Menu
研究方向发现引擎。在成熟领域的交界处发现没人建的桥。 触发条件: "找方向"/"研究方向"/"选题"/"下一轮做什么"/"research frontier"。 核心方法: 资产盘点 → 结构选型 → 交叉缝隙扫描(deep research驱动) → 证据验证 → 可行性确认。
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
AI 科研军团统一入口。用户投入任何科研任务→Wei 读取任务→查阅 Skill 注册表→动态调度各角色。 触发条件: 用户说"/start-army"、"启动军团"、"接单"、"开始项目"，或提供数据文件+研究需求。
原始数据真伪与异常模式扫描。既支持 /data-forensics，也支持自然语言触发，如‘这份数据可信吗’。
数据探查与画像。30分钟生成完整数据画像，包括变量字典、分布、缺失率。既支持 /data-profiler，也支持自然语言触发，如‘先帮我看看这份数据长什么样’。
最终交付收口。把投稿包整理成可交付目录，补齐说明文件、清单和接收指引。既支持 /delivery，也支持自然语言触发，如‘把这些整理成最终交付目录’。
学术论文撰写。基于统计结果和文献生成IMRAD格式论文。既支持 /manuscript-draft，也支持自然语言触发，如‘帮我写成论文初稿’。
质量审查与自动迭代。多轮审查直到通过或达到上限。既支持 /quality-review，也支持自然语言触发，如‘帮我审这篇稿子’。
| name | research-frontier |
| description | 研究方向发现引擎。在成熟领域的交界处发现没人建的桥。 触发条件: "找方向"/"研究方向"/"选题"/"下一轮做什么"/"research frontier"。 核心方法: 资产盘点 → 结构选型 → 交叉缝隙扫描(deep research驱动) → 证据验证 → 可行性确认。 |
| allowed-tools | Read, Write, Edit, Bash, Glob, Grep, WebSearch, WebFetch, Agent |
在两个成熟领域的交界处，找没人建的桥。
不是在热门领域里找增量选题，而是系统性地扫描领域交叉的缝隙，用 deep research 验证空白真实存在，用数据可行性确认能做，用竞争窗口判断该不该现在做。
传统选题: 领域内文献综述 → 找gap → 做增量研究（拥挤）
本方法: 多领域资产图谱 → 交叉缝隙扫描 → deep research验证空白 → 锁定蓝海
2026-03-20 实战验证：从8个已完成训练任务出发，通过多元思维格栅分析 → 交叉领域缝隙扫描 → deep research 验证，锁定"环境化学暴露→代谢→心理健康"三段通路方向。该方向经系统搜索确认为完全空白（三段串联中介分析=零篇论文），且数据(NHANES)、方法(BKMR-CMA)、发表窗口(12-18个月)三者齐备。
frontier_report.md — 完整调研报告（含证据链接）candidate_directions.json — 结构化的候选方向清单（排序+评分）requirements.md用户触发("找方向"/"选题"/"下一轮做什么")
│
▼
Phase 1 ──→ asset_map.md ──→ Phase 2
(输入适配) (可能为空) (结构选型)
│
用户注入偏好 ←── "要空白的"/"要争议性的"/...
