LightChuan

LightChuan 是一个面向科研、项目开发、学术竞赛和专业竞赛的大型 Open Agent Skills 技能包。它把 Claude Code、Codex CLI、Gemini CLI、Grok CLI 和 DeepSeek 组织成一套本地可安装、可验证、可复用的多模型协同工作系统，覆盖搜索、规划、论文、图表、记忆、测试、审查和多模型 council 决策。

它不是为了做演示而设计，而是为了真正处理复杂任务：数学建模、Kaggle/天池、ICPC/ACM、AI/大模型竞赛、计算机设计大赛、科研论文、软件项目、数据分析和多学科交叉交付。

LightChuan 能显著增强工作流，但不承诺奖项、论文录用、榜单名次或无需人工审查的绝对正确性。

为什么是 LightChuan

很多 agent skill 只解决一个局部问题。LightChuan 的目标是把多个高强度工作流做成一套能协同的技能系统。

核心产品是 skills 本身：每个子技能都能独立使用，组合起来又能形成完整的闭环作战流。

9 个可安装的 SKILL.md 子技能，每个都能单独调用，也能被 orchestrator 统一编排；
5 个面向 Claude Code / Codex 风格工作流的 slash commands；
面向搜索、图谱、图表、数据分析、论文、质量门、安装和证据回放的确定性脚本；
支持 Claude、Codex、Gemini、Grok、DeepSeek 的动态多 CLI 协同；
支持长期项目的后台记忆、checkpoint、矛盾检测和 resident action；
所有运行证据默认写入 .lightchuan/；
内置九技能 golden gauntlet、质量 benchmark、需求审计、参考覆盖审计和外部结构对比。

快速演示

安装后，在 Claude Code、Codex 或其他支持的 agent 里进入项目目录，运行：

/lightchuan start --task "Kaggle competition: EDA, baseline, validation, figures, and report" --workspace .

如果只想调用某一个核心技能，可以直接使用四个聚焦命令：

/lightchuan-search latest baselines and contest rules for this problem
/lightchuan-plan diagnose this repo and propose the strongest innovation plan
/lightchuan-paper inspect this manuscript and produce a CVPR/SCI-style revision plan
/lightchuan-figure plot --data results.csv --kind line --x epoch --y score --out .lightchuan/figures

运行完整质量门：

python scripts\lc_quality_benchmark.py --with-probe --strict

效果展示

示例论文展示了 LightChuan 从检索、选题、规划、实验、科研图表到 IEEEtran PDF 导出的完整工作流。

阅读完整 IEEE PDF 论文 · Raw PDF · LaTeX 源码

点击论文首页预览可打开完整 PDF。检索记录、图表、LaTeX 和可复现命令见 IEEE demo 产物页。

技能系统

手动 / 半自动核心技能

这四个技能可以单独调用，适合用户只需要某一类能力的场景。

Slash command	Skill	适合场景	典型产物
`/lightchuan-search`	`lightchuan-search`	文献、赛题规则、baseline、来源核验、Tavily/Firecrawl/Valyu/Grok 搜索流	search ledger、网页抽取、证据摘要
`/lightchuan-plan`	`lightchuan-project-innovation-plan`	项目诊断、idea 创新、Graphify-style 项目映射、执行计划	项目图谱、任务包、时间线、风险、验证计划
`/lightchuan-paper`	`lightchuan-paper-writing`	中英文论文、SCI 一区、CCF-A、CVPR、ICML、ICLR、NeurIPS、竞赛论文	target contract、source map、claim register、LaTeX/docx/PDF 计划
`/lightchuan-figure`	`lightchuan-figure-studio`	顶刊图表、Matplotlib/Seaborn、TikZ/PGFPlots、VLM 图表审查、敏感性分析图	PNG/PDF/SVG/PGFPlots、统计标注、审查报告

