---
title: "openscience"
description: "Evidence-first research workflow plugins for MiniMax Code, literature search, traceable evidence, citation verification, and human-gated research stages."
canonical: https://agentpluginsdirectory.com/plugins/openscience
last-updated: 2026-10-04
---

# openscience
Evidence-first research workflow plugins for MiniMax Code, literature search, traceable evidence, citation verification, and human-gated research stages.
- Slug: openscience
- Publisher: Hylouis233
- Repository: https://github.com/MiniMax-AI/MiniMax-Code-Plugins
- Manifest: plugins/Hylouis233/openscience/plugin.json
- Version: 0.2.0
- License: MIT
- Category (editorial): research
- Skills: 28 (citation-verify, claim-check, cn-literature, cold-start-interview, customize, epi-data-access, epi-writing, evidence-capsule, evidence-loop, hpc-slurm, literature-search, literature-survey, outbreak-analysis, paper-read, paper-search, provenance-record, python-analysis, r-analysis, remote-compute, research-lifecycle, research-workspace, review-writing, reviewer-protocol, run-monitor, scientific-databases, seir-modeling, spatial-epi, stage-gate)
- MCP servers: 1 (bibverify)
- Stars: 19
- Repository created: 2026-08-17
- Repository last pushed: 2026-09-21
- Publisher type: Organization
- Listing: https://agentpluginsdirectory.com/plugins/openscience
- Schema: https://agent-plugins.org/schemas/1.0.0/plugin.schema.json

## What openscience does, in the publisher's words

Evidence-first research workflow for MiniMax Code: literature search, traceable evidence, citation verification, and human-gated research stages.

Research is not one chat: it is a stateful, multi-stage process. A general agent can search, code, and write, but left on its own it will hold the whole project in conversation memory, let claims in the draft drift away from the sources they came from, and run end-to-end without ever stopping to ask a human whether stage N was actually good enough to build stage N+1 on.

This Plugin installs 28 Skills plus one MCP server that turn the workflow into files on disk: a six-stage lifecycle (question → literature → hypothesis → experiment → analysis → writing), an explicit evidence chain (retrieval → evidence items → whitelisted synthesis → draft → claim-support check), machine citation verification, and a stage gate that pauses for approve / revise / reject before every stage transition.

From the project README, punctuation lightly normalized. Full text: https://raw.githubusercontent.com/MiniMax-AI/MiniMax-Code-Plugins/HEAD/plugins/Hylouis233/openscience/README.md

