メニュー
Use when writing literature review sections - guides searching, organizing, and synthesizing academic sources
Use when writing academic papers, theses, or research articles - supports brainstorming, chapter writing, literature review, and LaTeX output
Use for translation, polishing, or de-AI-ification of academic text - provides ready-to-use prompt templates
Use when writing or revising academic papers, especially Chinese journal manuscripts, that need natural prose, de-AI-ification, Markdown formatting, or quality checks
Use when writing or revising Introduction, Related Work, background, literature synthesis, or any section where references must drive claims
Use when designing experiments, result tables, mock planning data, evaluation protocols, or results sections before real data are final
Use when creating data visualizations for papers - generates publication-quality plots with top-journal color schemes
| name | literature-review |
| description | Use when writing literature review sections - guides searching, organizing, and synthesizing academic sources |
| allowed-tools | Read, Write, Edit, Bash, WebSearch, WebFetch |
本技能指导文献搜索、整理和综述写作。
## 核心原则：绝不编造文献这是最重要的原则，必须严格遵守：
本技能内置了多个文献处理脚本：
脚本位置：scripts/scholar_search.py
支持的数据库：PubMed, CrossRef, Semantic Scholar, arXiv
支持的输出格式：
json - JSON 格式（默认）bibtex - BibTeX 格式，可直接用于 LaTeXris - RIS 格式，用于 EndNote/Zoteroapa - APA 引用格式mla - MLA 引用格式chicago - Chicago 引用格式vancouver - Vancouver 引用格式# 基本搜索
python scripts/scholar_search.py "deep learning transformer"
# 指定数据库
python scripts/scholar_search.py "neural network" --sources pubmed,crossref
# 年份过滤（当前是2026年，建议使用近年范围）
python scripts/scholar_search.py "machine learning" --year 2023-2026
# 输出 BibTeX 格式（用于 LaTeX 论文）
python scripts/scholar_search.py "landslide detection" --format bibtex -o refs.bib
# 输出 APA 引用格式
python scripts/scholar_search.py "attention mechanism" --format apa --limit 5
# JSON 输出（用于程序处理）
python scripts/scholar_search.py "quantum computing" --format json -o results.json
BibTeX 格式（用于 LaTeX）：
@article{xu2024,
title = {CAS Landslide Dataset: A Large-Scale and Multisensor Dataset},
author = {Yulin Xu and Chaojun Ouyang and Qingsong Xu},
journal = {Scientific Data},
year = {2024},
doi = {10.1038/s41597-023-02847-z},
}
APA 格式（用于正文引用）：
Yulin Xu and Chaojun Ouyang (2024). CAS Landslide Dataset...
| 数据库 | 速率限制 | 摘要 | 引用数 | 适用领域 |
|---|---|---|---|---|
| CrossRef | 高 | 部分 | 是 | 全学科 |
| PubMed | 中 | 需额外请求 | 否 | 生物医学 |
| Semantic Scholar | 低* | 是 | 是 | 全学科 |
| arXiv | 低 | 是 | 否 | CS/物理/数学 |
* Semantic Scholar 建议配置 API Key 以获得更高限额。
文献检索不是交付终点。写 Introduction、Related Work、研究现状前，必须把文献转成证据-论点映射：
| Source ID | Citation | Abstract-level finding | Usable fact | Supported claim | 引用位置 / citation slot | Risk |
|---|---|---|---|---|---|---|
要求：
Supported claim 必须是可写进正文的一句话，不是“这篇文献很相关”。引用位置 / citation slot 必须具体到段落角色，如“Introduction-P2 方法谱系”或“RelatedWork-P3 FL-IDS 局限”。如果没有 evidence-claim map，不得声称文献综述已完成。
使用 scripts/scholar_search.py 进行多数据库并行搜索。
# 搜索所有数据库，输出 JSON
python scripts/scholar_search.py "your query" --format json -o results.json
# 指定数据库和年份
python scripts/scholar_search.py "deep learning" --sources crossref,semanticscholar --year 2023-2026
# 仅搜索 PubMed（生物医学）
python scripts/scholar_search.py "hippocampus memory" --sources pubmed --limit 20
# 输出 BibTeX 格式
python scripts/scholar_search.py "landslide detection" --format bibtex -o refs.bib
# 直接输出到控制台
python scripts/scholar_search.py "transformer attention" --format bibtex --limit 5
BibTeX 输出示例：
@article{xu2024,
title = {CAS Landslide Dataset: A Large-Scale and Multisensor Dataset},
author = {Yulin Xu and Chaojun Ouyang and Qingsong Xu},
journal = {Scientific Data},
year = {2024},
doi = {10.1038/s41597-023-02847-z},
url = {https://doi.org/10.1038/s41597-023-02847-z}
}
# APA 格式
python scripts/scholar_search.py "neural network" --format apa --limit 3
# MLA 格式
python scripts/scholar_search.py "machine learning" --format mla --limit 3
# Chicago 格式
python scripts/scholar_search.py "attention mechanism" --format chicago --limit 3
APA 输出示例：
Yulin Xu and Chaojun Ouyang (2024). CAS Landslide Dataset: A Large-Scale
and Multisensor Dataset for Deep Learning-Based Landslide Detection.
