三款Claude Code学术工具横评:谁才是科研人的效率助手?
Claude Code 作为 Anthropic 推出的 AI 编程代理,除了基础的代码编写与调试能力外,通过安装「技能(Skills)」可实现功能扩展。学术研究领域是 Claude Code 技能生态的重要应用方向,多个开源项目围绕「从文献调研到论文投稿」的全流程提供辅助支持。当前主流学术类技能在功能定位上存在差异:部分专注于论文写作与同行评审,部分则面向科学计算与专业数据库集成,还有项目侧重于全流程编排与工作流自动化。本文基于多源素材,对当前认知度较高的几款 Claude Code 学术研究工具进行结构化梳理,从核心功能、适用场景、用户评价等维度展开对比,为研究人员的工具选型提供素材参考。1234
01学术研究套件的功能架构与核心能力
在 Claude Code 学术研究类工具中,academic-research-skills 是目前社区关注度最高、Star 数量领先的开源项目。根据 GitHub 页面信息,该项目获得 9.1k Star、1k Fork,最新版本为 v3.9.0。另有素材提及 1.2 万 Star、6.5k Star 等不同数据,可能与统计时间节点或不同仓库分支有关,但从整体趋势看,该项目在学术研究辅助领域具备较高的社区认可度。
该套件的功能架构采用模块化设计,将学术研究流程拆分为四个核心模块,每个模块下设多个具体任务模式。Deep Research 模块支持 7 种研究模式,包括完整研究、快速研究、苏格拉底式提问、文献综述、事实核查、系统综述等;Academic Paper 模块涵盖 10 种论文写作任务,涵盖全文生成、大纲规划、修改润色、摘要撰写、引用检查、AI 使用声明等环节;Paper Reviewer 模块提供 6 种同行评审视角,模拟主编审核、方法学评审、写作评审以及「魔鬼代言人」挑刺模式;Academic Pipeline 模块则负责将上述环节串联,实现从研究规划到最终定稿的 10 阶段流水线自动化。
另一款同类工具 AlterLab-Academic-Skills 同样面向学术场景,声称拥有 186+ 个 Claude AI 学术技能,划分为 13 个领域类别,定位为面向高校教师和研究人员的综合工具套件。相比 academic-research-skills 的通用性定位,AlterLab 版本更强调领域细分与技能数量,但在社区活跃度和实际应用案例的丰富程度上,目前可参考的素材信息相对有限。5267
该套件的功能架构采用模块化设计,将学术研究流程拆分为四个核心模块,每个模块下设多个具体任务模式。Deep Research 模块支持 7 种研究模式,包括完整研究、快速研究、苏格拉底式提问、文献综述、事实核查、系统综述等;Academic Paper 模块涵盖 10 种论文写作任务,涵盖全文生成、大纲规划、修改润色、摘要撰写、引用检查、AI 使用声明等环节;Paper Reviewer 模块提供 6 种同行评审视角,模拟主编审核、方法学评审、写作评审以及「魔鬼代言人」挑刺模式;Academic Pipeline 模块则负责将上述环节串联,实现从研究规划到最终定稿的 10 阶段流水线自动化。
另一款同类工具 AlterLab-Academic-Skills 同样面向学术场景,声称拥有 186+ 个 Claude AI 学术技能,划分为 13 个领域类别,定位为面向高校教师和研究人员的综合工具套件。相比 academic-research-skills 的通用性定位,AlterLab 版本更强调领域细分与技能数量,但在社区活跃度和实际应用案例的丰富程度上,目前可参考的素材信息相对有限。5267
在诚信机制方面,academic-research-skills 强调「反学术造假」设计。该套件内置 7 模式 AI 失败检查,覆盖幻觉引用识别、虚构数据检测、捷径依赖监控等场景;「魔鬼代言人协议」机制用于防止 AI 一味迎合用户观点;L3 主张忠实度审计通过三层引用锚点验证降低虚假引用风险;三重索引污染检测则通过跨 Semantic Scholar、OpenAlex、Crossref 数据库的交叉验证确保引用真实性。根据项目说明,官方实测中该机制曾一次检出 15 条假引用和 3 处数据错误。
从用户反馈看,有测评者指出,该套件的文献检索覆盖面比自己手动查询 Web of Science 更全面,但在最新论文(2024-2025 年)的覆盖上存在深度不足的问题,建议作为「第一轮筛选」使用,不宜完全替代手动检索。另有用户提到,中文论文的支持表现不错,英文写作的学术语气比 ChatGPT 更自然,但核心方法论部分仍需研究者自行撰写,AI 更适合处理背景介绍和讨论部分。287
