTIGAR) y la etapa 2 (ESCRIBIR) de ARS, ejecutando experimentos de código y gestionando protocolos de estudio humano.
No se documenta un proceso de migración desde una herramienta comparable específica; la «migración» habitual es entre los seis métodos de instalación descritos y entre el repositorio principal y su distribución hermana para Codex.

Estado oficial y semioficial

ARS no forma parte de un catálogo oficial de Anthropic ni de ningún otro proveedor: se instala como plugin de Claude Code desde el propio repositorio mediante /plugin marketplace add Imbad0202/academic-research-skills, que es un marketplace autogestionado por el proyecto, no un mercado oficial. La página THIRD_PARTY.md aclara que el listado de proyectos de terceros allí es explícitamente no una recomendación y que esos proyectos son de partes independientes, no revisados por el mantenedor.

Lo que sí es verificable como reconocimiento externo:

Registro en Zenodo: el proyecto tiene una cita formal Wu, C.-I. (2026). Academic Research Skills for Claude Code (Version 3.21.1) [Computer software]. Zenodo. https://doi.org/10.5281/zenodo.20696614. La consulta a la API de Zenodo en esta investigación devolvió un registro vivo (DOI actual 10.5281/zenodo.22080258, fecha 2026-08-24), lo que indica que el proyecto se cita y se versiona como software.
Licencia CC BY-NC 4.0: el README y POSITIONING.md insisten en que no es una licencia de código abierto; restringe el uso comercial a propósito para mantener la herramienta gratuita para comunidades académicas. Un hilo de GitHub Discussions («Commercial licensing inquiry for ARS», de acelsss) muestra que las consultas de licencia comercial son algo real y se canalizan al mantenedor.
De facto: la presencia de docenas de derivaciones y puertos (ver «El ecosistema»), los tutoriales en vídeo y el artículo del autor hacen que funcione como una referencia de facto para el patrón de «copiloto de investigación académica con supervisión humana» en el espacio de skills de Claude Code. No se encontró, sin embargo, ninguna designación formal de estándar.

El ecosistema

Repositorios del mismo autor

Según la lista de repositorios públicos de Imbad0202 consultada en esta investigación:

Imbad0202/academic-research-skills-codex: distribución nativa de Codex del mismo contenido de trabajo; 9.453 estrellas y 439 bifurcaciones, creada el 25 de abril de 2026. Es la pieza hermana más grande.
Imbad0202/experiment-agent: skill compañera para ejecución, monitorización e interpretación estadística de experimentos; 179 estrellas y 12 bifurcaciones. El README de ARS la enlaza como relleno entre la etapa 1 y la etapa 2.
Imbad0202/tw-formal-writing: skill de escritura de documentos formales taiwaneses (oficios, cartas, contratos) importable en ChatGPT/Claude/Gemini; 163 estrellas y 19 bifurcaciones.
Imbad0202/critical-thinking-for-humans: «gimnasio de pensamiento crítico» en el que la IA es el entrenador; 32 estrellas y 2 bifurcaciones.
Imbad0202/cc-user-autopsy: skill de revisión por pares con trazabilidad para usuarios de Claude Code; 11 estrellas y 2 bifurcaciones.

Puertos, traducciones y extensiones comunitarias

Una búsqueda de repositorios de GitHub por «academic-research-skills» devolvió 650 resultados en total; los más destacados por estrellas que se recuperaron individualmente:

HughYau/AcademicForge: colección curada de skills para escritura académica; 2.491 estrellas y 147 bifurcaciones.
aipoch/medical-research-skills: cientos de skills de investigación médica (diseño de protocolos, etc.); 1.771 estrellas y 164 bifurcaciones.
LeonChaoX/qinyan-academic-skills: biblioteca multilingüe curada de 182 skills instalables; 842 estrellas y 72 bifurcaciones.
hkcanan/katmer-code: barra lateral multi-proveedor para Obsidian (Claude, Gemini, Codex); 473 estrellas y 32 bifurcaciones; fue presentada en Hacker News el 22 de marzo de 2026 («Show HN: KatmerCode – Claude Code in Obsidian with academic research skills», 2 puntos, 0 comentarios).
claesbackman/AI-research-feedback: skills de revisión de investigación académica; 471 estrellas y 83 bifurcaciones.
lingzhi227/agent-research-skills (297 estrellas y 37 bifurcaciones), wentorai/research-plugins (280 estrellas, 350+ skills y configuraciones MCP) y franklee16/academic-research-skills (211 estrellas).
aspi6246/Claude-Code-Skills-for-Academics (152 estrellas y 31 bifurcaciones): el README lo cita como inspiración de las mejoras anti-contexto-rot de v3.1.
timpara/opencode-academic-research (49 estrellas y 11 bifurcaciones): puerto para OpenCode (4 skills, 13 comandos).
kael-odin/awesome-academic-research-skills (52 estrellas): un «ranking diario» en chino de skills de investigación académica en GitHub, automatizado. Es el puerto no inglés más visible como lista curada.
YuanyuanMa03/academic-research-skills (54 estrellas): variante orientada a búsqueda en CNKI (base de datos académica china).

