🐟 给 Claude 装上一个渔业科学家的大脑：fishery-research-idea-and-battle 技能发布
最近博主在学习 claude code，skills的概念非常火，怎么将其应用到渔业研究中去呢，尤其是查看某个想法和课题是否可行? 因此我利用claude code自己的用来创建skills的skill skill-creator来创建了用来评估渔业研究思路的skills: fishery-research-idea-and-battle，在github上: fishery-research-idea-and-battle. 其设置架构参考自：research-idea-and-battle.
在渔业研究里，数据不是你想下载就能下载的。你无法 git clone 一片海洋。
一个问题：Claude 已经很聪明了，为什么还需要专门的渔业科研技能？
试试问 Claude 一个渔业研究问题——
"我想研究西北太平洋秋刀鱼种群变动对黑潮的响应机制，用统计模型来分析黑潮路径变化和 SST 对资源量的影响。有潜力吗？能发什么期刊？"
普通的 Claude 会这样回你：
✅ "很有价值！建议收集 CPUE 数据、SST 数据、用 GAM 或 GLMM 分析……可以投 Fisheries Oceanography 或 ICES JMS。"
听起来不错，对吧？但你有没有发现缺了什么？
❌ 没问你的数据哪来的、够不够长、空间覆盖够不够
❌ 没查秋刀鱼的生活史——它是短命还是长命物种？这对建模框架有决定性影响
❌ 没搜索有没有公开数据集可以直接用
❌ 没告诉你黑潮大弯曲的时间尺度和秋刀鱼的迁徙距离之间的尺度匹配问题
❌ 期刊推荐只有名字，没有理由，没有备选，没有"你需要做到什么程度才能投那个期刊"
这就是为什么我们做了 fishery-research-idea-and-battle。
🧠 它是什么？
一个 Claude Code 专属技能，为你的 Claude 装上一个资深渔业科学家的学术大脑。
人设： 审稿经验覆盖 Fish and Fisheries、ICES Journal of Marine Science、Fisheries Research、CJFAS、Reviews in Fish Biology and Fisheries、Fisheries Oceanography、Marine Policy、Ecological Modelling、MEPS、Global Change Biology、Conservation Biology、Methods in Ecology and Evolution 等 18+ 本顶级期刊。见过研究方向的兴衰，知道哪些优雅模型因为数据不够永远停留在论文的 "Future Work" 章节。
核心哲学：在渔业研究里，数据决定一切。一个数据要求不可能实现的漂亮想法，不是研究计划——是愿望。
🔴 跟直接问 Claude 有什么不一样？
第一：数据优先，绝不先评价
普通 Claude 听到研究想法，第一反应是评价"有没有价值"。这个技能的第一反应是——
"等一下，先告诉我你的数据情况。"
它会从五个维度审计你的数据状况：
| |
|---|
| 🐟 物种 | 什么物种？自动查 FishBase——生长系数 K、最大年龄、营养级、栖息地、分布范围。因为一条 K=0.15 的慢生长鱼和一条 K=0.6 的快生长鱼，需要完全不同的建模框架。 |
| 🗺️ 空间范围 | 一个海湾 / 一片陆架 / 整个海盆？跨几个管辖区域？你的空间推断边界在哪里？ |
| ⏱️ 时间范围 | 3 年项目 / 20 年后报 / 50 年历史重建？5 年数据只能看变异性，20 年才能看趋势，50 年才能谈 regime shift。 |
| 📊 数据类型 | 渔获量？努力量？渔业独立调查？生物学样本？环境序列？社会经济数据？ |
| 🔑 数据获取 | 已经在手？公开可下载？需要向机构申请？还是得从头采集？ |
这不是在刁难你——这是渔业科研的现实。
在计算机科学里，你下载 ImageNet 就能开始。在渔业里，你没有 30 年的调查数据，就不能声称检测到了气候 regime shift。这个技能会帮你提前识别"想法很漂亮但数据不可能支撑"的局面——比审稿人告诉你早两年。
第二：替你去 FishBase 查物种"户口"
如果你说了一个具体鱼种，技能会主动查询 FishBase，把关键生活史参数拉出来，然后告诉你这些参数对你的研究设计意味着什么。
举个例子：秋刀鱼（Cololabis saira）。
FishBase 告诉你：max age 4 年、K=0.3–0.6（高恢复力）、营养级 3.7、海洋洄游性（oceanodromous），每年从黑潮产卵场到亲潮索饵场迁徙超过 1500 公里。
技能会立刻告诉你三个建模约束：
K=0.3–0.6，max age 4 年，但 steepness=0.82（Hsu et al. 2024 最新估计） 。这意味着早期生长速率和存活率对种群恢复力极为敏感——如果黑潮 SST 变化降低了仔鱼生长速率，整个种群的补充量恢复力都会下降。你的模型需要能捕捉这个敏感性。
海洋洄游性——1500+ km 的年度迁徙。 你的环境变量不能只在一个定点提取。1°×1° SST 格点做全分布区平均会抹掉黑潮锋面的细尺度温度梯度——而那里恰好是仔鱼聚集的地方。
营养级 3.7——摄食浮游动物。 黑潮不仅通过温度直接影响，还通过浮游动物群落间接驱动食物网效应。如果你的"机制"分析只有温度没有饵料通路，审稿人会指出来。
普通 Claude 不会主动做这件事。
第三：替你搜 Scientific Data，找"有没有人已经把数据整理好了"
这是渔业研究最容易被忽视的一步。很多研究者花了几个月才发现"原来某个机构三年前就发表了数据描述论文，整理了 30 年的标准化调查数据"。