从用户反馈看,有测评者指出,该套件的文献检索覆盖面比自己手动查询 Web of Science 更全面,但在最新论文(2024-2025 年)的覆盖上存在深度不足的问题,建议作为「第一轮筛选」使用,不宜完全替代手动检索。另有用户提到,中文论文的支持表现不错,英文写作的学术语气比 ChatGPT 更自然,但核心方法论部分仍需研究者自行撰写,AI 更适合处理背景介绍和讨论部分。287
02专业领域工具:Scientific Skills 与 Claude Scholar
Claude Scientific Skills 是面向科学计算领域的专业化工具包,由 K-Dense 开发。该项目的核心定位是将 Claude 打造为跨学科研究助手,覆盖生物学、化学、医学等多个科学领域。其技术架构集成了 28+ 顶级科学数据库的直接 API 访问能力,包括 ChEMBL、PubMed、UniProt、AlphaFold DB、PDB、ClinicalTrials.gov 等;内置 55+ Python 科学计算库,如 RDKit、Scanpy、PyTorch Lightning、BioPython、DeepChem、OpenMM 等。
在实际应用层面,Claude Scientific Skills 的典型场景包括:化学信息学与药物发现领域的虚拟筛选、分子操作与性质预测、苗头化合物优化;生物信息学领域的单细胞 RNA 测序分析、网络药理学 PPI 网络构建、序列变异注释;以及学术绘图与论文润色等辅助功能。该项目采用 MIT 许可证开源,支持通过 Claude Code 或 MCP(Model Context Protocol)客户端使用。
Claude Scholar 则定位为面向计算机科学与人工智能领域的半自动化研究助手。根据项目文档,其核心特点强调「以人为中心」——人类研究者的关键决策(选题、假设验证、结果评估)被置于核心位置,AI 负责加速重复性、结构化的工作流程。Claude Scholar 支持从研究构思到成果发表的完整生命周期,涵盖七个阶段:研究构思、ML 项目开发、实验分析、论文写作、论文自审、投稿与反驳、录用后处理。该项目主要面向需要在文献调研、编码、实验、写作之间频繁切换的计算机科学/AI 研究者、研究工程师及研究生群体。391011
在实际应用层面,Claude Scientific Skills 的典型场景包括:化学信息学与药物发现领域的虚拟筛选、分子操作与性质预测、苗头化合物优化;生物信息学领域的单细胞 RNA 测序分析、网络药理学 PPI 网络构建、序列变异注释;以及学术绘图与论文润色等辅助功能。该项目采用 MIT 许可证开源,支持通过 Claude Code 或 MCP(Model Context Protocol)客户端使用。
Claude Scholar 则定位为面向计算机科学与人工智能领域的半自动化研究助手。根据项目文档,其核心特点强调「以人为中心」——人类研究者的关键决策(选题、假设验证、结果评估)被置于核心位置,AI 负责加速重复性、结构化的工作流程。Claude Scholar 支持从研究构思到成果发表的完整生命周期,涵盖七个阶段:研究构思、ML 项目开发、实验分析、论文写作、论文自审、投稿与反驳、录用后处理。该项目主要面向需要在文献调研、编码、实验、写作之间频繁切换的计算机科学/AI 研究者、研究工程师及研究生群体。391011
从工具定位来看,Claude Scientific Skills 与 academic-research-skills 存在明显差异。前者侧重于科学计算与数据处理能力,为化学、生物、医学等领域的研究者提供专业数据库访问和计算工具集成;后者则聚焦于论文写作与学术流程管理,更强调文献综述、同行评审、引用核验等文字工作环节。Claude Scholar 的定位介于两者之间,但在研究阶段覆盖上更为完整,从最初的构思到最终的投稿均有对应支持。
值得注意的是,Claude Scholar 具备独特的知识进化系统。通过知识反馈循环机制,每篇分析的论文或解决方案都会丰富知识库,使系统能够「随研究进化」进行自我改进。此外,项目还设计了 3 步持续改进循环:skill-development → skill-quality-reviewer → skill-improver,形成持续优化的闭环。这种设计思路在其他学术类工具中相对少见,体现了项目对长期知识积累的重视。91011
