メニュー
デフォルトでは、最初にソースを確認する Prompt が選択されています。直接コマンドに切り替えるか、ローカルコピーをダウンロードすることもできます。
インストールを決める前に、SKILL.md と SkillsMP に表示されている付属ファイルをお読みください。
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
直接コマンドでは確認用 Prompt が省略されます。実行前にソースを確認してください。
npx skills add https://github.com/meishiwhy/Literature-Mind --skill litmind-analyzerコマンドは1行のまま表示されます。コピー前に横へスクロールして全体を確認してください。
ローカルで確認しますか？SkillsMP が現在取得できるファイルをダウンロードできます。
SKILL.md を表示中
SOC 職業分類に基づく
| name | litmind-analyzer |
| description | LitMind Paper Analyzer — 将论文全文转为结构化科研知识 (PaperAnalysis) |
将 Paper Parser 输出的 PaperContent（论文全文）通过 LLM 分析，提取为结构化 PaperAnalysis。
不做自由文本摘要。 重点是知识提取：研究问题、方法、变量、统计、发现、声明、局限、未来方向、深度数值提取。
接收 PaperContent JSON（来自 /litmind-parser 的输出）。
调 LLM 提取结构化知识。支持：
Pydantic schema 验证 + 字段完整性补全。
统一 PaperAnalysis JSON（含可选的 deepExtraction 深度提取数据）。
除摘要级知识外，analyzer 还会从 Results/Methods 中提取细粒度数值数据：
{"condition": "Flatfoot + CS shoe", "metric": "Ankle eversion ROM", "value": 12.3, "unit": "deg", "statistics": "p=0.003"}"Drop height: 45cm", "Sampling rate: 1000Hz"{
"paperId": "KP33THHS",
"researchQuestion": "Does landing height affect GRF?",
"studyDesign": "Experimental Study",
"participants": {
"sampleSize": 20,
"groups": ["Flat", "Normal"],
"population": "Healthy males"
},
"methods": ["3D motion capture", "Force plate", "EMG"],
"statistics": ["Repeated measures ANOVA"],
"mainFindings": ["Flat feet had greater peak GRF"],
"claims": [
{"statement": "Flat feet increase GRF", "evidenceSource": "Results"}
]
}
# CLI
litmind-analyze paper_parsed.json -o analysis.json
# 指定 provider
litmind-analyze paper.json --provider openai --model gpt-4o
# 批量
litmind-analyze batch ./parsed/ -o ./analyses/
ANTHROPIC_API_KEY — Claude providerOPENAI_API_KEY — OpenAI providerLITMIND_LOG_LEVEL — 日志级别 (DEBUG/INFO/WARNING/ERROR, 默认 WARNING)