Подключаемый набор навыков, который позволяет любому агенту кодирования в Claude Code, Cursor, Antigravity, Cline, Aider, OpenCode и другие, которые могут запускать PaperOrchestra многоагентный конвейер для превратив неструктурированные исследовательские материалы в готовую к подаче LaTeX-статью.

Сонг, Й., Сонг, Й., Пфистер, Т., Юн, Дж. PaperOrchestra: мультиагентная структура для автоматизированного написания исследовательских работ с использованием ИИ. arXiv:2604.05018, 2026.

Нажмите, чтобы прочитать статью на arXiv

Почему это существует

В статье определяется конвейер из пяти агентов

• Краткое описание
• Построение графиков
• Обзор литературы
• Написание разделов
• Уточнение содержания

что значительно превосходит базовые показатели по одному агенту и деревьевому поиску по бенчмарку PaperWritingBench (50–68% абсолютного маржа победы по качеству обзора литературы; 14–38% по общему качеству). Статья содержит точные запросы для каждого агента из Приложения F.

Этот репозиторий превращает эти запросы, схемы, правила остановки и конвейеры верификации в набор исполняемых навыков host-agent. Нет никаких API-ключей, нет зависимостей SDK, нет встроенных LLM-вызовов.

PaperOrchestra

A pluggable skill pack that lets any coding agent in Claude Code, Cursor, Antigravity, Cline, Aider, OpenCode, etc. which can run the PaperOrchestra multi-agent pipeline for turning unstructured research materials into a submission-ready LaTeX paper.

Song, Y., Song, Y., Pfister, T., Yoon, J. PaperOrchestra: A Multi-Agent Framework for Automated AI Research Paper Writing. arXiv:2604.05018, 2026.

Click to read the paper on arXiv

Why this exists

The paper defines a five-agent pipeline

• Outline
• Plotting
• Literature Review
• Section Writing
• Content Refinement

that substantially outperforms single-agent and tree-search baselines on the PaperWritingBench benchmark (50–68% absolute win margin on literature review quality; 14–38% on overall quality). The paper ships the exact prompts for every agent in Appendix F.

This repo turns those prompts, schemas, halt rules, and verification pipelines into a set of host-agent-executable skills. There are no API keys, no SDK dependencies, no embedded LLM calls. The skills are instruction documents plus deterministic helpers; your coding agent does all LLM reasoning and web search using its own tools.

How skills work here

Each skill is:

• SKILL.md — a dense instruction document the host agent reads and follows.
• references/ — reference material: verbatim paper prompts (Appendix F), JSON schemas, rubrics, halt rules, example outputs.
• scripts/ — purely deterministic local helpers: JSON schema validation, Levenshtein fuzzy matching, BibTeX formatting, dedup, LaTeX sanity checks, coverage gates. No network, no LLM, no API keys.

Everything else (LLM reasoning, web search, Semantic Scholar lookups, LaTeX compilation) is delegated to the host agent by instruction. See skills/paper-orchestra/references/host-integration.md for per-host invocation (Claude Code, Cursor, Antigravity, Cline, Aider).

The seven skills