El propio THIRD_PARTY.md lista también ClawMama (de kinhunt, servicio hospedado que ofrece un ensayo del pipeline por Telegram/WhatsApp) y OrcaRouter (gateway compatible con OpenAI/Anthropic como proveedor de verificación cruzada), y reconoce como proyecto «upstream» Yila-AI/sci-ssci-skills (de @MissOrangePeel), origen del mecanismo de «escalera de fuerza de afirmación» adaptado en v3.19.0. En GitHub Discussions, kengo006 anuncia que el proyecto alexandria cita a ARS en su README, y YujxZJCN presenta Teaching Skills, una suite hermana «del lado de la enseñanza» inspirada arquitectónicamente en ARS.

Estas cifras son las que devolvió la API/búsqueda de GitHub durante esta investigación; no son una auditoría de calidad, soporte ni compatibilidad de cada derivado.

Números del repo

Medición: 28 de agosto de 2026, API de GitHub.

Métrica	Valor
Estrellas	44.043
Bifurcaciones	3.493
Suscriptores (watchers)	120
Commits	748
Incidencias abiertas indicadas por la API	18
Lenguaje principal	Python
Licencia	CC BY-NC 4.0
Creación	26 de febrero de 2026
Última actividad	27 de agosto de 2026
Última publicación	`v3.21.1`, 24 de agosto de 2026

El conteo de 748 commits se obtuvo de la última página del enlace de paginación de la API de commits. La API de GitHub usa open_issues_count; ese campo puede incluir solicitudes de cambios abiertas, por lo que las 18 «incidencias» no deben leerse como un conteo exclusivo de incidencias. El campo subscribers_count (120) se informa por separado porque watchers_count suele duplicar las estrellas en la respuesta general.

Los principales contribuidores que devolvió la API, por número de contribuciones, fueron Imbad0202 (720), 2023Anita (8), ktao732084-arch (3), madtriceps (3) y akshath-raj (2), seguidos de varios con una contribución. El peso muy concentrado en el mantenedor refleja que, a diferencia de superpowers, este es un proyecto esencialmente de un solo autor con contribuciones comunitarias menores (errores tipográficos, listas de revistas, módulos de disciplina).

Cómo contribuir

CONTRIBUTING.md documenta un proceso concreto basado en fork-y-PR (no se puede push directo):

Hacer fork del repositorio en GitHub, clonar el fork, crear una rama, hacer los cambios, push al fork y abrir un PR contra Imbad0202/academic-research-skills.
Qué se acepta rápido (fusión ágil): correcciones de typos y formato, nuevos ejemplos de salida del pipeline, mejoras de traducción (zh-TW/EN).
Qué requiere revisión del mantenedor: listas de revistas y campos de referencia, sets de evaluación (papers de oro para el modo de calibración), archivos de referencia nuevos, correcciones de deriva, cambios de modo.
Qué requiere aprobación + discusión previa (abrir un issue primero): cambios en definiciones de agentes (*/agents/*.md), modificaciones de reglas marcadas IRON RULE, reglas de ética e integridad, cambios de esquemas de handoff (shared/handoff_schemas.md), nuevas skills o modos.
Puertos de plataforma (solo mantenidos por la comunidad): se aceptan en dos formas —envoltorio en el árbol (<platform>/) o distribución hermana en un repo aparte— y exigen mantenedor nombrado, evidencia de extremo a extremo de un academic-pipeline completo en la plataforma, alineación de afirmaciones-evidencias y una nota de portabilidad de modelo.

Las reglas de decisión del mantenedor son explícitas: precisión antes que completitud; supervisión humana siempre (se rechazan contribuciones que reduzcan la supervisión o habiliten generación autónoma de papers); ninguna evasión de detección; y diversidad de disciplinas bienvenida. Los PR deben tener una sola preocupación por PR, describir el qué y el porqué, referenciar issues y mantener en sincronía los READMEs en los idiomas afectados. Por contribuir, el contribuyente acepta que su trabajo se licenciará bajo CC BY-NC 4.0.