Scientific Data. 10.1038/s41597-023-02847-z
[
{
"title": "Attention Is All You Need",
"authors": ["Ashish Vaswani", "Noam Shazeer", "..."],
"year": 2017,
"journal": "Advances in neural information processing systems",
"doi": "10.48550/arXiv.1706.03762",
"citations": 100000,
"url": "https://doi.org/10.48550/arXiv.1706.03762",
"_source": "crossref"
}
]
当脚本不可用时，使用 WebSearch 进行搜索。
可用数据库：
| 数据库 | 特点 | 适用领域 |
|---|---|---|
| Google Scholar | 综合性最强 | 全学科 |
| PubMed | 生物医学权威 | 医学、生物 |
| IEEE Xplore | 工程技术 | 计算机、电子 |
| arXiv | 预印本 | 物理、数学、CS |
| Semantic Scholar | AI增强搜索 | 全学科 |
搜索策略：
推荐数据库：
AI提供的帮助：
每篇文献记录以下信息：
## 文献1
- **标题**：
- **作者**：
- **年份**：
- **期刊/会议**：
- **DOI/链接**：
- **核心观点**：
- **研究方法**：
- **主要结论**：
- **与本研究关系**：
按主题而非按文献组织：
文献综述/
├── 理论基础/
├── 方法技术/
├── 应用研究/
└── 综述文章/
一、引言
- 研究背景
- 综述目的和范围
二、研究现状
2.1 主题一
2.2 主题二
2.3 主题三
三、研究评述
- 已有研究的贡献
- 存在的不足
- 研究趋势
四、研究空白与本研究定位
综合而非罗列
批判性分析
引入某一研究领域：
[领域名称]是近年来[学科]研究的热点之一。自[开创性工作]以来，
该领域经历了快速发展，主要研究集中在[方向1]、[方向2]和[方向3]等方面。
介绍代表性研究：
[作者]（[年份]）提出了[方法/理论]，该研究[主要贡献]。
实验结果表明，[主要发现]。然而，该方法存在[局限性]。
指出研究空白：
尽管已有研究在[方面]取得了显著进展，但在[具体问题]方面仍存在不足。
具体而言，[问题1]尚未得到充分探讨，[问题2]缺乏系统性研究。
[1] 作者. 文章题目[J]. 期刊名, 年份, 卷(期): 页码.
[2] 作者. 书名[M]. 出版地: 出版社, 年份: 页码.
Author, A. A., & Author, B. B. (Year). Title. Journal, Volume(Issue), pages.
执行搜索命令：
python scripts/scholar_search.py "搜索关键词" --sources crossref,semanticscholar --year 2020-2024 --limit 20 --format json
输出示例：
"我来使用学术搜索脚本帮你查找文献。
搜索查询：
[关键词]数据源：CrossRef, Semantic Scholar 年份范围：2020-2024搜索结果（按引用数排序）：
# 标题 作者 年份 期刊 引用数 DOI 1 [...] [...] 2023 [...] 156 [DOI] 2 [...] [...] 2022 [...] 89 [DOI] 需要我进一步获取某篇文献的详细信息吗？"
"我来帮你搜索相关英文文献。
搜索关键词：[生成的关键词]
搜索结果：
- [文献标题] - [作者] ([年份])
- 期刊：[期刊名]
- 核心内容：[简要描述]
- DOI：[链接]
建议：这些文献中，[文献X]与你的研究最相关。"
"中文学术文献需要你在知网（CNKI）等数据库搜索，我来帮你准备搜索策略。
建议搜索关键词：
- 主题词：[关键词1]、[关键词2]
- 组合搜索：[关键词1] AND [关键词2]
搜索步骤：
- 访问 https://www.cnki.net/
- 选择"高级搜索"
- 输入上述关键词
- 筛选条件：核心期刊/CSSCI，近5年
请将搜索到的文献摘要粘贴给我，我帮你整理和分析。"
"收到，我来帮你整理这些文献。
文献整理：
序号 作者 年份 核心观点 与本研究关系 1 [作者] [年份] [观点] [关系] 综述建议： 这些文献可以从以下角度组织...
需要我帮你起草综述段落吗？"
使用 verification 技能进行严格验证：
| 声称 | 验证方式 | 不充分 |
|---|---|---|
| 引用存在 | CrossRef API 确认 DOI | "看起来正确" |
| 引用格式正确 | 运行格式检查脚本 | 目测检查 |
| 作者信息准确 | 搜索原始来源 | "应该没错" |
验证脚本：
# 验证 DOI 是否存在
curl -s "https://api.crossref.org/works/10.1000/doi123"
# 验证 BibTeX 文件
python scripts/scholar_search.py "your query" --format bibtex --output refs.bib
当用户提供 PDF 文件时，使用 scripts/pdf_parser.py 提取内容：
# 提取 PDF 文本
python scripts/pdf_parser.py paper.pdf --output paper_text.txt
# 提取结构和摘要
python scripts/pdf_parser.py paper.pdf --sections --abstract --json paper_info.json
# 总结 PDF 内容
python scripts/pdf_parser.py paper.pdf --summarize
输出内容：
必须检查：