| name | bear-propose |
| user_invocable | true |
| description | 给一个研究 idea，依次执行撞车检测、安静区支撑检索、潜在挑战检索，在一份综合报告里呈现这个 idea 的立项前证据格局——撞车风险在哪、安静区里有没有文献支撑、最需要提前想清楚的挑战是什么。底层走真实检索（scimaster-cli），绝不编造引用。
**以下情况请主动触发本技能**：用户想"开题前评估一下"、"这个 idea 值不值得做"、"立项前做个全面的文献调研"、"帮我评估这个研究方向"——即使没有说"bear-propose"，只要意图是**在正式投入一个研究方向之前做综合评估**，就使用本技能。
不适用于：只查撞车（用 bear-scoop）、只找支持（用 bear-support）、只找反对（用 bear-counter）、概念地图（用 bear-map）、溯源演化史（用 bear-trace）。
|
| wisp | {"schema_version":1,"domains":["scientific-literature"],"research_stages":["retrieval","hypothesis","validation","synthesis"],"roles":["planner","critic","synthesizer"],"evidence_types":["literature"],"outputs":["research-design","evidence-matrix","risk-map"],"side_effects":"network"} |
bear-propose · 研究立项前评估
一个工作流：在你正式投入之前，把撞车风险、安静区的证据基础、潜在挑战这三件事同时查清楚。这三步不是简单串联——撞车检测的结果会影响后两步的检索方向：支持和挑战的检索聚焦在安静区，而不是整个 idea 的全貌。这让 bear-propose 比分别跑三个 skill 更有价值。
先读 references/sci-cli.md——CLI 检测步骤、用法和铁律。
再读 references/output-system.md——HTML 外壳规范和设计 token。
步骤（固定顺序）
Step 0 — 确认 CLI 可用
运行 sci --version。未安装就给安装命令并停止；认证错误就提示 sci init 并停止。
Step 1 — 压缩 idea，执行撞车检测
把 idea 提炼成一句话。从 5–6 个正交角度检索（字面表述 / 方法中心 / 问题中心 / 结论中心 / 相邻领域 / 抢发者标题），宽泛角度用 ultra_low，有收获的角度用 low 复跑，合并去重，按四层分类（直接撞车 / 方法孪生 / 问题孪生 / 邻居）。
告知用户本次将执行约 15–20 次检索，然后直接开始，不等待确认。
Step 2 — 识别安静区
根据撞车结果，明确哪些角度拥挤、哪些角度安静。安静区是后续检索的重点——在安静区里找支撑，才是真正有意义的文献基础。
Step 3 — 安静区支撑检索
针对安静区的 1–2 个核心角度，执行 sci search（--mode low，--limit 15），找出能支撑这个 idea 在安静区里有意义的文献。按四级口径筛选。如果安静区里支撑信号很弱，如实说——这意味着这个方向确实少有人做，但也可能是因为做了没有价值。
Step 4 — 潜在挑战检索
针对安静区的核心主张，执行反对文献检索（聚焦直接矛盾和方法批评两类，各用一次 low 检索），找出需要提前想清楚的挑战。不需要覆盖所有五类，只检索与立项最相关的两类。
Step 5 — 综合判断
基于三个 phase 的检索结果写 3–5 句立项前的证据格局描述：撞车风险级别、安静区的支撑信号强度、最需要在研究设计中提前应对的挑战类型。不做"这个 idea 值不值得做"的最终判断。
输出物
检索结束后，在当前目录创建 {topic-slug}/ 子文件夹，输出四个东西：
- 终端 — 直接 print 综合摘要：撞车风险级别 + 安静区主要角度 + 最需提前想清楚的挑战
report.md — 稳定 YAML front matter + 综合判断 + 撞车分层 + 安静区支撑 + 潜在挑战 + 检索透明度report.html — 综合报告，见下方 HTML 规范references.bib — 合并所有 query 的 .bib，去重后只保留报告引用的文献
HTML 报告规范
强调色 #d97706（琥珀，体现"决策前"的审慎感，区别于 bear-scoop 的蓝和 bear-counter 的红）。
首屏：综合判断面板
.verdict 区块横向三段：
- 左：撞车风险摘要（级别 + 最近撞车候选，蓝色 accent）
- 中：证据格局描述 3–5 句（琥珀 accent，核心位置）
- 右：最关键挑战（类型 + 一句核心挑战内容，红色 accent）
.metric-strip：直接撞车数 / 安静区有效支撑文献数 / 高威胁挑战数 / 需要提前应对的关键点数
三阶段详细内容（tabs，三个 tab）
tab「撞车检测」：SVG 四层同心圆雷达（同 bear-scoop 规范），下方四层文献列表。雷达悬停 tooltip 用 JS mousemove 实现。
tab「安静区支撑」：证据阶梯（直接支撑 / 部分支撑 / 间接相关），含安静区说明——为什么这些文献对立项有价值（它们支撑的是别人还没做的角度）。文献卡片含 DOI 链接和中文学术摘要折叠。
tab「潜在挑战」：按两类挑战方向展示（直接矛盾 / 方法批评），每张卡片含威胁等级 + 回应思路：... + DOI 链接 + 中文学术摘要折叠。
三个 tab 中最重要的卡片（最近撞车、安静区最强支撑、最高威胁挑战）加 .card-primary class，摘要默认展开。
检索透明度（底部）：列出所有查询词和各 phase 的检索分布，说明安静区如何确定、后两步如何聚焦。
诚实边界
安静区是基于本次撞车检测的相对判断，不代表没有人在做——付费墙后、近期预印本、中文文献均可能遗漏。安静区支撑信号弱可能意味着方向新颖，也可能意味着前人试过但没有发表价值。报告呈现的是检索到的内容，不做"值不值得做"的判断。
Gotchas
- Step 3 和 Step 4 必须聚焦在安静区，不要对整个 idea 做宽泛的支持和反对检索——那样就和分别跑三个 skill 没有区别
- 安静区支撑信号弱不是坏事，要在报告里如实呈现，不要为了"看起来有支撑"而降低筛选口径
- 三个 tab 的配色用各自原 skill 的强调色（蓝/绿/红）作为 accent，整体报告用琥珀色作为框架色，不要混淆
- 如果撞车检测发现直接撞车超过 5 篇，在 Step 3 开始前先提示用户：安静区很窄，后续检索会聚焦在更细分的角度，本次报告的参考价值取决于用户是否愿意在细分方向上继续调整 idea