│
▼
Phase 3 (deep research)
搜索 3-5 个候选方向的文献饱和度
│
▼
空白评分排序 ──→ 得分≥12 的进入 Phase 4
│
▼
Phase 4 (deep research)
数据可行性验证
│
▼
Phase 5 (deep research)
竞争 + 期刊 + 窗口
│
▼
Phase 6 综合报告
│
▼
用户决策 → requirements.md × N
目标: 理解"我们已经有什么"，避免从零开始。也可能什么都没有，这完全合法。
Phase 1 的第一步是判断用户给的是什么，再决定怎么提取信息：
用户输入
│
▼
输入类型检测
│
├── A. 路径 → 是项目目录？
│ 扫描 progress.md / requirements.md / outputs/
│ 提取: 暴露变量、结局变量、中介变量、数据集、分析方法
│ → 生成 asset_map.md
│
├── B. 路径 → 是数据文件 (CSV/XPT/Excel)？
│ 读取列名 + 数据画像（行数、变量类型、缺失率）
│ 匹配已知数据集特征（如含 SDMVPSU → NHANES）
│ → 生成 asset_map.md（仅含数据资产，无研究资产）
│
├── C. 文本 → 含 DOI 或论文标题？
│ 搜索论文摘要，提取变量关系（暴露→结局）
│ 以该论文为种子，识别其引用网络中的变量空间
│ → 生成 asset_map.md（以论文为锚点）
│
├── D. 文本 → 是领域描述（"心理健康"/"环境流行病学"）？
│ 无本地资产，Phase 1 输出 asset_map = 空
│ Phase 3 改为从公开数据集变量空间广撒网搜索
│ → asset_map.md 为空（标记 source: "领域描述"）
│
├── E. 文本 → 是数据集名称（"NHANES"/"BRFSS"）？
│ 加载该数据集的已知变量清单/模块清单
│ 标注变量类别（暴露/结局/协变量）
│ → 生成 asset_map.md（仅含数据集能力图谱）
│
└── F. 无输入 / "帮我找方向"？
加载可用公开数据集清单（NHANES/BRFSS/CHARLS/CFPS/MIMIC/...）
每个数据集标注核心变量域
→ asset_map.md 为空 + 附可用数据集清单
输出: asset_map.md（变量关系图 + 主题频次 + 数据集覆盖矩阵。可能为空。）
目标: 确定研究矩阵的骨架类型，并获取用户的方向性约束。
三种经典结构:
| 结构 | 逻辑 | 鲁棒性 | 学术影响力 | 终局产出 |
|---|---|---|---|---|
| 暴露驱动 | 一个X → 多个Y | 高（共享数据） | 中 | 伞状评价 |
| 结局驱动 | 多个X → 一个Y | 高（单篇独立） | 中 | 系统综述+PAF |
| 机制链 | A→B→C→D 串联 | 低（链条脆弱） | 高 | 理论贡献 |
| 混合（推荐） | 主轴+嵌入机制线 | 中高 | 高 | 综述+原创框架 |
操作:
这一步不可跳过。 必须向用户确认或从用户输入中提取：
偏好约束直接影响 Phase 3 的搜索策略和评分权重。例如"要空白的"会把空白评分权重从 25% 提升到 50%。
输出: 推荐的结构类型 + 用户偏好约束（传递给 Phase 3）
这是整个流程的核心引擎。不是拍脑袋猜空白，而是系统搜索验证空白。
操作:
3a. 生成候选交叉点
根据 asset_map 是否为空，采用不同策略：
精准模式（asset_map 非空）： 从变量关系图中，识别所有"两端成熟但中间无桥"的变量对:
对于资产图中的每个变量A:
对于每个可能的变量C（来自不同领域）:
如果 A→B 已有文献（领域1成熟）
且 B→C 已有文献（领域2成熟）
则 "A→B→C 串联" 是一个候选交叉点
广撒网模式（asset_map 为空）： 从可用数据集的变量域出发，枚举跨领域组合:
对于每个可用数据集:
列出其核心变量域（如 NHANES: 环境化学物/代谢/心理/营养/人口学）
对于每对变量域 (域A, 域B):
如果 域A 和 域B 属于不同的传统学科
则 "域A → 域B" 是一个候选交叉方向
→ 启动 deep research 评估该方向的文献饱和度
广撒网模式会产生更多候选方向，因此 deep research 的第一轮搜索只做快速饱和度判断（搜索结果数），过滤后再对 top 5 做深入搜索。
3b. Deep Research: 饱和度评估（每个候选方向）
启动 deep-research-agent，对每个候选方向执行:
搜索任务 1: 通路各段的文献量
- "{变量A} AND {变量B}" 的 PubMed/Google Scholar 结果数
- "{变量B} AND {变量C}" 的结果数
- "{变量A} AND {变量C}" 的结果数（直接关联）
- "{变量A} AND {变量B} AND {变量C}" 的结果数（三段串联）
搜索任务 2: 是否已有系统综述/meta-analysis
- "systematic review" OR "meta-analysis" + 各段关键词
- 如果三段串联已有综述 → 该方向不空白，降级
搜索任务 3: 最近2年的最接近论文
- 2024-2026年发表的、与该交叉点最相关的论文
- 这些论文的结论中是否提到了"future research should..."
