Conjunto de skills de Claude Code que revisan artículos académicos, planes de análisis previo, propuestas de subvención y código de análisis, y convierten artículos en informes breves o presentaciones.
AI-research-feedback es una colección de skills de Claude Code para investigadores académicos. Cada skill es una carpeta con un archivo SKILL.md que se instala en ~/.claude/skills y se ejecuta con un comando de barra, como /review-paper. Las skills de revisión ejecutan en paralelo varios agentes especializados y guardan un informe priorizado en una carpeta reviews/ del proyecto. Incluyen revisiones completas de artículos al estilo de un informe de arbitraje, comprobaciones rápidas de contribución e identificación, verificaciones mecánicas de coherencia, revisiones de planes de análisis previo y revisiones de propuestas de subvención.
El repositorio también incluye skills centradas en el código. review-paper-code comprueba si los scripts de análisis reproducen las afirmaciones de un artículo en LaTeX; audit-analysis audita de forma adversarial los cambios en código de Stata, R o Python, en un subagente aislado; y explain-diff genera una explicación HTML sin conexión de un cambio de código, con un cuestionario. Para comunicar resultados, paper-version convierte un artículo en LaTeX en un informe breve de políticas o un resumen, y tres skills para presentaciones crean diapositivas interactivas con Quarto reveal.js, LaTeX Beamer y PowerPoint. Una utilidad pdf-to-markdown convierte archivos PDF para usarlos con las demás skills.
Las skills están dirigidas a publicaciones y financiadores de economía y finanzas, que se mencionan por nombre, y están pensadas para proyectos que usan artículos en LaTeX y código en Stata, R o Python. Para instalarlas se necesita Claude Code. Algunas requieren herramientas adicionales, como Quarto, TeX Live o Node.js.
Crea la carpeta skills y copia en ella todas las skills mediante el comando de instalación de una sola línea en la terminal
git clone --depth 1 https://github.com/claesbackman/AI-research-feedback.git /tmp/airf && mkdir -p ~/.claude/skills && cp -R /tmp/airf/Skills/. ~/.claude/skills/ && rm -rf /tmp/airfReinicia Claude Code y ejecuta una skill de revisión, como /review-paper, dentro de un proyecto que contenga un artículo en LaTeX
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Framework de búsqueda de empleo basado en Claude Code que evalúa ofertas, adapta CV en LaTeX, redacta cartas de presentación y prepara entrevistas; se ejecuta localmente en tu fork.
Editor de IA autoalojable para escritura académica, con autocompletado que tiene en cuenta las citas, búsqueda de artículos, chat con PDF, revisión con IA y exportación a Word/LaTeX.
Un framework de Python para la mejora autónoma de agentes guiada por evaluadores, que registra el linaje de cada generación de agentes candidatos.
Pipeline de código abierto que convierte una idea de investigación en un artículo académico completo, con búsqueda bibliográfica, experimentos en entornos aislados, verificación de citas y salida en LaTeX.
Archivos de skills solo en Markdown que permiten a Claude Code, Codex y otros agentes LLM ejecutar ciclos autónomos de investigación en ML: búsqueda de ideas, revisión entre modelos y automatización de experimentos.
Puente entre R y Python que conecta una sesión activa de RStudio o Positron con Claude Code, Codex y otros agentes LLM basados en MCP.