research-topic-extractor

name	research-topic-extractor
description	当用户明确要求"从文件/图片/网页/描述中提取综述主题"、"生成主题+关键词+核心问题结构化输出"，或要求使用旧名 get-review-theme skill 时使用。支持文件（PDF/Word/Markdown/Tex）、文件夹、图片、自然语言描述、网页 URL 等多种输入源，自动识别输入类型并提取内容，生成可直接用于 research-literature-review 及其他文献综述技能的结构化输出。
metadata	{"author":"Bensz Conan","short-description":"多源输入的结构化综述主题提取工具","keywords":["research-topic-extractor","get-review-theme","主题提取","综述主题","review topic","关键词提取","核心问题识别","文献调研准备","research-literature-review","输入分析","PDF 分析","图片理解","网页解析","内容理解","学术主题识别"]}

Research Topic Extractor

与 bensz-collect-bugs 的协作约定

• 当用户环境中出现因本 skill 设计缺陷导致的 bug 时，优先使用 bensz-collect-bugs 按规范记录到 ~/.bensz-skills/bugs/，严禁直接修改用户本地 Claude Code / Codex 中已安装的 skill 源码。
• 若 AI 仍可通过 workaround 继续完成用户任务，应先记录 bug，再继续完成当前任务。
• 当用户明确要求“report bensz skills bugs”等公开上报动作时，调用本地 gh 与 bensz-collect-bugs，仅上传新增 bug 到 huangwb8/bensz-bugs；不要 pull / clone 整个 bug 仓库。

定位

• 从文件、图片、网页、文件夹或自然语言描述中提取结构化综述主题。
• 输出直接服务 research-literature-review 或其他文献综述工作流。
• 兼容旧名 get-review-theme 的 prompt 触发；系统级旧目录由安装器清理。
• 最高原则：主题要可操作、关键词要能检索、核心问题要具体。

输入

必需：

• {输入源}：文件路径、URL、文件夹路径、图片路径，或直接文本描述

可选：

• {输出格式}：text / yaml / json，默认 text

输出

始终包含三项：

• 主题
• 关键词
• 核心问题

格式由用户选择：

• text
• yaml
• json

工作流

1. 识别输入类型

• 自然语言描述
• 图片
• URL
• 文本文件
• PDF
• Word
• 文件夹

2. 提取内容

• 自然语言：直接使用
• 图片：依赖 LLM 原生视觉能力
• URL：优先网页读取工具，失败则请用户提供正文
• 文本 / PDF / Word：直接读取
• 文件夹：递归扫描并合并 .md/.txt/.pdf 等核心材料

原则：

• 优先用宿主原生能力和现有标准工具
• 工具不可用时优雅降级，不额外引入脚本依赖

3. 语义提取

围绕以下任务输出：

• 用一句话概括主题
• 提取 5-10 个英文标准术语
• 提取 2-5 个具体研究问题或挑战

4. 格式化

• text：适合直接复制给下游 skill
• yaml / json：适合结构化衔接

质量要求

• 主题要包含研究对象与核心问题或方法
• 关键词优先用标准检索术语
• 核心问题必须具体，避免“意义重大/挑战很多”这种空话

错误处理

• 文件不存在：提示用户改路径或直接粘贴内容
• 格式不支持：提示转换
• 内容提取失败：让用户手动提供文本
• URL 解析失败：让用户复制网页正文或提供 PDF
• 图片语义不清：请用户补一句描述

与下游技能的关系

• topic 可直接喂给 research-literature-review
• keywords 可补充检索策略
• core_questions 可作为综述边界和纳排参考