常驻守护与统一编排技能

这些技能通常通过 /lightchuan start、后台服务、checkpoint 或质量门自动参与。

Skill	适合场景	典型产物
`lightchuan-memory-graph`	持久上下文、checkpoint、矛盾检测、Graphify-style 记忆	`.lightchuan/memory/graph.json`、`latest.md`、vector index
`lightchuan-multi-cli-council`	Claude/Codex/Gemini/Grok/DeepSeek 多模型讨论、动态分工、加权共识	worker prompts、status files、`consensus.md`
`lightchuan-code-review-ui-perf`	代码审查、安全、性能、架构、前端审美和响应式体验	resident actions、review prompts、scorecards
`lightchuan-data-test-lab`	EDA、泄漏检查、验证集、交叉验证、ablation、Kaggle/天池模拟	`eda.md`、`baseline_metrics.json`、OOF predictions
`lightchuan-orchestrator`	统一入口、模式切换、后台服务、dashboard、共识投票	route JSON、sessions、dashboard、quality reports

架构

flowchart LR
  User["用户 / Agent"] --> Slash["/lightchuan 与聚焦 slash commands"]
  Slash --> Orchestrator["LightChuan Orchestrator"]
  Slash --> Manual["Search / Plan / Paper / Figure"]
  Orchestrator --> Router["动态任务路由"]
  Router --> Council["Claude / Codex / Gemini / Grok / DeepSeek"]
  Orchestrator --> Resident["常驻记忆与 action"]
  Manual --> Evidence["证据产物"]
  Resident --> Evidence
  Council --> Consensus["加权共识"]
  Evidence --> Quality["质量 benchmark"]
  Quality --> Readme["README 级证据"]

LightChuan 不把模型角色硬编码死。Orchestrator 会根据任务类型、模型可用性、人工 override、成本约束和证据风险动态分工。常见路由如下：

Claude：写作、论文结构、规划、LaTeX；
Codex：代码、notebook、测试、图表、原型；
Gemini：严谨性、长上下文批判、数学与统计审查；
Grok：实时搜索、赛题规则、趋势、最新 baseline；
DeepSeek：低成本独立复核、矛盾检查和二次验证。

支持的 Agent

LightChuan 可安装到这些本地 skill 和 command 目录：

Agent	Skills 目录	Commands 目录
Claude Code	`%USERPROFILE%\.claude\skills`	`%USERPROFILE%\.claude\commands`
Codex	`%USERPROFILE%\.codex\skills`	`%USERPROFILE%\.codex\commands`
Gemini CLI	`%USERPROFILE%\.gemini\skills`	`%USERPROFILE%\.gemini\commands`
Grok CLI	`%USERPROFILE%\.grok\skills`	`%USERPROFILE%\.grok\commands`

也可以直接在仓库中使用 scripts/lightchuan.ps1 或 scripts/lightchuan.sh。

前置要求

必需：

Python 3.10 或更新版本；
Windows PowerShell，或 Linux/macOS/WSL 下的 Bash；
至少一个本地 agent CLI，例如 Claude Code、Codex CLI、Gemini CLI 或 Grok CLI。

安装

克隆仓库后运行：

python scripts\lc_doctor.py --json
python scripts\install_lightchuan.py --agent all --force

只安装到某一个 agent：

python scripts\install_lightchuan.py --agent claude --force
python scripts\install_lightchuan.py --agent codex --force

安装器会复制：

所有 lightchuan-* skill 目录；
共享的 scripts/、references/、assets/、docs/、commands/；
commands/*.md 下的所有 slash command；
仓库 README 文档：README.md 和 README.en.md。

安装后请重启 Claude Code 或目标 agent，让新 skills 和 commands 重新加载。

首次运行 First Run

当你希望 LightChuan 先生成 mission-control pack，再进入更重的工作流时，用 quickstart：

python scripts\lc_quickstart.py --recipe kaggle-ai --goal "leakage-safe baseline, validation, figures, and report" --workspace . --run-level light

查看可用 recipes：

python scripts\lc_recipes.py list
python scripts\lc_recipes.py show math-modeling
python scripts\lc_recipes.py show research-paper
python scripts\lc_recipes.py show design-competition

然后在 agent 里调用匹配的 slash command：

/lightchuan start --task "Kaggle/Tianchi competition: build EDA, validation, figures, and report" --workspace .