值得注意的是,Claude Scholar 具备独特的知识进化系统。通过知识反馈循环机制,每篇分析的论文或解决方案都会丰富知识库,使系统能够「随研究进化」进行自我改进。此外,项目还设计了 3 步持续改进循环:skill-development → skill-quality-reviewer → skill-improver,形成持续优化的闭环。这种设计思路在其他学术类工具中相对少见,体现了项目对长期知识积累的重视。91011
03文献检索与获取工具的功能侧重
除了直接介入论文写作的套件外,部分 Claude Code 技能专注于文献检索与获取环节。Literature Downloader 是面向中国学生的合法文献检索与全文获取工具,其设计原则明确标注「不绕过付费墙」「不推荐盗版来源」「不使用影子图书馆」。该工具的核心功能包括:根据主题自动生成关键词、同义词和 Boolean 检索式,支持 Google Scholar、PubMed、Crossref、Semantic Scholar 等多平台检索;严格按合法路线尝试下载——出版社页面、开放获取、PubMed Central、Unpaywall、预印本、机构仓储、作者主页;输出中文 PDF/HTML 下载报告及结构化 CSV 表格;自动标注影响因子、分区、期刊索引情况。
在引用链分析方面,katmer-code 插件提供了引文网络构建功能。该工具能够从引用论文出发,向前后追溯,画出完整的引文网络,帮助研究者识别关键文献和前沿文献。此外,cite-verify 功能支持逐条核查引文的真实性与准确性,检查是否存在误引。这一功能与 academic-research-skills 的引用核验机制形成互补——前者侧重获取文献,后者侧重验证使用文献的过程。812
在引用链分析方面,katmer-code 插件提供了引文网络构建功能。该工具能够从引用论文出发,向前后追溯,画出完整的引文网络,帮助研究者识别关键文献和前沿文献。此外,cite-verify 功能支持逐条核查引文的真实性与准确性,检查是否存在误引。这一功能与 academic-research-skills 的引用核验机制形成互补——前者侧重获取文献,后者侧重验证使用文献的过程。812
从对比维度看,Literature Downloader 的核心优势在于合规性与自动化下载流程的结合,特别适合需要批量整理文献但又不希望触碰灰色地带的用户。而 katmer-code 的引文网络功能则更侧重于帮助研究者梳理学术脉络,理解某一领域的知识演进路径。两者的功能定位不在同一层面,但可以结合使用——先用 Literature Downloader 获取文献,再用 katmer-code 梳理引用关系、验证引用准确性。
另有 research-gap 功能支持在已有文献基础上寻找研究空白,与苏格拉底引导式研究规划形成呼应。这类功能的共同点在于:不直接替研究者做决定,而是通过结构化提问和分析框架,帮助研究者理清自己的研究思路、发现潜在的研究空间。28127
另有 research-gap 功能支持在已有文献基础上寻找研究空白,与苏格拉底引导式研究规划形成呼应。这类功能的共同点在于:不直接替研究者做决定,而是通过结构化提问和分析框架,帮助研究者理清自己的研究思路、发现潜在的研究空间。28127
04全流程编排与工作流自动化能力对比
在学术研究工具的全流程编排能力上,各项目的设计思路差异显著。academic-research-skills 采用「Pipeline」模式,用户输入研究主题后,系统会自动推进从 RESEARCH 到 INTEGRITY 的完整流程,每个阶段之间设置 checkpoint,用户可随时暂停、修改、再推进。有测评者实测了一个完整流程(研究主题为「深度学习在湿地分类中的应用」),全程约 3 小时,输出了 8000 字初稿,自评质量可达「自己再改 1-2 轮就能投」的水平。根据项目说明,一个完整 pipeline 的 API 调用成本约为 4-6 美元,人工投入约 2-4 小时(关键节点确认),机械工作量节省可达 80% 以上。
Claude Scholar 的工作流设计同样覆盖完整学术生命周期,但其架构更强调「自动化钩子」与「知识进化」的结合。系统通过跨平台钩子(Node.js)自动化工作流执行,涵盖会话开始、技能评估、会话结束、会话停止等节点。Claude Scholar 提供了两种安装方式:完整设置包含 32 个技能、50+ 命令、14 个代理、5 个钩子和项目规则;精简版本则仅包含 5 个钩子和 7 个核心技能,适合加载速度优先的场景。297
