📄 工具详情 ⚙️ 安装教程 📚 使用教程

能力标签

⚙️

Agent工作流

Light-skills

基于 Python · 无代码搭建完整 AI 自动化流程

⭐ 82 Stars 🍴 17 Forks 💻 Python 📄 MIT 🏷 AI 7.5分

7.5AI 综合评分

workflowacademic-writingagent-skillsai-agentai-skillsclaude-codepython

⬇ 下载源码 ZIP ⚙️ 配置说明

✦ AI Skill Hub 推荐

AI Skill Hub 推荐使用：Light-skills 是一款优质的Agent工作流。AI 综合评分 7.5 分，在同类工具中表现稳健。如果你正在寻找可靠的Agent工作流解决方案，这是一个值得深入了解的选择。

📚 深度解析

Light-skills 是一套完整的 AI Agent 自动化工作流方案。随着 AI 能力的不断提升，基于 Agent 的自动化工作流正在成为提升个人和团队效率的核心方式。区别于传统的 RPA 自动化（模拟鼠标键盘操作），AI Agent 工作流通过理解任务意图、动态规划执行路径，能够处理更复杂的非结构化任务。

Light-skills 工作流的设计遵循"最小配置，最大复用"原则：核心逻辑已经封装好，用户只需配置自己的 API Key 和业务参数即可快速上手。工作流内置错误处理和重试机制，在网络波动或 API 限速等情况下仍能稳定运行，适合作为生产环境的自动化基础设施。

在实际部署时，建议先在测试环境中运行 3-5 次，验证各个环节的输出结果符合预期，再部署到生产环境。AI Skill Hub 评分 7.5 分，是同类 Agent 工作流中的精选推荐。

📋 工具概览

Light — 全流程科研技能包：28个技能覆盖文献调研到投稿全过程，配套9个可核查知识库。

Light-skills 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排，将复杂的多步骤任务拆解为清晰的自动化流程，实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成，适合构建数据处理管线、业务自动化和 AI 辅助决策系统。

GitHub Stars

⭐ 82

开发语言

Python

支持平台

Windows / macOS / Linux

维护状态

轻量级项目，按需更新

开源协议

MIT

AI 综合评分

7.5 分

工具类型

Agent工作流

Forks

📖 中文文档

以下内容由 AI Skill Hub 根据项目信息自动整理，如需查看完整原始文档请访问底部「原始来源」。

Light — 全流程科研技能包：28个技能覆盖文献调研到投稿全过程，配套9个可核查知识库。

📌 核心特色

可视化 Agent 工作流编排，无需编写复杂代码
支持多步骤自动化任务链，实现全流程无人值守
与外部 API、数据库和第三方服务无缝集成
内置错误处理与自动重试机制，保障稳定运行
提供可复用的自动化模板，快速在同类场景部署

🎯 主要使用场景

自动化日常重复性工作，将精力集中于创造性任务
构建数据采集 → 处理 → 输出的完整自动化管线
实现跨平台、跨系统的数据流转和业务协同

以下安装命令基于项目开发语言和类型自动生成，实际以官方 README 为准。

安装命令

# 方式一：pip 安装（推荐）
pip install light-skills

# 方式二：虚拟环境安装（推荐生产环境）
python -m venv .venv
source .venv/bin/activate  # Windows: .venv\Scripts\activate
pip install light-skills

# 方式三：从源码安装（获取最新功能）
git clone https://github.com/Light0305/Light-skills
cd Light-skills
pip install -e .

# 验证安装
python -c "import light_skills; print('安装成功')"

📋 安装步骤说明

访问 GitHub 仓库获取工作流文件
在对应平台（Dify / Flowise / Make 等）中找到「导入工作流」功能
上传工作流文件
按照提示配置必要的环境变量和 API Key
运行测试确认流程正常后投入使用

以下用法示例由 AI Skill Hub 整理，涵盖最常见的使用场景。

常用命令 / 代码示例

# 命令行使用
light-skills --help

# 基本用法
light-skills input_file -o output_file

# Python 代码中调用
import light_skills

# 示例
result = light_skills.process("input")
print(result)

以下配置示例基于典型使用场景生成，具体参数请参照官方文档调整。

配置示例

# light-skills 配置文件示例（config.yml）
app:
  name: "light-skills"
  debug: false
  log_level: "INFO"

# 运行时指定配置文件
light-skills --config config.yml

# 或通过环境变量配置
export LIGHT_SKILLS_API_KEY="your-key"
export LIGHT_SKILLS_OUTPUT_DIR="./output"

📑 README 深度解析真实文档完整度 69/100 查看 GitHub 原文 →

以下内容由系统直接从 GitHub README 解析整理，保留代码块、表格与列表结构。

简介

❤️ 支持与鼓励

Light 由一个人利用业余时间打磨。如果它帮你省下了时间、让科研更顺手,欢迎请作者喝杯咖啡——你的支持是持续更新的最大动力。

微信扫码,金额随意,心意已收到 🙏 </div>

🚀 安装

前置:已安装 Claude Code 或 Codex,本机有 git。

[!IMPORTANT] 28 个技能共用根目录下的 9 个知识库与 code_assets/(靠相对路径引用),所以整个仓库必须放在一起。安装脚本会把技能和共享库一并链接到客户端的技能目录,请勿只挪单个技能。