引导式启动 Guided Start

当任务很宽泛、还没完全拆清楚时，用 wizard 让 LightChuan 自动推断模式、recipe、证据计划和第一批命令：

python scripts\lc_wizard.py --goal "math modeling contest with optimization, sensitivity analysis, figures, and paper" --workspace . --run-level light --non-interactive

多次运行后，可以生成本地导航页：

python scripts\lc_home.py --base .lightchuan --out .lightchuan\home.md

配置

使用环境变量或 LightChuan 本地配置助手。不要提交任何 key。

python scripts\lc_config.py set DEEPSEEK_API_KEY --stdin
python scripts\lc_config.py set TAVILY_API_KEY --stdin
python scripts\lc_config.py set FIRECRAWL_API_KEY --stdin
python scripts\lc_config.py set VALYU_API_KEY --stdin
python scripts\lc_config.py list
python scripts\lc_config.py path

搜索 API 可能存在额度或付费计划。LightChuan 默认控制结果规模，并在某个引擎不可用时 fallback 到可用引擎。

使用

完整编排

/lightchuan start --task "math modeling contest: optimization, sensitivity analysis, figures, and paper" --workspace .

PowerShell 等价命令：

.\scripts\lightchuan.ps1 start --task "math modeling contest: optimization, sensitivity, figures, paper" --workspace .

聚焦搜索

/lightchuan-search "latest transformer tabular competition baselines and leakage risks"

PowerShell：

.\scripts\lightchuan.ps1 search --query "contest rules baseline" --mode competition

项目诊断与创新规划

/lightchuan-plan "diagnose this repo, map the project graph, rank ideas, and produce a file-level execution plan"

PowerShell：

.\scripts\lightchuan.ps1 graph build --workspace .
.\scripts\lightchuan.ps1 skill-pack create --skill lightchuan-project-innovation-plan --goal "innovation and execution plan"

论文工作流

/lightchuan-paper "inspect this manuscript and prepare a top-tier revision plan"

PowerShell：

.\scripts\lightchuan.ps1 paper inspect --root paper
.\scripts\lightchuan.ps1 paper compile --root paper --main main.tex

图表工作流

/lightchuan-figure plot --data results.csv --kind line --x epoch --y score --out .lightchuan/figures

PowerShell：

.\scripts\lightchuan.ps1 figure plot --data results.csv --kind line --x epoch --y score --out .lightchuan\figures
.\scripts\lightchuan.ps1 vlm-review --path .lightchuan\figures --provider auto --detail low --max-images 6

数据分析与竞赛工作流

.\scripts\lightchuan.ps1 data-lab --data data\train.csv --target target --out .lightchuan\data_lab
.\scripts\lightchuan.ps1 template create --type all --out .lightchuan\templates

常驻模式

.\scripts\lightchuan.ps1 service start --workspace . --name my-project
.\scripts\lightchuan.ps1 service status --name my-project
.\scripts\lightchuan.ps1 service stop --name my-project

Windows 下 install-onlogon 会优先尝试计划任务；如果策略阻止，则 fallback 到用户 Startup-folder 命令：

.\scripts\lightchuan.ps1 service install-onlogon --workspace . --name my-project

竞赛模式

当 prompt 出现竞赛、赛题、Problem、建模、Kaggle、天池、ICPC、设计大赛、人工智能大赛、大模型竞赛、多学科竞赛等关键词时，LightChuan 会自动切换到接近的内部模式。