Claude Scholar 的工作流设计同样覆盖完整学术生命周期,但其架构更强调「自动化钩子」与「知识进化」的结合。系统通过跨平台钩子(Node.js)自动化工作流执行,涵盖会话开始、技能评估、会话结束、会话停止等节点。Claude Scholar 提供了两种安装方式:完整设置包含 32 个技能、50+ 命令、14 个代理、5 个钩子和项目规则;精简版本则仅包含 5 个钩子和 7 个核心技能,适合加载速度优先的场景。297
Research Agent 采用了不同的架构思路。该项目基于 CLAUDE.md 规则加 skills 技能模板加标准目录结构驱动 Claude Code,20 个学术技能模板按照 Profile 范式组织。值得注意的是,Research Agent 不依赖任何 Python 代码,所有研究能力由 Claude Code 原生提供,skills 目录下的提示词模板定义各环节的专业视角与工作流。这种设计降低了部署门槛,用户无需配置复杂的 Python 环境,只需准备好标准的项目目录结构和配置文件即可使用。
从流程覆盖完整性来看,四款工具均声称支持从选题到成稿的完整链条,但在实际使用深度上有所区别。academic-research-skills 在引用核验和同行评审环节有较强的机制设计;Claude Scholar 在研究构思和实验分析阶段提供了更多支持;Claude Scientific Skills 更侧重于计算密集型任务的编排;Research Agent 则在上下文管理和任务回退方面有独特设计,例如 /compact 命令用于压缩对话上下文、/rewind 命令用于回退到错误前的状态。91113
从流程覆盖完整性来看,四款工具均声称支持从选题到成稿的完整链条,但在实际使用深度上有所区别。academic-research-skills 在引用核验和同行评审环节有较强的机制设计;Claude Scholar 在研究构思和实验分析阶段提供了更多支持;Claude Scientific Skills 更侧重于计算密集型任务的编排;Research Agent 则在上下文管理和任务回退方面有独特设计,例如 /compact 命令用于压缩对话上下文、/rewind 命令用于回退到错误前的状态。91113
05论文写作与学术规范支持的差异
在论文写作辅助层面,各工具的功能设计体现了不同的技术侧重。academic-research-skills 支持 APA 7.0 格式自动处理,包括中文引用规则;提供 AI 使用披露生成器,符合 Nature、IEEE、ICLR 等期刊/会议的合规要求;内置完整性检查用于防止 AI 幻觉对研究结论的影响。
Claude Scholar 在论文写作方面针对机器学习/AI 领域进行了专项优化,支持 NeurIPS、ICML、ICLR、ACL、AAAI 等主流会议及 Nature、Science、Cell、PNAS 等顶刊的模板。其提供的 ml-paper-writing skill、paper-miner agent、latex-conference-template-organizer skill 形成了一套从模板选择到内容填充再到格式排版的完整链路。有观点指出,Claude Scholar 的设计初衷是让 AI 做「副驾驶」而非「代驾」,强调人在关键决策环节的参与。9147
Claude Scholar 在论文写作方面针对机器学习/AI 领域进行了专项优化,支持 NeurIPS、ICML、ICLR、ACL、AAAI 等主流会议及 Nature、Science、Cell、PNAS 等顶刊的模板。其提供的 ml-paper-writing skill、paper-miner agent、latex-conference-template-organizer skill 形成了一套从模板选择到内容填充再到格式排版的完整链路。有观点指出,Claude Scholar 的设计初衷是让 AI 做「副驾驶」而非「代驾」,强调人在关键决策环节的参与。9147
在学术语言质量方面,有用户反馈 academic-research-skills 的英文写作学术语气比 ChatGPT 更自然。但同时也有测评者指出,AI 生成的内容更适合作为草稿起点而非直接提交的终稿,建议研究者在背景介绍和讨论部分合理使用 AI 辅助,而核心方法论章节的技术细节仍需研究者自行撰写。
