Habilidades de Pesquisa Acadêmica para Claude Code: Um Pipeline Humano-no-Loop para Redação de Artigos

Academic Research Skills (ARS) para Claude Code é um plugin que oferece suporte a todo o pipeline pesquisa-para-publicação: pesquisa → escrita → revisão → correção → finalização. Ele é projetado como um sistema humano-no-loop, rejeitando explicitamente a automação total. A ferramenta lida com o trabalho braçal — busca de referências, formatação de citações, verificação de dados, verificação de consistência lógica — enquanto o pesquisador mantém o controle sobre a definição da pergunta, seleção de métodos, interpretação e o argumento central.

Instalação Rápida (Claude Code v3.7.0+)

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

Verifique com /ars-plan para iniciar um diálogo socrático mapeando a estrutura do capítulo, ou /ars-lit-review "seu tópico" para uma revisão de literatura única.

Por que Humano-no-Loop?

ARS cita Lu et al. (2026, Nature 651:914-919) que construiu The AI Scientist — o primeiro sistema de pesquisa autônomo totalmente baseado em IA a publicar um artigo por meio de revisão cega por pares em um importante veículo de ML (ICLR 2025 workshop, pontuação 6,33/10 vs média do workshop 4,87). A seção Limitações lista modos de falha: bugs de implementação, resultados alucinados, dependência de atalhos, reformulação de bug como insight, fabricação de metodologia, bloqueio de quadro e alucinações de citação. ARS é construído na premissa de que um pesquisador humano aumentado por IA evita esses modos de falha melhor do que qualquer um sozinho.

Portões de Integridade e Calibração

Os Estágios 2.5 e 4.5 executam uma lista de verificação de bloqueio de 7 modos (veja academic-pipeline/references/ai_research_failure_modes.md). O revisor oferece um modo de calibração opcional que mede sua própria taxa de falso negativo / taxa de falso positivo em relação a um conjunto dourado fornecido pelo usuário.

Funcionalidades

• A Calibração de Estilo aprende sua voz a partir de trabalhos anteriores.
• A Verificação de Qualidade da Escrita detecta padrões que fazem a prosa parecer gerada por máquina.
• Verificação via API Semantic Scholar (inspirada por PaperOrchestra, Song, Song, Pfister & Yoon, 2026, Google).
• Protocolo de antileakage, verificação de figuras VLM e rastreamento de trajetória de pontuação.

Arquitetura

A documentação completa do pipeline está em docs/ARCHITECTURE.md, incluindo diagrama de fluxo, matriz estágio por estágio, fluxo de acesso a dados, gráfico de dependência de habilidades, portões de qualidade e lista de modos. Para saída DOCX, pandoc é necessário; para PDF APA 7.0, tectonic + fonte Source Han Serif TC (a saída Markdown funciona sem nenhum deles).