模式	触发示例	内部重点
数学建模	MCM、ICM、COMAP、建模、optimization、sensitivity	假设、变量、优化、敏感性分析、论文资产
Kaggle / AI	Kaggle、天池、leaderboard、submission、ensemble、LLM contest	指标解析、泄漏审计、验证集、baseline、提交模拟
ICPC / ACM	ICPC、ACM、Problem、constraints、complexity、stress test	证明、复杂度、暴力 oracle、压力测试
设计 / 多学科	设计大赛、计算机设计大赛、prototype、UI、architecture	原型、UI、系统架构、跨领域证据
科研论文	CVPR、ICML、ICLR、NeurIPS、SCI、CCF、Overleaf、LaTeX	source map、claims、figures、venue template、review loop

证据产物

大多数输出会写到当前项目的 .lightchuan/：

路径	含义
`.lightchuan/sessions/`	worker prompts、模型输出、状态、共识
`.lightchuan/memory/`	checkpoints、项目图谱、vector index
`.lightchuan/resident/actions/`	排队的代码、数据、论文和矛盾审查 action
`.lightchuan/search/`	search ledger 和标准化来源证据
`.lightchuan/data_lab/`	EDA 报告、metrics、OOF predictions
`.lightchuan/figures/`	生成图表和 vector exports
`.lightchuan/quality/`	release-readiness scorecards
`.lightchuan/showcase/`	可复现实战演示和证据包

可选本地证据查看器 Optional local evidence viewers

这些 optional local evidence viewers 用于在写报告、README 或 release note 前查看本地证据：

python scripts\lc_dashboard_export.py --base .lightchuan --out .lightchuan\dashboard.html
python scripts\lc_session_replay.py --base .lightchuan --out .lightchuan\session_replay.html

验证

在信任一次 release 或安装前运行：

python scripts\lc_validate.py
python scripts\lc_skill_audit.py --strict
python scripts\lc_requirements_audit.py --strict
python scripts\lc_reference_coverage.py --strict
python scripts\lc_skill_benchmark.py --strict
python scripts\lc_external_skill_compare.py --strict
python scripts\lc_golden_gauntlet.py --strict
python scripts\lc_resident_probe.py --strict
python scripts\lc_ecosystem_scan.py --strict
python scripts\lc_e2e_paper_demo.py --strict
python scripts\lc_ieee_paper_demo.py --min-pages 10 --max-pages 20 --strict
python scripts\lc_quality_benchmark.py --with-probe --strict

Golden gauntlet 是核心功能级证明。它会种子化一个本地项目，并在同一次可复现运行中覆盖九个子技能，报告：

score：端到端通过率；
functional_score：每个技能是否完成真任务；
rubric_score：产物是否满足质量 rubric；
artifact_count：生成的证据产物数量。

当前验证快照，版本 2.0.0-beta.21：

Gate	Result
Source validation	pass
Golden gauntlet	`100.0`
Quality benchmark with model probe	`S` / `100.0`
Ecosystem scan	skills.sh / GitHub skill lessons coverage
E2E paper demo	search, topic, plan, experiment, figure, LaTeX, PDF workflow
IEEE paper demo	10-page IEEEtran PDF with multi-figure artifact pack
Installed Codex validation	pass
Secret scan	no committed API keys found

仓库结构

LightChuan/
  lightchuan-*/SKILL.md              # 9 个 Open Agent Skills
  commands/                          # slash commands
  scripts/                           # deterministic orchestration and helper tools
  references/                        # protocols, playbooks, examples, comparison notes
  assets/                            # package metadata and recipe library
  docs/                              # architecture, roadmap, publishing gate

每个 skill 都链接到：

references/skill-playbooks/<skill>.md;
references/skill-specializations/<skill>.md;
references/skill-examples/<skill>.md;
scripts/lc_skill_pack.py create --skill <skill>。

设计参考

LightChuan 学习强 Agent Skills 和 agent-tool 项目的结构，再改造成适合本地跨 CLI 协同的技能包：

Open Agent Skills / agentskills.io：可移植 SKILL.md、progressive disclosure、scripts/references/assets 分层；
ComposioHQ 与 VoltAgent：可发现性、工作流清晰度、多 agent 协调；
K-Dense scientific skills：科研覆盖面与科研工具链；
PaperSpine 与 scientific writing skills：argument spine、claim register、证据驱动修订；
Graphify：图谱优先的项目理解；
GadaaLabs / Claude Code on Steroids、oh-my-claudecode、CLI swarm patterns：多终端编排；
ds-skills 与 Kaggle-style suites：泄漏检查、验证纪律、leaderboard simulation。