## Skills

- citation-verify: 当用户需要核验参考文献真实性、检查 BibTeX 条目是否有误、审查论文引用是否可靠、 排查 bibliography 中的错误条目、验证 DOI 与题录是否对得上、发现参考文献张冠李戴、 做投稿前引用体检或审稿引用抽查时使用。同义场景：参考文献核验、引用核查、 文献真伪鉴别、bib 文件检查、参考文献纠错、引用元数据比对、 "帮我看看这些参考文献有没有问题""这个 DOI 对得上吗""有没有编造的引用"。
- claim-check: 当需要检查论文草稿中的事实性论断是否有证据支撑、做引用-论断对齐审计、 找出没有出处的陈述、核对文内引用是否真能支撑所在句子时加载使用； 通常由 evidence-loop 或审稿类流程调用，不直接面向用户。同义场景： 论断支撑检查、claim 支撑审计、无支撑断言排查、证据覆盖检查、 引用与论断对齐、"这段话有没有文献撑""哪些说法没有引用"。
- cn-literature: 当用户需要检索或整理中文文献（CNKI 知网、万方、维普、超星）、把中文数据库 导出的题录文件解析成统一 PaperDocument、或把中文文献与英文检索结果合并去重 时使用。同义场景：中文文献检索、知网导出题录解析、万方检索、Refworks/EndNote 格式转换、"帮我把这份 CNKI 导出的 txt 整理成文献表""中文核心期刊上关于 X 有哪些研究"。
- cold-start-interview: 当用户首次使用科研工作台、研究画像仍为空白，或用户主动说"先做个访谈""重新设置我的研究信息""初始化画像""cold start""重新 interview"时使用。本技能通过结构化访谈收集用户的研究领域、常用数据源、算力环境、写作语言与目标期刊、引用格式、团队协作规范、伦理合规要求，并把回答以散文形式写回插件根目录 CLAUDE.md 的研究画像部分。支持 quick（2 分钟 5 问）、full（完整 15 问）、--redo（推翻重谈）、--check（只检查画像完整度不提问）四种模式，支持中断后续谈。同义触发场景：新用户引导、首次配置、研究背景调查、填研究档案、更新个人研究信息、c…
- customize: 当用户想修改研究画像或共享守则（guardrails）时使用：换了研究领域、换了目标期刊、换了引用格式、换了算力环境、合规要求变化、想调整某条 guardrail 的严格程度。同义触发场景：改一下画像、更新我的研究信息、修改 CLAUDE.md、调整设置、换引用格式、customize、个性化配置、改规则、重新配置工作台。本技能是画像与守则的唯一维护入口：读取 CLAUDE.md、与用户逐项确认修改点、写回文件、并明确告知哪些 skill 的行为会因此变化。
- epi-data-access: 当用户需要获取流行病学与公共卫生数据、查找疾病负担或疫情公开数据源、下载 国际或中国的公卫统计与监测数据、评估某个数据源能不能用/怎么引用时使用。 同义场景：WHO 数据、GHDx/IHME 疾病负担、Our World in Data、ProMED 疫情快报、 国家卫健委疫情通报、中国 CDC 周报、China CDC Weekly、国家统计局人口数据、 CHNS 队列、发病率/死亡率数据去哪找、疫情数据下载、公卫数据源推荐、 个案数据去标识化、涉及人的数据要不要伦理审查、"帮我找找某地某病的数据"。
- epi-writing: 当用户需要撰写暴发调查报告、流行病学观察性研究论文、公卫项目总结、 对照 STROBE 清单自查论文、按中文期刊格式整理稿件或按 GB/T 7714 排版 参考文献时使用。同义场景：暴发调查报告模板、疫情调查报告、现场流行 病学报告、观察性研究写作、STROBE 核对清单、队列/病例对照/横断面研究 论文、中华流行病学杂志投稿、中文期刊格式、GB/T 7714 参考文献、 伦理声明写作、"帮我把这次暴发调查写成报告"。
- evidence-capsule: 当论文级结论定型、需要把支撑某个结论的全部产物（数据、代码、图表、环境记录）冻结成一个可长期保存、可复核的包裹时使用。同义触发场景：冻结证据、证据胶囊、capsule、保存复现材料、投稿前整理数据、补充材料打包、reproducibility、可复现性归档、审稿人要看原始数据。也用于历史项目的补录归档（标注 historical_content_unverified），以及回答"这个图还能重现吗"类问题。
- evidence-loop: 当用户希望一次性修好论文的证据链: 先核验引用、再查正文支撑、对问题条目 定向补检文献、迭代修订直到收敛: 时使用。同义场景：证据闭环、 引用修复流水线、核验-补检-修订迭代、边查边补、系统性消除无支撑论断、 "帮我把这篇文章的引用问题全部查出来并补上文献""修到没有硬伤为止"。
- hpc-slurm: 当用户需要向 Slurm 集群提交计算作业，说"提交集群任务""写个 sbatch 脚本""作业还在排队吗""批量跑一组参数""作业超时被杀了""GPU 作业怎么交"时使用。本技能规定 Slurm 集群的统一操作规程：sbatch 脚本模板（分区/时长/内存/GPU 指令 + set -euo pipefail + 环境导出 + 结束自动 rsync 产物）、squeue/sacct 状态查询口径、数组任务批量提交、超时与重排队策略、产物抓回与 record_run 登记。同义触发场景：Slurm、HPC、集群、超算、排队、批处理、job array、机时。连接与主机认知纪律沿用 remot…
- literature-search: 当用户需要检索学术文献、按主题找论文、收集综述素材、查询某篇文献的元数据或 DOI、追踪某方向最新进展或预印本、做开题文献调研时使用。同义场景：文献检索、 论文搜索、查文献、找论文、文献调研、资料收集、题录补全、 "帮我找关于 X 的论文""这个主题有哪些代表性工作""查一下这篇文献的 DOI 和出处"。
- literature-survey: 当用户需要对已检索到的文献集合做整体分析、写文献调研报告、梳理某领域的 研究概况 / 共识 / 争议 / 空白、提取文献证据为综述写作做准备时使用。 同义场景：文献综述分析、领域调研、研究现状梳理、证据提取、文献精读笔记、 "帮我分析这批论文讲了什么""这个领域的研究现状如何""这些文献有什么共识和分歧"。
- outbreak-analysis
- paper-read
- paper-search
- provenance-record
- python-analysis
- r-analysis
- remote-compute
- research-lifecycle
- research-workspace
- review-writing
- reviewer-protocol
- run-monitor
- scientific-databases
- seir-modeling
- spatial-epi
- stage-gate

Descriptions come from the frontmatter of each SKILL.md, punctuation lightly normalized.

## MCP servers

- bibverify: transport: stdio; command: uvx bibverify mcp

Read from the plugin's own mcp.json. Environment variable names only, never values.