My-Jogyo
一个将研究目标转化为可复现Jupyter笔记本的端到端研究自动化系统。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：My-Jogyo。 它的用途是：一个将研究目标转化为可复现Jupyter笔记本的端到端研究自动化系统。 完整的 Skill 内容见：https://321skill.com/skills/my-jogyo/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“使用Gyoshu，研究一下近三个月社交媒体上关于‘可持续能源’话题的情感趋势变化，并生成一份带有数据和图表的研究报告。” 它会先由Gyoshu规划研究步骤和假设，然后Jogyo执行数据抓取和情感分析代码，Baksa评审结论的可信度，最后自动整理成结构化的Jupyter Notebook和叙事性报告。
介绍
My-Jogyo（Gyoshu & Jogyo）旨在解决学术或技术研究中，从构思到产出报告的全流程自动化问题。它通过模拟一个完整的研究实验室角色分工，将模糊的研究目标转化为结构化的假设、实验、发现和最终报告，并自动生成可复现的Jupyter Notebook。
使用方式非常灵活，可以作为Claude Code的MCP服务器、OpenCode插件或CLI工具安装。核心是教授（Gyoshu）负责规划和协调研究流程，助教（Jogyo）负责执行Python代码和实验，博士评审（Baksa）则对结论进行对抗性验证，确保研究的严谨性。
这个工具非常适合需要进行系统性、可重复性研究的学术研究者、数据分析师和量化交易员。它帮助用户将精力集中在研究方向和问题定义上，而将繁琐的实验执行、代码编写和报告整理工作自动化。
使用时需要注意，该系统依赖于OpenCode生态或Claude Code，并假设用户具备一定的研究问题定义能力。它更适合结构化的、假设驱动的研究任务，而非完全开放式的探索。建议从明确的[OBJECTIVE]目标描述开始，并利用其会话管理功能来持续迭代研究。
核心特点
核心区别在于其仿生研究实验室的多智能体协作架构（教授、助教、博士评审、论文撰写者），并引入了“双门完成”机制，要求研究结论必须同时通过证据质量（信任门）和目标达成（目标门）的双重检验，确保了自动化研究的严谨性和可信度。
注意事项
不适合需要高度创造性、非结构化探索或即时交互式调试的快速原型开发场景。
常见问题
Gyoshu和Jogyo有什么区别？
Gyoshu是教授，负责研究规划与流程协调；Jogyo是助教，负责执行具体代码和实验。两者协同工作，构成完整的研究自动化流程。
如何查看自动生成的研究笔记？
系统会自动将每次实验过程保存为可复现的`.ipynb`格式Jupyter Notebook文件，你可以直接打开查看和分析。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/my-jogyo/raw/index.md 读取 My-Jogyo 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/my-jogyo/raw/index.md（查看排版版本）