这个技能会在文献搜索之前，先去 Scientific Data（Nature 旗下）和 Earth System Science Data 搜索有没有数据描述论文——
WebSearch: "site:nature.com/sdata 秋刀鱼 OR 黑潮 fishery data"
WebSearch: "site:earth-system-science-data.net Kuroshio marine fishery"
找到了 → 你的可行性瞬间改变。
没找到 → 提前预警数据瓶颈，比花了三个月才发现强。
第四：六种模式，覆盖科研全生命周期
这不是一个只会说"很好，加油"的夸夸机器人。它有六种模式，你可以根据需求切换：
| | |
|---|
| 🔍 数据审计（强制第一步） | | 五维度数据评估 + FishBase + Scientific Data 搜索 + 时空匹配检查 |
| ⚔️ Battle 模式 | | 全力扮演挑剔审稿人。每个弱点、每个隐藏假设、每个数据局限——全挖出来。 |
| 💡 Idea 生成 | | 双层提案：Tier 1（Fish and Fisheries/PNAS 级别，高天花板 + 明确数据风险）+ Tier 2（ICES JMS/Fisheries Research 级别，现有数据可支撑，近期可发表） |
| 🗺️ Landscape 模式 | | 画地图——关键研究组、主要开放问题、数据基础设施现状、最近几篇大论文改变了什么 |
| 🎯 Positioning 模式 | | 期刊推荐（4 等级 17 本期刊地图）+ 叙事策略 + 贡献声明怎么写 |
| 👨🏫 Mentorship 模式 | | 拉远看——研究身份 vs. 追风口、技能积累路径、数据关系建设 |
每种模式都自带渔业领域特化的知识框架，不是泛泛的通用回答。
第五：17 本期刊的内置地图
当你问"投哪里"的时候，普通 Claude 甩给你几个期刊名字。这个技能给你：
- 4 个等级，17 本期刊，每本标注了适合什么类型的论文、看重什么
- 条件逻辑——"如果你能做到 X，就可以考虑投 Y；如果数据只支持 Z，那 A 是更好的选择"
比如上面秋刀鱼的例子：
- 第一选择：Fisheries Oceanography —— Fuji et al. (2024) 刚在此刊发表了秋刀鱼仔稚鱼分布-海洋结构关系，你的工作如果做出差异化可以直接接续这个对话。
- 备选：ICES JMS —— Hsu et al. (2024) 的秋刀鱼 steepness 论文在此，但注意该刊对北大西洋研究有偏好，需强调西北太平洋的普适性。
- 备选 2：Fisheries Research —— Li et al. (2024) 同刊，偏应用和数据分析，审稿周期可能更短。
- 冲刺：Fish and Fisheries —— 仅当能综合多国数据、跨黑潮位相、提炼出可推广到其他黑潮-亲潮系统的机制框架。目前不建议作为第一目标。
每个推荐都有"为什么"——而不是丢给你一堆期刊名字让你自己猜。
🛠️ 怎么装？
# 在项目里装（推荐）
mkdir -p /path/to/your/project/.claude/skills/
cp -r fishery-research-idea-and-battle /path/to/your/project/.claude/skills/
# 或者全局装（所有项目生效）
cp -r fishery-research-idea-and-battle ~/.claude/skills/
无需 API key、无需 MCP 插件、无需任何外部依赖。Claude Code 原生支持，装完即用。
📝 怎么用？
不需要任何特殊命令。在 Claude Code 里正常讨论渔业研究就行——技能会自动触发。
我有个关于西南大西洋鱿鱼资源评估的想法，能不能帮我看看？
帮我 battle 一下这个假说：长江口渔业衰退主要是气候变化而不是捕捞导致的
用 eDNA 做珊瑚礁鱼类多样性监测，有什么好的研究切入点？
这篇文章投哪里合适？做了东海带鱼的时空分布模型，用的是 VAST
每次它都会先问数据，再搜文献，然后才给意见。
🔬 不止是"AI 聊天"——它是科研伙伴
回到开头的秋刀鱼例子。
普通 Claude 给了 100 字的泛泛建议、三个期刊名、一个"先做探索分析"的模糊路径。
装备了 fishery-research-idea-and-battle 的 Claude 给了：
- 秋刀鱼 FishBase 完整生活史参数 + 三个由此推出的建模约束
- Scientific Data 真实搜索结果（确认无公开数据集，预警数据获取瓶颈）
- 三篇 2024 年最新论文（分别来自 ICES JMS、Fisheries Oceanography、Fisheries Research），每篇的具体发现和对本研究设计的启示
- 三级新颖性分层——从"标准相关性分析（低新颖性）"到"黑潮位相差异化影响两个生长群体（文献中尚未被充分挖掘的角度）"
- 时空匹配四维度检查（黑潮大弯曲时间尺度、秋刀鱼迁徙距离、SST 格点分辨率、中尺度涡空间尺度）
这不是"AI 替代科学家"。这是"AI 按照一个真实科学家的工作方式思考"。
💬 写在最后
渔业科学研究有一层特殊的难度：海洋不会配合你跑对照实验，几十年的数据不是你想有就能有的，最漂亮的模型往往死在"数据不够"这四个字上。
这个技能不会替代你的专业知识——但会在你每次产生一个研究想法时，帮你做那个"先别激动，看看数据够不够"的人。以及那个"审稿人会从这里攻击你，提前补上"的人。以及那个"你做到 X 就可以投 Y"的人。
因为最好的导师不是告诉你"这个想法很好"，而是告诉你"这个想法很好，但你需要先解决这三个问题"。
