Skill Market 平台使用指南

一、平台总览

1. 平台名称与定位

• 平台名称：Skill Market
• 访问地址：https://skill.aiphys.cn/
• 核心定位：面向物理学及科研领域的 AI Agent 技能市场。
• 主要功能：提供可直接调用的科研工具类 Skill（技能包），覆盖理论物理计算、论文处理、代码生成、基金申请等场景。
• 维护团队：由北京大学等高校的科研人员开发并维护。

2. 开发背景

• 该平台旨在降低科研工具的使用门槛。
• 提供自动化处理重复性工作的工具，服务于物理科研垂直领域。
• 采用开源共享机制，鼓励科研人员免费上传分享。

二、核心功能 (主要 Skill)

平台提供多种可直接集成的技能包，主要涵盖计算、论文处理、代码辅助等方向。

1. 计算与物理工具类

• amflow-compute核心功能：自动化计算 Feynman 圈积分、相空间积分（适用于量子场论场景）。
• 技术依赖：依赖 Mathematica 及 AMFlow 包。
• KIRA3-IBPReduce核心功能：量子场论中的 IBP 约化（微扰计算常用）。
• 技术依赖：需使用 KIRA3 可执行文件。
• semileptonic-decay核心功能：介子/重子半轻衰变形状因子参数化、衰变可观测量计算。
• 技术依赖：需输入标准 CSV 数据。
• Nuclear Data核心功能：核实验活化产物筛选、γ峰归属、核数据匹配。
• 技术依赖：涉及 Geant4 与 ENSDF 数据。

2. 论文处理与写作辅助类

• paper_summarizer核心功能：英文论文转中文精简翻译，保留核心内容，并生成 LaTeX/PDF（原长约为 1/3–2/3）。
• 技术依赖：Python + Tectonic。
• paper-finder核心功能：按主题自动检索相关学术论文。
• 技术依赖：无特殊依赖。
• response-to-referee核心功能：生成审稿意见逐点回复及稿件修改建议。
• 技术依赖：无特殊依赖。

3. 代码生成与解释类

• AICodingSkill核心功能：自然语言转清晰代码，附带 README/帮助文档/模块说明。
• 技术依赖：Python。
• CodeExplainer核心功能：项目代码分析，生成依赖清单、使用教程、逐行注释及 PDF 文档。
• 技术依赖：Python + Tectonic。
• formula-to-code核心功能：将论文公式自动转换为 Mathematica 或 Python 脚本。
• 技术依赖：无特殊依赖。

4. 文档处理类

• HtmlGenerator核心功能：将讲义或文档转换为 HTML 网页（适配课程预习或复习）。
• 技术依赖：无特殊依赖。

三、适用人群

1. 理论物理/粒子物理研究者：适合处理 QFT 圈积分、Feynman 计算、衰变分析等复杂计算。
2. 物理/理工科研究生：适合进行论文翻译总结、代码注释、基金申请撰写、审稿回复等工作。
3. 科研新手/本科生：适合快速上手科研工具、生成代码帮助文档、将课程资料网页化。
4. 计算物理/核物理实验人员：适合进行核数据处理、活化产物筛选、γ能谱分析等工作。

四、费用与版权说明

1. 当前状态

• 发布时间：截至 2026-05-29。
• 收费标准：所有 Skill 完全免费开放，无订阅费或付费墙。
• 获取方式：免费下载、集成及使用。

2. 发布与更新机制

• 分享模式：科研人员免费上传分享，平台开放下载。
• 反馈鼓励：欢迎用户反馈并提出改进建议。
• 维护状态：Skill 由科研人员业余维护，更新频率可能较低。

3. 潜在成本

• 环境成本：部分 Skill 依赖本地环境，如 Python、Tectonic、Mathematica 等。
• 下载成本：部分工具需本地安装（免费或开源工具）。
• 数据成本：第三方依赖（如 Geant4、JENDL-5）需从官方渠道下载。

五、使用流程

请按照以下步骤使用平台：

1. 访问平台：打开浏览器访问 https://skill.aiphys.cn/，浏览 Skill 列表。
2. 选择 Skill：点击目标 Skill（如 paper_summarizer），进入“查看详情”，确认功能需求与技术依赖。
3. 环境准备：根据依赖说明安装必要环境（如 Python 3.8+、Tectonic、Mathematica）。
4. 获取 Skill：下载技能包（通常包含 README 与示例代码）。
5. 配置与调用：

• 解压配置：将文件解压到指定目录，授权可执行文件。
• 路径适配：例如 KIRA3-IBPReduce 首次运行需执行"bootstrap"命令适配本地路径。
• 执行命令：在命令行或 AI Agent 中执行（如 python paper_summarizer.py input.pdf）。
• 输入数据：按示例提供数据（如论文 PDF、CSV 形状因子数据）。

1. 集成扩展：支持集成到 Claude Code、OpenCode 等 AI 编程工具中，嵌入个人工作流。

六、避坑指南与注意事项

1. 环境依赖坑

• Python 版本：多数 Skill 需 Python 3.8 及以上，版本过低会报错。
• 特定依赖：部分需 Tectonic（LaTeX） 或 Mathematica，未安装会直接导致运行失败。
• 路径适配：如 KIRA3-IBPReduce 默认配置可能不匹配，需手动执行初始化命令。

2. 输入格式坑

• 论文翻译：paper_summarizer 仅支持 英文 PDF，中文论文或扫描版图片效果较差。
• 数据格式：semileptonic-decay 需严格符合 标准 CSV 格式，格式错误无法计算。

3. 结果精度坑

• 计算时间：amflow-compute 依赖 Mathematica 内核，复杂圈积分可能需要 数小时 计算。
• 数据质量：Nuclear Data 的 γ 峰匹配高度依赖实验数据质量，低信噪比会导致归属错误。

4. 安全与隐私坑

• 敏感数据：上传 未发表论文或敏感数据 存在泄露风险，建议优先在 本地处理 而非云端上传。
• 版本安全：第三方依赖库（如 Geant4）需从 官方渠道下载，避免使用篡改版本的安装包。

5. 更新与支持坑

• 维护频率：Skill 为科研人员业余维护，bug 修复可能不及时，更新频率低。
• 反馈渠道：平台 无官方客服，遇到问题需通过平台留言或联系作者反馈（如作者：吴弈笛、san zhang）。

七、总结

1. 核心价值

该平台是物理科研垂直领域的 免费 AI 工具库，核心价值在于 降低科研工具使用门槛 和 自动化重复性工作。

2. 目标用户

尤其适合 理论物理与研究生群体，同时也服务于本科生及实验人员。

3. 使用建议

• 环境核对：使用前需 严格核对环境依赖与输入格式。
• 隐私保护：注意数据隐私与工具维护状态，避免敏感数据泄露。
• 预期管理：了解工具由科研人员维护的特性，保持合理预期并积极反馈。