- 有人插路标但没人走 = 最佳窗口
搜索任务 4: 是否有人提出过这个假说
- 搜索概念性综述、评论文章、预印本
- 如果假说已被提出但无实证 = 高价值空白
- 如果假说未被提出 = 可能是开创性方向，也可能是因为不合理
3c. 空白评分
| 维度 | 1分（放弃） | 3分（可做） | 5分（蓝海） |
|---|---|---|---|
| 两端成熟度 | 一端也不成熟 | 一端成熟一端有数据 | 两端均有meta-analysis |
| 中间空白度 | 已有综述 | 有零散论文(<10篇) | 串联分析=零 |
| 路标信号 | 无人提及 | 综述中mention过 | 有人明确标注为gap |
| 时效性 | 2年前就有人标注 | 1年内标注 | 最近6个月标注 |
输出: 候选方向排序（按空白评分）
只对 Phase 3 中得分 ≥12 的候选方向执行。
启动 deep-research-agent:
搜索任务 1: 变量覆盖
- 目标数据集中，关键变量是否存在？哪些cycle/波次？
- 变量的测量方式是否一致（跨cycle可比性）？
搜索任务 2: 样本量估算
- 所有关键变量同时有数据的样本量
- 子样本（如NHANES的1/3生物监测子样本）的瓶颈
- 是否足以支撑混合暴露分析的统计功效
搜索任务 3: 方法学工具
- 这个场景下主流的统计方法是什么？
- 是否有现成的软件包/R包/Python库？
- 方法论文是否已被广泛引用（>50次 = 审稿人接受）
输出: 可行性评估（数据充分/部分可行/不可行）
搜索任务 1: 竞争团队
- 哪些研究组在做最接近的工作？
- 他们的发表节奏（每年几篇？正在加速？）
- 竞争窗口估算: 按现有发表速度，空白还能维持多久？
搜索任务 2: 目标期刊
- 该交叉领域的期刊有哪些？IF范围？
- 这些期刊最近是否发表过类似交叉研究？（编辑接受度）
- 综述/终局论文的最佳投稿目标
搜索任务 3: 政策/临床影响力
- 这个方向如果做出来，对公共政策有什么含义？
- 是否有正在进行的政策辩论可以借力？
输出: 竞争格局 + 期刊策略 + 影响力评估
将 Phase 1-5 的结果综合，生成最终报告:
# 研究方向调研报告
## 候选方向排序
| 排名 | 方向 | 空白评分 | 数据可行性 | 竞争窗口 | 综合推荐 |
|------|------|---------|-----------|---------|---------|
## 推荐方向详述
### 宏大叙事
[一段话描述整个研究矩阵的故事]
### 研究矩阵设计
[8篇论文的布局 + 论文间引用关系]
### 风险评估
[主要风险 + 缓解策略]
### 决策点（需要人判断）
[方向/数据/期刊等需要用户选择的关键决策]
Phase 1 Phase 2 Phase 3
asset_map.md ────────→ structure_type ────────→ candidate_gaps[]
(变量关系图, (暴露驱动/结局驱动/ (每个候选方向含:
可能为空) 机制链/混合) 两端文献量,
+ 串联文献量,
user_preferences 最近论文,
(空白/争议/增量, 空白评分)
领域/数据约束)
│ │ │
│ ┌──────────────────┘ │
│ │ │
▼ ▼ ▼
如果为空 → Phase 3 切换为广撒网模式 得分≥12的进入 Phase 4
如果非空 → Phase 3 用精准模式
Phase 4 Phase 5 Phase 6
data_feasibility ────→ competition_report ───→ frontier_report.md
(变量覆盖, (竞争团队, (完整报告)
样本量估算, 期刊分层, +
方法学工具, 竞争窗口, candidate_directions.json
瓶颈标注) 政策影响力) (结构化排序)
│
▼
用户决策
│
▼
requirements.md × N
(直接输出为训练任务需求)
| 上游 | 本模块 | 下游 |
|---|---|---|
| 已完成的研究任务 / 数据文件 / 论文 / 领域描述 / 无 | research-frontier | training-curriculum.md（训练任务矩阵） |
| idea-analyst（Phase 2 结构分析时调用） | 调用其格栅分析能力 | requirements.md（每个任务的需求） |
| — | Phase 3/4/5 各自启动 deep-research-agent | evo-loop.sh（执行训练循环） |