Menu
端到端文献综述流程：搜索→Scope Freeze→Corpus Freeze→下载→解析→证据提取→综述生成。当用户说"帮我调研/综述 XXX"、"帮我找 XXX 相关的论文"时触发。
Installer avec Codex ou Claude Copiez ce prompt, collez-le dans Codex, Claude ou un autre assistant, puis laissez-le vérifier la page du skill et l'installer pour vous.
Basé sur la classification professionnelle SOC
| name | literature-survey |
| description | 端到端文献综述流程：搜索→Scope Freeze→Corpus Freeze→下载→解析→证据提取→综述生成。当用户说"帮我调研/综述 XXX"、"帮我找 XXX 相关的论文"时触发。 |
完整的文献综述流水线，包含人机交互卡点。
Reads artifacts/venue_deep_reading_profile.json（如已存在）以：
tier_priority (Oral > Spotlight > Poster) × year_priority (本年 > 去年 > 前年...)baseline_consensus 列表当作"必读 reference set"——这些论文应优先 fetch 并精读formulation_templates 校准本次综述要找的论文类型（如果场地偏好 RL formulation，调研重点偏 RL）用户提出 topic
│
▼ Scope Freeze 卡点
确认关键词、时间范围、排除项
│
▼ Step 1: 搜索
调用 search_papers(query, year_range, max_results=50)
│
▼ Corpus Freeze 卡点
展示去重后的文献矩阵（标题/年份/引用数/是否OA）
用户确认后才开始下载
│
▼ Step 2: 获取
对每篇论文调用 fetch_paper(doi_or_arxiv_id)
│
├─ arXiv → alphaxiv-paper-lookup 获取 Markdown
├─ 非 arXiv + 有 PDF → pdf-to-markdown 解析
└─ 无法获取 → 标记 access_state + publishable，触发 Manual Fetch 卡点
│
▼ Step 3: 验证引用
对每篇论文调用 citation-verifier Skill
│
▼ Step 4: 提取证据
对每篇已解析的 Markdown 调用 claim-extractor Skill
│
▼ Step 5: 生成综述
基于 evidence_graph.json 生成结构化综述
│
▼ Step 6: 更新 KG
触发 pattern-promoter Skill（如果 claims 够多）
在搜索之前，先与用户确认：
将确认结果写入 project_state.json 的 scope 字段。
搜索完成后，展示文献矩阵：
| # | 标题 | 年份 | 引用 | OA | 来源 |
|---|---|---|---|---|---|
| 1 | Attention Is All You Need | 2017 | 95000 | ✅ | S2+arXiv |
| 2 | ... | ... | ... | ... | ... |
用户可以：
# {topic} 文献综述
## 1. 研究背景
(基于 evidence_graph 中的 claims)
## 2. 主要方法
(按 method 类型的 claims 组织)
## 3. 关键发现
(按 result 类型的 claims 组织)
## 4. 现有局限
(按 limitation 类型的 claims 组织)
## 5. 未来方向
(基于 gaps 分析)
## 参考文献
(仅包含 bib/ 中验证过的引用)
核心词 + 扩展词矩阵：
组合搜索模式：
| 搜索轮次 | 模式 | 示例 |
|---|---|---|
| Round 1 | 核心方法 + 核心任务 | "contrastive learning" + "graph" |
| Round 2 | 核心方法 + 应用领域 | "contrastive learning" + "urban computing" |
| Round 3 | 问题描述（不含方法） | "label-efficient node classification" |
| Round 4 | 反向搜索：领域 + "survey" OR "review" | "graph learning survey 2024" |
Snowball 搜索（引用链扩展）：
对每篇搜索到的论文，按以下权重评估是否纳入 corpus：
| 维度 | 权重 | 评估方法 |
|---|---|---|
| 时效性 | 30% | 发表年份距今 ≤2 年优先；经典方法不受限 |
| 影响力 | 25% | 被引数的 percentile（同年份同领域内归一化） |
| 相关性 | 30% | 与研究主题的直接匹配度（abstract 匹配评分） |
| 方法论 | 15% | 是否提出可复现的方法 / 是否有开源代码 |
阈值：综合评分 < 0.4 的论文建议在 Corpus Freeze 时标记排除。
artifacts/survey.md 生成后必须通过以下检查：
| 检查项 | 标准 | 状态 |
|---|---|---|
| What 问题 | survey 清晰回答了"这个领域在研究什么？" | ☐ |
| How 方法 | survey 按方法类型（≥3 类）组织了已有工作 | ☐ |
| Gap 缺口 | survey 明确指出 ≥2 个未解决的 gap | ☐ |
| 时间线 | survey 包含方法演进的时间线或里程碑 | ☐ |
| 定量覆盖 | survey 引用的论文 ≥ corpus 的 60% | ☐ |
| 去重验证 | 无重复引用同一论文的不同表述 | ☐ |
未通过 → 补充后重新生成，不允许直接进入 evidence_audit。
| 文件 | 更新内容 |
|---|---|
project_state.json | scope、phase、stats |
corpus_ledger.json | 所有搜索到的论文（含 access_state + publishable） |
evidence_graph.json | 提取的 claims |
bib/verified.json | 验证过的引用 |
artifacts/survey.md | 生成的综述 |
完成后执行：
project_state.json 的 current_stagepipeline-orchestrator.complete_stage("survey_fetch") 验证产出SDP 双模型 6 审稿人 + 交叉审核系统。含拒稿信预演。当用户说"审稿"、"review"、"帮我看看这篇论文写得怎么样"时触发。
Nexus 统一入口。意图识别 + 模式路由 + 首次引导 + Autopilot 模式。当用户提出任何学术研究相关请求时触发（调研、找论文、构思 idea、写论文、审稿、做实验等）。
基于 Evidence Graph + Knowledge Graph 进行学术 idea 构思与评估。双阶段流程：Phase 1 用 ToT 思维树系统性探索，Phase 2 用 SDP 跨模型红队攻击。当用户说"帮我想 idea"、"brainstorm"、"研究方向"、"有什么可以做的"时触发。
Review code changes for correctness, regressions, edge cases, style issues, and unnecessary churn. Use when checking diffs, reviewing pull-request-like changes, or doing independent quality review. Triggers on "review this", "check my changes", "code review", "代码审查".
Perform safe, reviewable refactors. Use when restructuring code, moving responsibilities, renaming across modules, or reducing duplication without intended behavior changes. Triggers on "refactor X", "rename Y across the project", "extract helper", "重构".
typed knowledge-graph 抽象层 (Wave B.3)。把分散在 evidence_graph / corpus_ledger / story_skeleton 的结构升级成 paper / idea / claim / experiment / mechanism / baseline 节点 + supports / contradicts / derives_from / cites / replicates / falsifies 边。通过 4 个 MCP tool 维护 artifacts/research_wiki.json，并用 export_to_evidence_graph 投影回 evidence_graph schema。