pi-autoresearch-vkf
具备可验证长期科学记忆的自动化研究助手
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：pi-autoresearch-vkf。 它的用途是：具备可验证长期科学记忆的自动化研究助手 完整的 Skill 内容见：https://321skill.com/skills/pi-autoresearch-vkf/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
“请研究一下Transformer模型在时间序列预测中的最新进展，并设计一个简单的对比实验验证其有效性。” 它会自动搜索相关论文，提取关键结论存储为知识，然后生成实验代码并运行，最后将实验设置、结果和分析作为新的可验证知识条目，提交到你的Git知识库中，供未来查询和迭代。
介绍
该Skill旨在解决科研工作中文献信息过载、知识难以系统化积累和实验过程难以复现的问题。它通过自动搜集相关文献，将其转化为结构化的VKF（可验证知识格式）声明进行存储，并能够设计、运行实验，最终将经过验证的结果写回到一个基于Git的知识库中，形成可追溯、可迭代的科研记忆。
使用时，你需要将其作为PI的扩展进行安装和配置。启动后，你可以向它提出一个研究问题或假设，它会自动执行从文献调研到实验验证的流程。核心操作包括：知识库的初始化、研究任务的触发、对自动生成的研究计划和实验步骤的审阅，以及最终对写入知识库的结果进行确认。
它非常适合需要长期跟踪某一领域文献、进行系统性实验探索的研究人员、工程师或学生。无论是验证一个新想法、复现一篇论文，还是探索一个开放性问题，它都能提供自动化的辅助，将零散的知识点整合成可计算、可验证的知识网络。
使用建议：初次使用前，请确保你熟悉基本的Git操作，因为其知识库基于Git管理。建议从一个明确、具体的小问题开始，以观察其完整的工作流程和输出质量。由于涉及自动实验，请务必在安全、受控的环境（如沙箱）中运行，并仔细审查其自动生成的代码或操作步骤，避免对真实系统造成影响。
核心特点
与普通文献管理或实验自动化工具不同，它通过VKF格式和Git-native知识库，将研究过程（假设、证据、结论）转化为可版本控制、可验证、可长期累积的结构化知识资产，使得每一次研究都能建立在之前所有已验证结论之上，实现知识的持续进化。
注意事项
不适合需要高度创造性、非结构化思维或即时互动的探索性头脑风暴场景。
常见问题
VKF是什么格式？
VKF（Verifiable Knowledge Format）是一种用于结构化表示科学主张、证据和结论的格式，便于机器验证和知识积累。
它支持哪些实验环境？
理论上可通过配置支持多种环境，具体取决于Skill的实现和集成，通常需要用户预先设置好实验所需的代码或工具链。
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/pi-autoresearch-vkf/raw/index.md 读取 pi-autoresearch-vkf 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/pi-autoresearch-vkf/raw/index.md（查看排版版本）