🐟 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，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——

"我想把海洋热浪（Marine Heatwaves）指标加入到物种分布模型（SDM）的建模框架中，研究海洋热浪对太平洋中上层鱼类分布的影响。有潜力吗？能发什么期刊？"

普通的 Claude 会这样回你：

✅ "很有价值！海洋热浪是当前的研究热点。建议收集物种出现数据（OBIS/GBIF），获取 SST 和 MHW 指标数据，用 MaxEnt 或 BIOMOD 做 SDM 建模……可以投 Global Change Biology 或 Frontiers in Marine Science。"

听起来不错，对吧？但你有没有发现缺了什么？

❌ 没问你要研究哪些具体物种——太平洋中上层鱼类有几十种，它们的 MHW 响应机制完全不同
❌ 没查关键物种的生活史——快速游泳的金枪鱼和被动漂流的沙丁鱼对热浪的响应能一样吗？
❌ 没搜 Scientific Data 看有没有现成的 MHW 公共数据集——实际上 ESA 的 CAREHeat 项目有 4D MHW 数据，NOAA 有近实时 MHW tracker
❌ 没告诉你 MHW 的空间尺度指标（size）比强度（intensity）对渔业分布的影响更大——Farchadi et al. (2024) 刚在 Fish and Fisheries 上证明了这一点
❌ 期刊推荐只有名字，没有理由，没有备选，没有"你的方法新在哪里才能区分于已有的大量 MHW 研究"

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：

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（或一组物种），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：你说"太平洋中上层鱼类"，技能会追问具体物种——然后假设你选择了两个代表性物种：日本鲭（Scomber japonicus，chub mackerel） 和 长鳍金枪鱼（Thunnus alalunga，albacore tuna）。

FishBase 真实参数：

技能会立刻告诉你三个建模约束：

1. K 值差异反映不同的 MHW 响应时间尺度。 日本鲭（K=0.3–0.5）种群周转快，可能在 MHW 后 1–2 年内就通过 recruitment 变化响应；长鳍金枪鱼（K=0.15）周转慢，MHW 效应可能在 3–5 年的时间尺度上才显现。你的 SDM 需要区分"短期热浪冲击"和"长期热浪位相的平均效应"——这两者对应的生态过程不同。

2. 移动能力差异决定 MHW 暴露评估的方法。 日本鲭洄游数百公里，长鳍金枪鱼跨海盆迁徙数千公里。太平洋的 MHW 空间尺度约 50–2000 km——对日本鲭来说，一个 large-scale MHW 可能覆盖其整个季节性分布区；对长鳍金枪鱼来说，它可以主动游出 MHW 区域。你的 SDM 如果假设物种被动暴露于环境条件，对长鳍金枪鱼是完全不适用的。Farchadi et al. (2024, Fish and Fisheries) 用 AIS 渔船数据证明了这点：太平洋延绳钓船队在 MHW 期间被 displacement 的程度取决于 MHW 的 size，而不是 intensity。

3. 营养级差异意味着 MHW 的影响通路不同。 日本鲭（TL=3.6）受浮游动物量变的中介效应影响大——MHW → 浮游动物减少 → 饵料不足。长鳍金枪鱼（TL=4.3）的食物网通路更长——MHW → 初级生产力下降 → 中层捕食者减少 → 金枪鱼分布改变。SDM 只用 SST 捕捉不到这些间接通路。

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 marine heatwave pelagic fish species distribution Pacific"
WebSearch: "site:earth-system-science-data.net marine heatwave MHW catalog Pacific"

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：

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
• 第一选择 + 备选 + 冲刺，每本都有具体理由
• 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"

比如上面海洋热浪+SDM 的例子：

• 第一选择：Fish and Fisheries —— Farchadi et al. (2024) 刚在此刊发表了 MHW 对中上层渔船队分布的影响（AIS+BRT 模型），你的工作如果引入 MHW 指标到物种 SDM 中可以直接接续这个对话，做出从"渔船分布"到"物种分布"的差异化。
• 备选：Global Change Biology —— 如果你的分析能证明 MHW 指标（size, duration, cumulative intensity）对 SDM 预测能力的提升超过传统 SST 均值，这是一个气候-生态学旗舰期刊会认真考虑的贡献。
• 备选 2：Diversity and Distributions —— 如果偏重 SDM 方法在不同气候情景（含 MHW 极端事件）下的预测表现，Lezama-Ochoa et al. (2024) 在此刊刚发表了加州洋流高度洄游物种的 SDM 研究。
• 冲刺：Nature Climate Change —— 仅当你能在全球尺度（所有洋盆的 MHW 事件）证明 MHW 指标显著改善了对多个中上层物种的分布预测，且提炼出跨物种、跨系统的普适性结论。

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

回到开头的海洋热浪 + 太平洋中上层鱼类 SDM 的例子。

普通 Claude 给了 100 字的泛泛建议、两个期刊名、一个"用 MaxEnt 试试"的模糊路径。

装备了 fishery-research-idea-and-battle 的 Claude 给了：

• 日本鲭和长鳍金枪鱼的 FishBase 对比表 + 三个由此推出的建模约束（K 值差异→MHW 响应时间尺度的区别；移动能力差异→MHW 暴露评估方法的不同；营养级差异→MHW 影响通路的不同）
• 五维度数据审计，追问你具体要研究哪些物种而非一概而论"中上层鱼类"
• Scientific Data / ESSD 真实搜索结果（确认 ESA CAREHeat 有 4D MHW 公开数据、NOAA 有近实时 MHW tracker、Pacific Data Hub 有 MHW 产品——数据不是问题，关键是你怎么用）
• 四篇 2024 年最新论文的具体发现和对本研究设计的启示
• 三级新颖性分层——从"SST 年均值 SDM（低新颖性）"到"MHW size/duration/cumulative intensity 指标对 SDM 预测能力的量化提升（中等新颖性）"到"MHW 指标 + 物种移动能力 + 营养级的交互效应对 SDM 的改善（文献中尚未被充分挖掘的角度）"
• 时空匹配三维度检查（MHW 空间尺度 vs. 物种迁徙距离、SST 背景场 vs. MHW 极端异常的分离、SDM 时间分辨率是年还是月——年分辨率会完全抹掉 MHW 的次季节信号）
• 四个分级的期刊推荐 + 每本的具体理由和接续的论文对话
• 三条分叉路径——取决于你的数据状况和想要包含的物种数量

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"。