TL;DR

이 레포는 Claude Code용으로 설계된 학술 연구 스킬 모음으로 문헌 검색에서 초안 작성, 동료검토, 제출 준비까지 전 과정을 에이전트 합성 방식으로 실행한다. 각 인용에 세겹(locator) 앵커를 부착하고 옵트인 감사 패스(ARS_CLAIM_AUDIT)를 통해 인용과 주장 간 정합성을 검사하며 Material Passport와 experiment_provenance 메타데이터로 외부 실험 유래를 명시적으로 연결한다. Stage 2.5 및 4.5와 같은 강제 무결성 게이트가 인간의 결정을 유지하면서 인용 환각 등 위험 신호를 거부할 수 있도록 설계되어 있으며 플러그인 형태로 Claude Code 생태계에 빠르게 설치 가능하다. 비용 추정과 캘리브레이션 기준이 README에 명시되어 있어 실무 도입 전 예상 운영비와 감사 문서화를 바로 검증할 수 있다.

주요 기능

• 참고문헌 검색과 교차 검증을 자동화하고 세겹(anchor) 인용과 locator를 통해 인용 근거 연결을 기록한다.
• 논문 작성 전 과정에서 구조화된 에이전트 팀을 운영하여 계획·초안·수정·포맷 변환을 단계별로 수행한다.
• 다중 관점(peer review) 평가를 에이전트 합성으로 생성하고 0–100 스케일 품질 루브릭과 추적 가능한 R&R 매트릭스를 산출한다.
• 파이프라인 단계별 무결성 게이트(Stage 2.5/4.5)를 통해 주장-근거 정합성 검사와 감사 옵션을 삽입한다.
• Material Passport와 experiment_provenance 스키마를 통해 외부 실험 증거를 명시적으로 연결하고 감사가능성을 유지한다.

어떻게 동작하는가

이 레포는 Claude Code용으로 설계된 4개 스킬(Research, Academic Paper, Reviewer, Pipeline)과 다수의 세부 모드를 에이전트 합성 방식으로 제공한다. 각 스킬은 복수의 소에이전트를 조합해 검색·작성·검토·제출 준비 같은 산출물을 단계별로 생성하며 파이프라인 오케스트레이터가 10단계 흐름과 체크포인트를 관리한다. 인용 정합성 보장을 위해 각 인용에 세겹(anchor)를 삽입하고 옵트인 감사(ARS_CLAIM_AUDIT) 패스를 통해 실제 소스와의 주장-근거 매핑을 검증하며, 실패 위험 클래스는 포매터 수준의 거부 규칙으로 반영된다.

해결 문제

학술 글쓰기 전 과정에서 참조 수집·인용 검증·형식 변환·동료검토 합성 같은 반복적·수작업성 작업 부담을 줄인다. 사람-중심 워크플로와 무결성 게이트를 결합해 AI가 생성한 주장에 대한 근거 추적성과 잠재적 '인용 환각'을 탐지하는 흐름을 제공한다. 외부 실험 결과를 재현성 메타데이터(Material Passport)로 연결해 주장 대비 근거 출처를 명시적으로 관리할 수 있게 한다.

지금 주목받는 이유

v3.x 릴리스들은 2026년 초중반에 인용 환각과 주장-근거 불일치 문제를 규명한 대규모 외부 연구(Zhao et al.)와 연계해 기능을 확장했다. 특히 v3.7.x에서의 locator 인프라와 v3.8에서의 옵트인 감사 패스는 학계에서 제기된 근거 추적성 요구에 직접적으로 대응한다. 또한 Claude Code 플러그인 설치 단일화와 높은 GitHub 스타 수는 실무 채택 가능성을 높인 요소로 작용했다.

차별점

• 사람-중심 설계로 전자동 학술 생산과 달리 연구자의 의사결정을 중시하며 Stage 2.5와 4.5 같은 강제 무결성 게이트를 통해 자동 산출물을 차단하거나 감사하도록 구성되었다.
• 인용 단위에 세겹(locator) 앵커를 포함하고 v3.8의 옵트인 감사 패스로 인용-주장 정렬을 샘플링해 FNR/FPR 기반의 캘리브레이션 목표를 적용하는 등 주장-근거 정합성에 구조적 투명성을 부여한다.
• Claude Code 플러그인 패키징과 다중 설치 경로를 제공해 Claude Code 에코시스템에서 즉시 사용 가능하며, Skill 단위로 임포트할 때도 명시적 경로를 유지해 업스트림 환경 호환성을 확보한다.

사용 사례

• 체계적 문헌검토를 신속히 시작할 때 PRISMA 모드와 다중 에이전트 검색 파이프라인으로 체계적 선별·요약·데이터 추출을 자동화해 초안 작성을 준비할 수 있다. 연구자는 ARS가 수집한 후보 목록과 근거 샘플을 검토하고 최종 포함 기준을 적용함으로써 인간의 판단이 개입된 검토를 유지한다. 이 과정에서 Material Passport 필드를 통해 선택한 자료의 출처와 접근 수준을 기록할 수 있다.
• 원고 작성과 제출 준비 단계에서 ARS의 Academic Paper 스킬은 목차 설계, 초록 초안, 문체 보정(Style Calibration)과 인용 포맷 변환을 연속적으로 지원한다. 작성 과정 도중 ARS가 생성한 인용에는 locator가 붙어 추후 감사나 교차검증이 용이해진다. 제출 전에는 Stage 4.5 무결성 게이트에서 캘리브레이션된 감사 옵션을 실행해 고위험 인용을 차단할 수 있다.
• 동료검토 시뮬레이션과 리비전 코칭 용도로 ARS의 Reviewer 스킬을 활용하면 EIC(편집장) + 복수 리뷰어 + Devil's Advocate 구성의 합성 리뷰를 통해 다양한 관점의 피드백을 생성하고 0–100 루브릭으로 품질을 정량화할 수 있다. 리뷰 결과는 R&R Traceability Matrix와 함께 기록되어 저자측의 수정 주장을 추적 가능하게 만든다. 검토 프로세스는 재현 가능한 아티팩트로 보존되어 후속 감사에 활용될 수 있다.

시작하기

사전 준비로 Claude Code 최신 버전과 ANTHROPIC_API_KEY 설정이 필요하다. 플러그인 설치는 플러그인 매니페스트 기반으로 "/plugin marketplace add Imbad0202/academic-research-skills" 및 "/plugin install academic-research-skills" 명령으로 30초 이내에 실행할 수 있다. 선택적 의존성으로 Pandoc이나 tectonic이 있으면 DOCX·PDF 변환을 자동화할 수 있고, 일부 하드닝·검증 기능은 시스템에 실제 Python 인터프리터와 Git Bash(Windows)를 요구한다.

요구사항

• Claude Code 최신 버전
• 환경 변수 ANTHROPIC_API_KEY 설정
• 선택적: Pandoc 및 tectonic(문서 변환용)
• 선택적: 실제 Python 인터프리터(Revision-patch, 제출 패키지 검사 등 일부 기능)
• Windows에서 일부 훅을 완전 동작시키려면 Git Bash 필요

벤치마크