Claude Scientific Skills 同样提供论文润色功能,但其设计更侧重于 Methods 部分的英文专业表达优化,而非全文的语言风格统一。这与该工具整体的专业计算定位保持一致——更关注技术描述的准确性而非论证逻辑的完整性。
另一项值得关注的差异化功能是「个人风格校准」。academic-research-skills 支持上传不少于 3 篇个人论文样本,系统据此学习研究者的句式、节奏、用词和段落习惯,输出更贴近「本人撰写」风格的内容,旨在降低 AI 生成内容的「机器味」。这一功能在当前学术出版界对 AIGC 检测日益严格的背景下具有一定实用价值。214117
Claude Scientific Skills 同样提供论文润色功能,但其设计更侧重于 Methods 部分的英文专业表达优化,而非全文的语言风格统一。这与该工具整体的专业计算定位保持一致——更关注技术描述的准确性而非论证逻辑的完整性。
另一项值得关注的差异化功能是「个人风格校准」。academic-research-skills 支持上传不少于 3 篇个人论文样本,系统据此学习研究者的句式、节奏、用词和段落习惯,输出更贴近「本人撰写」风格的内容,旨在降低 AI 生成内容的「机器味」。这一功能在当前学术出版界对 AIGC 检测日益严格的背景下具有一定实用价值。214117
06核心功能维度对比一览
| 对比维度 | academic-research-skills | Claude Scientific Skills | Claude Scholar | Literature Downloader |
|---|---|---|---|---|
| 核心定位 | 论文写作与学术流程管理 | 科学计算与数据处理 | AI研究全流程助手 | 文献检索与全文获取 |
| 研究阶段覆盖 | 选题→文献→写作→同行评审→定稿 | 计算任务编排(不覆盖写作) | 研究构思→实验→论文→投稿→录用 | 文献调研阶段 |
| 数据库集成 | Semantic Scholar、OpenAlex、Crossref | ChEMBL、PubMed、UniProt、AlphaFold等28+ | 无专项数据库集成 | 多平台检索(不含专业数据库API) |
| 学术规范支持 | APA 7.0、AI使用披露、引用核验 | 无专项学术规范功能 | 会议模板(NeurIPS、ICML等)、顶刊格式 | 期刊影响因子标注 |
| 专业领域侧重 | 通用学术写作 | 化学、生物、医学计算 | 计算机科学与AI研究 | 通用学术文献 |
| 自动化程度 | Pipeline流水线编排 | 计算任务自动化 | 完整生命周期钩子 | 检索与下载自动化 |
| 开源许可 | 未明确(社区开源) | MIT License | MIT License | 社区开源 |
| 社区活跃度 | 9.1k+ Star、高频更新 | 6.5k Star、更新稳定 | 社区项目、持续迭代 | 小众工具、更新有限 |
07用户视角的使用体验与反馈
从用户反馈来看,academic-research-skills 的整体评价较为正面。多位测评者提及该工具在文献综述、同行评审、引用管理等方面「超出预期」,尤其是多视角同行评审功能能够快速生成结构化的审稿意见,帮助研究者发现自己可能忽略的方法学漏洞。有测评者指出,将自己撰写的遥感生态论文投入评审后,系统挑出的 3 个方法学弱点与后来导师提出的意见高度重合,且响应速度远快于真人审稿(10 分钟对比 2 个月)。
在效率提升方面,部分用户报告使用该套件后论文写作时间从 3 个月缩短至 3 周,文献阅读效率提升 5 倍。但也有反馈指出,AI 生成的内容在深度上存在上限,尤其是涉及最新研究进展时,系统的知识覆盖可能不够全面,建议作为辅助工具而非替代方案。26147
在效率提升方面,部分用户报告使用该套件后论文写作时间从 3 个月缩短至 3 周,文献阅读效率提升 5 倍。但也有反馈指出,AI 生成的内容在深度上存在上限,尤其是涉及最新研究进展时,系统的知识覆盖可能不够全面,建议作为辅助工具而非替代方案。26147
Claude Scientific Skills 的用户反馈主要集中在专业计算场景。有生化环材领域的测评者表示,该工具打通了从文献调研、数据获取到分析绘图的端到端链路,「让 Claude 直接掌握 140+ 种科研技能」的说法虽有一定营销成分,但在实际使用中确实降低了在终端与专业数据库之间切换的成本。对于日常需要调用 RDKit 进行分子操作、使用 Scanpy 处理单细胞数据的研究者而言,这种集成式的工作流能够节省配置环境的时间。