Cómo lo recibió la comunidad

La evidencia recuperada muestra adopción amplia (44.000 estrellas, decenas de puertos, tutoriales en vídeo) junto con críticas concretas. La principal fuente con anclajes verificables es el hilo de Hacker News 48083919 «Academic Research Skills for Claude Code», enviado por arnon el 10 de mayo de 2026, con 82 puntos y 25 comentarios (nueve comentarios de primer nivel). Los usuarios nombrados y sus posiciones:

evanwolf: «Academic skills are a vector for cite injection» — las skills académicas son un vector de inyección de citas (riesgo de seguridad/inyección de prompt).
m3kw9: «Research paper slop starting pack» — un «pack de arranque de papers de relleno».
apwheele: «There needs to be a new name for people creating these with no obvious validation. Skill spam?», y elashri responde «Skill-slop».
SubiculumCode: señala la contradicción de que «el sitio abre con cómo mantiene a los humanos en el bucle, pero al seguir leyendo parece casi una función de automatización completa».
mmooss: defiende al autor, citando el experimento dialéctico y el marco «frame-lock»; janpeuker coincide en que «va demasiado lejos» pero le gusta el modo socrático State-Challenge-Reflect; cyanydeez añade que el método de entrenamiento hace que «el desacuerdo detenga la generación de tokens».
varispeed: objeción técnica fuerte: «Estas cosas no van a ser fiables si no sabes cuándo tu sesión se enrutará a un modelo inferior. Dejó de usar Opus por eso… Esto dice que no está listo para ningún trabajo serio».
mdxmaker: «Academic skills requiere herramientas adecuadas también, ya que muchos papers están tras paywalls o protegidos por sistemas anti-bot».
implexa_founder: «Las skills de investigación fallan de manera distinta a las de desarrollo: las de investigación deben retener los caminos equivocados, o se ha eliminado el artefacto real».

En el plano positivo, el ecosistema de tutoriales en vídeo es extenso: «How To Use Claude For Academic Research (My Actual AI Stack)» de Prof. David Stuckler (58.031 vistas), «Claude 4 Just Made Research 10x Faster» de Andy Stapleton (81.337 vistas), «Master Claude for Researchers | Step-by-step Tutorial» de WiseUp Communications (180.624 vistas), «Claude Cowork for Academics: Full Setup & Use Cases» de Andy Stapleton (77.873 vistas), y en castellano «Habilidades de investigación académica: escribe trabajos de investigación 10 veces más rápido» de CLI Stack (666 vistas) y «Cómo usar Claude Skills para investigación académica (guía paso a paso)» de Muhammad Irfan (2.672 vistas).

No se pudieron recuperar hilos de Reddit con contenido durante esta investigación (la API devolvió bloqueos HTML y el espejo PullPush no devolvió resultados), ni un anuncio en X/Twitter verificable (la cuenta del autor no publica un twitter_username), ni una página de lanzamiento de Product Hunt con contaje verificable. Por tanto no se infiere sentimiento de esas plataformas más allá de lo citado; las cifras de vídeo y los comentarios de Hacker News son las fuentes de recepción que sí se recuperaron directamente.

ARS frente a otras propuestas

Propuesta	Coincidencia verificable	Diferencia verificable
`aspi6246/Claude-Code-Skills-for-Academics` (152 ⭐)	Colección de skills para académicos en Claude Code.	El README de ARS la cita como inspiración de las mejoras anti-contexto-rot de v3.1; es una colección anterior y más reducida, no un orquestador de diez etapas con puntos de integridad.
`HughYau/AcademicForge` (2.491 ⭐)	Colección curada de skills para escritura académica.	Se presenta como «One Forge, All Skills»: una colección, no el pipeline multi-etapa con panel de cinco revisores y verificación entre modelos que distingue a ARS.
`aipoch/medical-research-skills` (1.771 ⭐)	Skills de investigación académica/médica para agentes.	Se especializa en investigación médica (diseño de protocolos); ARS es multi-disciplinario por defecto en educación superior y el propio ARS ha recibido propuestas de un módulo clínico (issue de `ktao732084-arch`).
`timpara/opencode-academic-research` (49 ⭐)	Mismo contenido de trabajo (4 skills, 13 comandos).	Es un puerto de ARS para OpenCode, no un competidor independiente; ARS es la distribución de referencia para Claude Code.
`Imbad0202/academic-research-skills-codex` (9.453 ⭐)	Mismo contenido de trabajo y misma filosofía.	Es la distribución hermana de ARS para Codex, no un competidor: misma licencia y mismo autor.

La comparación más útil no es por popularidad: ARS destaca cuando se quiere imponer un proceso transversal de investigación a publicación con verificación de integridad y supervisión humana en cada puerta. Una colección de skills genérica puede ser preferible cuando solo se necesitan fragmentos; un set de dominio (médico, CNKI chino) cuando el dominio exige reglas que el flujo general no contiene.

