当一篇论文不再只是被“阅读”，
而是被“安装”进 AI 智能体，知识的传播方式正在发生根本性变化。
2026 年初，一个名为 Paper2Skills 的工具悄然上线。
它的核心功能简单却激进：
用户上传任何一篇科学论文，AI 自动提取其中的方法论、技术、工具和胜任力，生成可直接被 Claude Code 调用的 skill.md 文件。
这意味着什么？
过去，一篇论文的价值释放路径是：作者发表→ 被读者阅读→ 被理解 →被复现→ 被应用。
这个链条漫长、高损耗，且高度依赖读者的个人能力。
现在，路径正在被压缩为：发表→ 被提取→ 被安装→ 被调用。
与此同时，Paper2Agent 类工具（如 LobeHub 上的 paper-to-skill、SkillXiv 等）进一步将这一逻辑推向深入：
不仅提取技能，还生成可执行的代码、测试套件、部署脚本，甚至 Docker 容器。
这不仅仅是工具的效率提升。
这是一种知识生产方式的底层重构。
当论文不再只是“被阅读的知识”，而开始成为 Agent 可以调用的能力.
Paper2Skills产品流程是四步：
上传论文 → AI 全文分析 → 抽取技能并分三类 → 导出符合 Claude Code 规范的 skill.md。
论文的“可调用性”正在成为新的影响力指标。
过去，论文的影响力通过引用次数衡量。
未来，论文的影响力可能通过被多少智能体调用来衡量。
这意味着：论文作者需要思考：我的方法如何被提取为技能？如何被智能体调用？
期刊和会议可能需要提供“技能版本”的论文。
学术评价体系可能纳入“技能调用次数”作为指标。
更深层地，这改变了知识生产的目的。
过去，知识生产是为了“被理解”；未来，知识生产将同时为了“被调用”。
在过去，“论文发表之后如何传播”，这是出版伦理问题，是推广问题，是作者自觉的问题。
而现在，它变成了一个工程问题：给论文接上一个接口，让智能体能调用它。接口接好了，方法自然会被用起来。
这是知识形态的根本变化——从“被理解的知识”到“被调用的知识”，从“人类的知识”到“智能体的能力”。
尽管 Owkin 的验证结果令人鼓舞，
但是，不同领域、不同论文类型的准确性仍需大规模验证。
技能来源的安全风险不容小觑。
有研究对社区贡献的技能做过安全审计，结论是：26.1% 的社区技能包含漏洞。
不仅如此，论文技能的提取、分发、调用涉及版权和署名问题，而且自动化提取可能导致大量低质量技能涌入。
如果社区只是批量生成技能（SkillXiv 已经积累了 4064 个），而没有批量生成验证，那么，技能库会迅速膨胀成一个体量巨大、参差不齐、缺乏可信度分级的知识池。
这对新手尤其危险：他可能安装一个语法完整、逻辑错误的技能，然后，基于它做出错误结论。不仅如此，过度依赖技能调用可能削弱深度理解能力等等。
展望未来，当一篇论文可以被“安装”进智能体，学术知识的传播和应用方式正在被重新定义。
今天，而这一切，才刚刚开始。
对此，您怎么看？
欢迎跟帖分享您的主张！
访问学者期末总结汇报 Photo by Johnnie Walker