1. 克隆仓库(放哪都行):

git clone https://github.com/Light0305/Light-skills.git
cd Light-skills

官方源仅 GitHub:github.com/Light0305/Light-skills 是 Light 唯一的官方维护源。Light 也在第三方技能市场(如 skills.sh)登记以便发现,但任何第三方分发的版本同步与完整性不作保证,安装与更新请以本仓库为准。

2. 运行安装脚本:

```bash

🔬 案例展示:一篇用 Light 从头做到底的论文

Resampling Silently Degrades Probability Calibration in Tree Ensembles —— 完全用 Light 走完全流程的端到端实证研究:从找文献、提 idea、对抗严审,到真跑实验、出图、写成 6 页 IEEE 论文。所有数字都来自真实运行,不造一个数据。

<a href="projects/resampling-calibration-study/paper/main.pdf"> <img src="projects/resampling-calibration-study/paper/main-preview.png" alt="论文首页预览" width="520"> </a> 点击论文首页预览打开完整 PDF · <a href="projects/resampling-calibration-study/paper/main.pdf">阅读 PDF</a> · <a href="projects/resampling-calibration-study/paper/main.tex">LaTeX 源码</a>

5 个 OpenML 数据集(不平衡比 1.9–70)· 2 个树集成 · 7 种处理 · 10 个随机种子 · 配对统计检验
核心发现:重采样(SMOTE/过采样/欠采样)会系统性破坏概率校准,而 F1/AUC 等常看的指标几乎不动——所以这个代价是"隐形"的
一步事后校准可把 ECE 降约 66%,AUC 仅损 0.003

这个项目还推动了技能包自身的进化:它如实承认核心结论与前作重叠,并据此强化了 idea/审稿/自审环节的"新颖性撞车检查"。完整经过见项目 README。

🏆 推荐配置(最佳体验)

Light 在任意 Claude Code / Codex 环境都能跑;想要最佳体验,建议这套组合:

项	推荐	说明
Harness	Claude Code / Codex	两端一键安装,技能自动触发
模型	Claude Opus 4.8 · GPT 5.5	主力档;备用:DeepSeek V4 Pro 等
环境	Git · Python · R	三件套基础;排版建议补 LaTeX(TinyTeX/TeX Live),部分 MCP/前端用 Node.js(可选)
MCP(按需)	Figma · Canva · Draw.io · Blender · MATLAB	接外部设计/绘图/3D/计算工具,见下表

🔌 推荐 MCP(按需接,均非必装):Light 本体是技能包,不依赖 MCP;但接上这几个能扩展设计、绘图、3D 与计算能力。star 为 2026-06 GitHub 实测,会变动;费用以官方页为准、投入前自查。

MCP	用途	费用	接入
Figma(官方)	读设计稿→前端实现(配合 [`light-frontend-design`](skills/light-frontend-design/SKILL.md))	Remote server 免费账号即可用(读+写 canvas,写功能 beta 期免费);Desktop 版需付费 seat	官方 Figma MCP server(developers.figma.com);热门社区 GLips/Figma-Context-MCP(~15.1k★)
Canva(官方)	路演/海报版式、品牌模板批量填充	免费注册,生成/编辑/导出等核心功能免费;缩放需 Pro、autofill/brand template 需 Enterprise	官方 `mcp.canva.com/mcp`(canva.dev/docs/mcp)
Draw.io(官方)	框架图/系统图/流程图,diagram-as-code 可版本控制(配合 [`light-figure-planning`](skills/light-figure-planning/SKILL.md))	开源免费(Apache-2.0)	官方 jgraph/drawio-mcp(~4.4k★);社区 lgazo/drawio-mcp-server(~1.3k★)
Blender(官方+社区)	3D 科学可视化/路演渲染(配合 [`light-figure-planning`](skills/light-figure-planning/SKILL.md) / [`light-slides`](skills/light-slides/SKILL.md))	开源免费(GPL);需本地装 Blender	社区 ahujasid/blender-mcp(~22.7k★);Blender 基金会官方 Lab MCP(需 Blender 4.2+)