Claude Scholar 的用户反馈相对有限,从已有信息看,其目标用户群体(计算机科学/AI 研究者)对工具的接受度较高,主要得益于 ML 领域研究者本身对代码工具的熟悉度。但也有观点提醒,该工具的学习成本不容忽视——完整安装包含 32 个技能和 14 个代理,对于不熟悉 CLI 环境的研究者可能存在一定上手门槛。3911
Claude Scholar 的用户反馈相对有限,从已有信息看,其目标用户群体(计算机科学/AI 研究者)对工具的接受度较高,主要得益于 ML 领域研究者本身对代码工具的熟悉度。但也有观点提醒,该工具的学习成本不容忽视——完整安装包含 32 个技能和 14 个代理,对于不熟悉 CLI 环境的研究者可能存在一定上手门槛。3911
综合用户反馈,以下几个方面值得潜在使用者重点考量:第一,所有工具均定位为「辅助」而非「替代」,研究者的学术判断和专业知识仍是核心,AI 主要承担重复性、结构化的工作;第二,引用核验功能虽有机制设计,但跨语言(尤其是中文文献)的准确性仍需人工复核;第三,流水线自动化程度高的工具(如 academic-research-skills 的 Pipeline)在提升效率的同时,也可能带来「过早锁定研究方向」的风险,测评者建议在关键节点保持人工介入。
在安装与使用门槛方面,Claude Code 本身需要一定的命令行操作基础。对于零基础用户,部分素材建议「5 分钟搞定」安装配置,但实际上完整功能的发挥需要熟悉 /plugin 指令、项目结构组织、以及与 Claude Code 的交互方式。2867
在安装与使用门槛方面,Claude Code 本身需要一定的命令行操作基础。对于零基础用户,部分素材建议「5 分钟搞定」安装配置,但实际上完整功能的发挥需要熟悉 /plugin 指令、项目结构组织、以及与 Claude Code 的交互方式。2867
08场景化选型参考
基于上述对比,不同工具的适用场景可归纳如下:
论文写作与学术流程管理场景中,academic-research-skills 的功能覆盖最为完整,从选题辅助到同行评审均有对应模块,且引用核验机制设计较为成熟。该工具适合需要完成完整论文(尤其是英文论文)的研究者,以及对学术规范有较高要求的投稿场景。
化学、生物、医学等科学计算场景中,Claude Scientific Skills 的专业数据库集成和计算库支持具有明显优势。该工具适合需要频繁访问 ChEMBL、PubMed 等数据库、执行分子模拟或生物信息学分析的研究者。
计算机科学/AI 研究场景中,Claude Scholar 针对 ML 领域进行了专项优化,支持主流会议的 LaTeX 模板和 NeurIPS/ICML/ICLR 等顶会的格式规范。该工具适合从事深度学习、机器学习研究的硕博研究生和科研人员。
文献调研与整理场景中,Literature Downloader 与 katmer-code 可结合使用,前者负责自动化检索和合规下载,后者负责引文网络分析和引用准确性验证。两者的组合适合需要进行系统性文献综述但不希望依赖灰色渠道的研究者。291112
论文写作与学术流程管理场景中,academic-research-skills 的功能覆盖最为完整,从选题辅助到同行评审均有对应模块,且引用核验机制设计较为成熟。该工具适合需要完成完整论文(尤其是英文论文)的研究者,以及对学术规范有较高要求的投稿场景。
化学、生物、医学等科学计算场景中,Claude Scientific Skills 的专业数据库集成和计算库支持具有明显优势。该工具适合需要频繁访问 ChEMBL、PubMed 等数据库、执行分子模拟或生物信息学分析的研究者。
计算机科学/AI 研究场景中,Claude Scholar 针对 ML 领域进行了专项优化,支持主流会议的 LaTeX 模板和 NeurIPS/ICML/ICLR 等顶会的格式规范。该工具适合从事深度学习、机器学习研究的硕博研究生和科研人员。
文献调研与整理场景中,Literature Downloader 与 katmer-code 可结合使用,前者负责自动化检索和合规下载,后者负责引文网络分析和引用准确性验证。两者的组合适合需要进行系统性文献综述但不希望依赖灰色渠道的研究者。291112
当前文章无评论,是时候发表评论了