让 AI 帮忙做科研，任务往往从“找几篇论文”开始，随后变成整理研究问题、设计实验、分析数据、画图和写稿。每换一个环节，都要重新说明工作方法与输出要求；如果前面的依据没有传下去，后面的文字很容易脱离实际材料。

Scientific Agent Skills 是 K-Dense-AI 维护的科研技能库。它把这些环节整理成可供 AI 智能体读取的 Skills，从文献检索到论文审阅和学术汇报，都能找到对应的工作流程。对经常使用 AI 辅助科研的读者，它值得作为一套按需选用的方法库收藏。

用 AI 帮忙写论文，常见的问题是文字变得流畅了，论述却变得空泛：引言反复强调研究意义，相关工作只剩笼统评价，实验分析把一项有限的结果写成“显著优势”。这些句子看起来像论文，读者却很难从中找到具体问题、证据和适用条件。

Humanizer 是 blader 开源的写作校对技能，供 Claude Code、Codex 等支持 Agent Skills 的工具使用。它能帮助检查 AI 草稿中的模板化表达、重复总结和夸张措辞。对于已经有文献、方法和实验结果，只想让论文表述更清楚的作者，可以把它放在初稿完成后的语言校对环节。

2026 年 ICML Open Reproductions 挑战展示了一种值得借鉴的科研工作方式：Agent 可以快速阅读论文、实现方法和运行实验，但可靠的复现仍需要明确的问题、可追溯的证据和人的科学判断。

本文不复述赛事安装步骤，也不把 Trackio、Hugging Face Jobs 等具体工具当成必要条件。它提炼的是一套可迁移到计算机科学、智能优化、深度学习、强化学习和一般 AI 实验研究的工作流。