MATLAB(官方)	信号/控制/数值计算/Simulink(配合 [`light-tool-selection`](skills/light-tool-selection/SKILL.md))	官方 MCP Core Server(~965★,2025-11 开源)跑本地 MATLAB 即可、不需 Production Server 商业许可;但本地 MATLAB 本身需购买,学生/家庭版能否用于 MCP 自动化官方未明写,须自查 MathWorks 许可协议	MathWorks 官方 matlab-mcp-core-server,需本地 MATLAB(R2021a+)

接入任何第三方 MCP 都等于授权外部指令与代码,先评估来源与安全(详见 light-tool-selection)。论文数据图仍须程序化绘制(m11),不用 AI 生图;Draw.io 是 diagram-as-code、Blender 是程序化建模渲染,均非 AI 生图,但 3D 渲染作论文图需保证数据真实可复现,路演展示用更稳妥。 MATLAB 需本地付费软件;Blender MCP 驱动科研可视化目前实践尚少,成熟路子是直接用 Molecular Nodes/SciBlend 等插件。

<details> <summary>低配/备用档模型的已知限制</summary>

低配/备用档模型(如 Claude Haiku 或第三方轻量模型)能守住技能的诚实红线(不编造、不夸大、守边界)——这是"红线写进 SKILL 正文而非靠模型自觉"设计的直接收益。但实测(2026-06-12,Haiku 4.5 跑 8 个诱导编造任务,红线 8/8 守住)发现它们倾向于"复述纪律"而少"跑脚本产证据",且不会主动质疑用户给的错误前提(如环境/状态信息)。重产出、需多步真实核验或主动排查的任务,建议用主力档(Opus 4.8 / GPT 5.5);低配档适合轻量、单步、红线明确的场景。(第三方备用档 DeepSeek V4 Pro 等本环境无 API 接入,未实测。) </details>

🔑 关于 API key

[!NOTE] 绝大多数功能开箱即用,无需任何 API key。 文献检索默认走免费的 OpenAlex / Crossref;OpenAlex 2026 年起官方要求注册免费 API key(匿名访问处于过渡期仍可用),建议花两分钟注册以免限流。

需要你自备 key 的只有一种情况:用 light-ip-application 做专利检索,调用商用专利库需要各自的凭证。Light 不内置、也不会替你保存任何 key,只在你提供时才发起请求。

服务	用途	是否必需	怎么获取
OpenAlex / Crossref	学术文献检索	免费,默认	Crossref 无需注册;OpenAlex 官网免费注册 key(建议)
[The Lens](https://www.lens.org/lens/user/subscriptions#scholar)	专利↔论文关联检索	选用	注册申请,学术用途多数免费授权
[EPO OPS](https://developers.epo.org/)	欧洲专利官方数据	选用	注册拿 consumer key/secret
[USPTO ODP](https://developer.uspto.gov/)	美国专利数据	选用	注册申请 API key

key 通过环境变量提供,不要写进代码或提交到仓库。Light 的安全约定见 SECURITY.md。

❓ 常见问题

<details> <summary>对话太长上下文不够了怎么办?</summary>

Light 有会话衔接协议:当上下文将尽或一段任务收尾,它会主动给你两件套——把当前状态写成一张自包含的衔接卡(落在项目 .light/handoff/ 下),并打印一段中文"新对话启动提示词"。你复制提示词、开个新对话粘贴进去,下一个 Light 只读最新衔接卡就能无缝接上"做到哪、下一步是什么",还能沿衔接链追到任意上级对话。提示词第一行会建议把对话命名为 [项目] S04 ... 这样的编号,让对话列表天然有序。也可以随时说"给我衔接提示词"主动触发。 </details>

<details> <summary>它和直接用 ChatGPT/Claude 聊有什么区别?</summary>

Light 给的是能跑的脚本、能套的模板和真实范例,且有"不编造"的硬底线和对抗式自检;还能跨会话记住你的项目进度。不是一次性问答。 </details>

绝大多数功能免 key,文献检索默认走免费的 OpenAlex / Crossref(OpenAlex 建议注册免费 key,见 2026 新政说明)。需要自备 key 的只有专利检索(Lens/EPO/USPTO)。详见关于 API key。 </details>

<details> <summary>常驻技能为什么在 <code>/</code> 里看不到?</summary>

这 11 个技能设计为后台自动生效,无需手动唤起,所以不占用 / 菜单。17 个手动技能则照常用 / 调用。 </details>

<details> <summary>必须两端都装吗?</summary>

不必。install.ps1 -Client claude 或 install.sh claude 只装一端。 </details>

<details> <summary>会把我的数据上传到第三方吗?</summary>

不会,除非任务本身需要(如检索文献会访问公开学术 API)。涉及上传的操作会提示。详见 SECURITY.md。 </details>

<details> <summary>Light 会替我写论文、造数据吗?</summary>