LightChuan 不复制这些项目，而是把它们作为质量标尺，用来约束 skill 结构、README 清晰度和可复现工作流。

使用边界

LightChuan 适合把复杂任务拆成可执行、可审查、可复现的工作流，尤其是科研写作、项目开发、数据分析和竞赛交付。它会生成证据记录、计划、图表、代码、论文草稿和质量报告，帮助用户更快地组织高强度工作。

重要结论仍需要人工判断。竞赛成绩、论文录用、工程安全、数据合规和最终提交应由使用者结合领域专家意见确认。README 中的示例和质量门用于说明工作流能力，不代表任何奖项、榜单名次或论文录用保证。

Roadmap

更多 venue-specific 论文和竞赛模板；
比静态 HTML export 更强的实时 dashboard；
更多真实项目案例和经过检查的 README 证据摘要；
更强的 vector memory backend 和 semantic graph edges；
当 provider key 可用时，扩展 live VLM review 测试。

支持与反馈

如果 LightChuan 对你有帮助，欢迎通过微信扫码打赏鼓励。建议、问题、使用反馈或合作想法可以发邮件到 1833058953@qq.com。

License

LightChuan 使用 MIT License。

你可以自由使用、复制、修改、分发、再授权和商业使用本项目，但需要保留版权与 license 声明。项目按 "as is" 提供，不附带任何担保。

Key	用途
`DEEPSEEK_API_KEY`	低成本独立审查与验证
`TAVILY_API_KEY`	搜索
`FIRECRAWL_API_KEY`	网页抽取与 crawling
`VALYU_API_KEY`	检索与搜索
`OPENAI_API_KEY`	可选 VLM 或模型 API 审查
`ANTHROPIC_API_KEY`	可选 Claude API 路径
`GEMINI_API_KEY` 或 `GOOGLE_API_KEY`	可选 Gemini API 审查

Name		Name	Last commit message	Last commit date
Latest commit History 10 Commits
assets		assets
commands		commands
docs		docs
lightchuan-code-review-ui-perf		lightchuan-code-review-ui-perf
lightchuan-data-test-lab		lightchuan-data-test-lab
lightchuan-figure-studio		lightchuan-figure-studio
lightchuan-memory-graph		lightchuan-memory-graph
lightchuan-multi-cli-council		lightchuan-multi-cli-council
lightchuan-orchestrator		lightchuan-orchestrator
lightchuan-paper-writing		lightchuan-paper-writing
lightchuan-project-innovation-plan		lightchuan-project-innovation-plan
lightchuan-search		lightchuan-search
references		references
scripts		scripts
showcase/ieee-paper-demo		showcase/ieee-paper-demo
.gitattributes		.gitattributes
.gitignore		.gitignore
LICENSE		LICENSE
README.en.md		README.en.md
README.md		README.md

Folders and files

Latest commit

History

Repository files navigation

LightChuan

为什么是 LightChuan

快速演示

效果展示

技能系统

手动 / 半自动核心技能

常驻守护与统一编排技能

架构

支持的 Agent

前置要求

安装

首次运行 First Run

引导式启动 Guided Start

配置

使用

完整编排

聚焦搜索

项目诊断与创新规划

论文工作流

图表工作流

数据分析与竞赛工作流

常驻模式

竞赛模式

证据产物

可选本地证据查看器 Optional local evidence viewers

验证

仓库结构

设计参考

使用边界

Roadmap

支持与反馈

License

About

Resources

License

Uh oh!

Stars

Watchers

Forks

Releases

Packages 0

Uh oh!

Contributors

Uh oh!

Languages

Packages