Casos de uso

Investigadores individuales que escriben un paper y carecen de revisor disponible: el pipeline academic-paper + academic-paper-reviewer simula un panel de cinco revisores más un «abogado del diablo» y produce una decisión editorial y un mapa de reescritura, algo que el artículo del autor identifica como su dolor central («nadie que revise tu trabajo»).
Doctorandos que hacen revisión sistemática o meta-análisis: el modo systematic-review incluye plantillas PRISMA 2020, agente de riesgo de sesgo (RoB 2 + ROBINS-I con salida de semáforo) y agente de meta-análisis (tamaños de efecto, heterogeneidad, bosque, GRADE), con verificación de citas mediante búsqueda web.
Quienes necesitan verificar la integridad de referencias antes de enviar: los puntos de integridad de las etapas 2.5 y 4.5 y el modo fact-check / citation-check abordan directamente la «ansiedad de citas» que el autor describe; la auditoría posterior a la publicación documentada (21/68 errores) muestra el valor de la verificación externa.
Estudiantes que quieren entrenar su propio criterio y no solo recibir un borrador: el modo socrático con el protocolo State-Challenge-Reflect obliga a predecir antes de ver la evidencia, un uso que el propio README posiciona como «formación de método» y «método de entrenamiento».
Equipos o departamentos de investigación con flujo compartido: la licencia CC BY-NC 4.0 permite uso académico no comercial compartido (grupos, laboratorios, departamentos), y la calibración de estilo con papers pasados ayuda a mantener coherencia en equipos.
Autores que quieren declarar el uso de IA de forma correcta por sede: el modo disclosure genera declaraciones de uso de IA para ICLR, NeurIPS, Nature, Science, ACL, EMNLP y una base de datos v2 con destinos médicos y de idioma chino, alineado con el principio «asistivo, no engañoso».
Usuarios de plataformas distintas de Claude Code: la distribución hermana para Codex, el puerto para OpenCode, el wrapper para Pi y los puertos comunitarios amplían el alcance a entornos que no soportan plugins de Claude Code.

Recursos

Repositorio: https://github.com/Imbad0202/academic-research-skills
Documentación e instalación: https://github.com/Imbad0202/academic-research-skills/blob/main/docs/SETUP.md
Arquitectura (fuente única de verdad): https://github.com/Imbad0202/academic-research-skills/blob/main/docs/ARCHITECTURE.md
Posicionamiento y filosofía: https://github.com/Imbad0202/academic-research-skills/blob/main/POSITIONING.md
Registro de modos (27 modos): https://github.com/Imbad0202/academic-research-skills/blob/main/MODE_REGISTRY.md
Skills oficiales (4 SKILL.md): https://github.com/Imbad0202/academic-research-skills/tree/main
Distribución hermana para Codex: https://github.com/Imbad0202/academic-research-skills-codex
Compañera de experimentos: https://github.com/Imbad0202/experiment-agent
Proyectos de terceros y upstream: https://github.com/Imbad0202/academic-research-skills/blob/main/THIRD_PARTY.md
Anuncio de lanzamiento del autor: https://edwardwu223235.substack.com/p/academic-writing-shouldnt-be-a-solo
Cita Zenodo: https://doi.org/10.5281/zenodo.20696614
Hilo de Hacker News (82 puntos, 25 comentarios): https://news.ycombinator.com/item?id=48083919
Tutoriales en vídeo: Prof. David Stuckler (youtube.com/watch?v=GWtx-d3dALQ), Andy Stapleton (youtube.com/watch?v=YTRxrEKNBx0), WiseUp Communications (youtube.com/watch?v=bANtRh9qIWM); en castellano CLI Stack (youtube.com/watch?v=ZLB2CkiuuQ0) y Muhammad Irfan (youtube.com/watch?v=whaKrmfy01s)
Paquetes npm relacionados: academic-research-kit, @wentorai/research-plugins, @portos-wang/academic-research-skills-pi-extension (registry.npmjs.org)
Comunidad: GitHub Discussions habilitadas en el repositorio; el mantenedor señala su perfil de apoyo (buymeacoffee.com/crucify020v). No se encontró un servidor Discord oficial en las fuentes recuperadas.

Nota: este artículo combina el README, POSITIONING.md, CONTRIBUTING.md, THIRD_PARTY.md, docs/SETUP.md, MODE_REGISTRY.md y las notas de versión de ARS, la API de GitHub, el registro de Zenodo, el artículo de lanzamiento del autor en Substack y resultados de Hacker News y YouTube consultados el 28 de agosto de 2026. Las cifras cambian con el tiempo; los puertos y proyectos de terceros listados no están auditados ni recomendados por el mantenedor de ARS.