不会。它辅助你做研究、组织表达,但严守学术伦理(见 light-research-ethics):不造数据、不编文献、不过度包装。 </details>

🎯 aiskill88 AI 点评 A 级 2026-06-13

Light-skills是一个开源的AI工作流，提供了全流程科研技能包和可核查知识库，适配主流AI编程客户端。虽然它提供了很多有用的功能，但其评分受到了语言和适配性等方面的限制。

⚡ 核心功能

可视化 Agent 工作流编排，无需编写复杂代码
支持多步骤自动化任务链，实现全流程无人值守
与外部 API、数据库和第三方服务无缝集成
内置错误处理与自动重试机制，保障稳定运行
提供可复用的自动化模板，快速在同类场景部署

👥 适合人群

自动化工程师和运维人员项目经理和业务分析师希望减少重复性工作的专业人士数字化转型团队

🎯 使用场景

自动化日常重复性工作，将精力集中于创造性任务
构建数据采集 → 处理 → 输出的完整自动化管线
实现跨平台、跨系统的数据流转和业务协同

⚖️ 优点与不足

✅ 优点

+MIT 协议，可免费商用
+大幅减少重复性人工操作
+可视化流程，清晰直观
+可扩展性强，支持复杂场景

⚠️ 不足

−初始配置和调试需投入一定时间
−强依赖外部服务的稳定性
−复杂场景需具备一定技术基础

⚠️ 使用须知

AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。

建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。

📄 License 说明

🔗 相关工具推荐

LLM资源合集（精选）

精选100+可直接运行的AI Agent和RAG应用集合。包含完整工作流示例、智能代理框架和检索增强生成系统。适合AI开

LangChain AI开发框架

Agent工作流

ai-agents-for-beginners Agent工作流

微软官方开源项目，提供12堂系统课程学习AI智能体框架。涵盖工作流设计、RAG检索增强、多智能体协作等核心技能。适合AI

n8n AI工作流自动化

Agent工作流

🧩 你可能还需要

基于当前 Skill 的能力图谱，自动补全的工具组合

技能寻求者

MCP · Agent · 工作流

natively-cluely-ai-assistant — Claude Skill 中文使用文档

免费开源的AI面试助手，实时转录，隐蔽模式，局部RAG，BYOK。无订阅，防止数据泄露。

DeepCode Agent工作流

MCP · Agent · 工作流

total-agent-memory MCP工具

为Claude Code和Codex CLI提供持久化记忆功能的开源MCP工具。自动提取知识图谱，支持多轮对话上下文保留，适合需要长期记忆和

cordum MCP工具

MCP · Agent · 工作流

kb-arena开源AI工作流

kb-arena是开源的AI工作流，用于Benchmark 9 retrieval architectures（向量、上下文、QnA、知识图

❓ 常见问题 FAQ

常见问题−

解答

什么是 Agent 工作流？和普通自动化有什么区别？+

导入工作流后，我需要修改哪些配置？+

工作流运行失败了，如何排查问题？+

这个工作流每次运行会产生哪些费用？+

工作流可以定时自动运行吗？+

💡 AI Skill Hub 点评

总体来看，Light-skills 是一款质量良好的Agent工作流，在同类工具中具备一定竞争力。AI Skill Hub 将持续追踪其更新动态，建议收藏备用，结合自身场景选择合适时机引入使用。

⬇️ 获取与下载

⬇ 下载源码 ZIP

✅ MIT 协议 · 可免费商用 · 直接从 aiskill88 服务器下载，无需跳转 GitHub

📚 深入学习 Light-skills

查看分步骤安装教程和完整使用指南，快速上手这款工具

⚙️ 安装教程 📚 使用教程

🌐 原始信息

原始名称	`Light-skills`
Topics	`workflowacademic-writingagent-skillsai-agentai-skillsclaude-codepython`
GitHub	https://github.com/Light0305/Light-skills
License	MIT
语言	Python

🔗 原始来源

🐙 GitHub 仓库 https://github.com/Light0305/Light-skills 🌐 官方网站 https://github.com/Light0305/Light-skills#readme

收录时间：2026-06-13 · 更新时间：2026-06-13 · License：MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。

Light-skills

📚 深度解析

📋 工具概览

📖 中文文档

简介

❤️ 支持与鼓励

🚀 安装

🔬 案例展示:一篇用 Light 从头做到底的论文

🏆 推荐配置(最佳体验)

🔑 关于 API key

❓ 常见问题

⚡ 核心功能

👥 适合人群

🎯 使用场景

⚖️ 优点与不足

🔗 相关工具推荐

❓ 常见问题 FAQ

🤖 交给 Agent 安装 · Light-skills