원클릭으로 Manus에서 모든 스킬 실행

deep-dive

스타3

포크0

업데이트2026년 3월 19일 21:57

对 1-10 篇核心论文进行精读分析，提取方法细节、实验设置、关键超参数、代码实现等。当用户说"精读这篇论文"、"分析方法细节"、"deep dive"时触发，或在 pipeline Stage 4（Idea Approval 后）自动调用。

설치

Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.

Manus에서 실행

출처

ChunqiGuo02

ChunqiGuo02/NeXus

GitHub 저장소 열기 Creator 저장소 보기

다운로드

Manus에서 실행

deep-dive

对核心论文进行深度精读，超越 claim-extractor 的浅层提取。

与 claim-extractor 的区别

维度	claim-extractor	deep-dive
深度	提取关键断言	完整方法拆解
输出	evidence_graph claims	结构化精读笔记
速度	快（每篇 1-2 分钟）	慢（每篇 5-10 分钟）
用途	综述、证据链	Idea 评估、方法复现

输入

论文 ID 列表（corpus_ledger 中的 id）
或直接指定 parsed_mds/ 中的 Markdown 文件

精读模板

对每篇论文生成结构化笔记：

# {论文标题} — 精读笔记

## 1. 核心贡献（一句话）

## 2. 问题定义
- 输入/输出是什么
- 形式化表述

## 3. 方法拆解
### 3.1 整体架构
(用文字描述，如有必要画 ASCII 图)

### 3.2 关键模块
- 模块 A: 作用、输入、输出、参数
- 模块 B: ...

### 3.3 loss 函数
- 数学表达式
- 各项含义

### 3.4 训练细节
- 优化器、学习率、batch size
- 训练时长、GPU 资源
- 数据增强策略

## 4. 实验分析
### 4.1 数据集
- 名称、规模、split 方式

### 4.2 Baseline 对比
- 对比了哪些方法
- 主要指标和数值

### 4.3 消融实验
- 验证了哪些组件的贡献

## 5. 局限性（作者自述 + 我的观察）

## 6. 复现可行性
- 是否开源代码
- 计算资源需求估计
- 数据是否公开

## 7. 与当前研究的关联
(如果在 idea-brainstorm 上下文中被调用)

执行步骤

检查论文是否已解析为 Markdown
- 未解析 → 先调用 pdf-to-markdown 或 alphaxiv-paper-lookup
读取完整 Markdown
按模板逐节填写
将精读笔记保存到 artifacts/deep_dive_{paper_id}.md
同时将关键发现追加到 evidence_graph.json（比 claim-extractor 更详细）

批量模式

如果输入多篇论文，生成对比矩阵：

论文	核心方法	数据集	主要指标	开源
A	...	...	...	✅
B	...	...	...	❌

Pipeline Exit

完成后执行：

更新 project_state.json 的 current_stage
必须调用 pipeline-orchestrator.complete_stage("deep_dive") 验证产出
根据返回值自动进入下一阶段（novelty_check）

이 저장소의 다른 Skills

같은 저장소

multi-reviewer

ChunqiGuo02/NeXus

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。

2026-05-253

omni-orchestrator

ChunqiGuo02/NeXus

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）。

2026-05-253

idea-brainstorm

ChunqiGuo02/NeXus

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。

2026-05-253

code-review

ChunqiGuo02/NeXus

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".

2026-05-253

safe-refactor

ChunqiGuo02/NeXus

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".

2026-05-253

research-wiki

ChunqiGuo02/NeXus

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。

2026-05-253

name	deep-dive
description	对 1-10 篇核心论文进行精读分析，提取方法细节、实验设置、关键超参数、代码实现等。当用户说"精读这篇论文"、"分析方法细节"、"deep dive"时触发，或在 pipeline Stage 4（Idea Approval 后）自动调用。

deep-dive

对核心论文进行深度精读，超越 claim-extractor 的浅层提取。

与 claim-extractor 的区别

维度	claim-extractor	deep-dive
深度	提取关键断言	完整方法拆解
输出	evidence_graph claims	结构化精读笔记
速度	快（每篇 1-2 分钟）	慢（每篇 5-10 分钟）
用途	综述、证据链	Idea 评估、方法复现

输入

论文 ID 列表（corpus_ledger 中的 id）
或直接指定 parsed_mds/ 中的 Markdown 文件

精读模板

对每篇论文生成结构化笔记：

# {论文标题} — 精读笔记

## 1. 核心贡献（一句话）

## 2. 问题定义
- 输入/输出是什么
- 形式化表述

## 3. 方法拆解
### 3.1 整体架构
(用文字描述，如有必要画 ASCII 图)

### 3.2 关键模块
- 模块 A: 作用、输入、输出、参数
- 模块 B: ...

### 3.3 loss 函数
- 数学表达式
- 各项含义

### 3.4 训练细节
- 优化器、学习率、batch size
- 训练时长、GPU 资源
- 数据增强策略

## 4. 实验分析
### 4.1 数据集
- 名称、规模、split 方式

### 4.2 Baseline 对比
- 对比了哪些方法
- 主要指标和数值

### 4.3 消融实验
- 验证了哪些组件的贡献

## 5. 局限性（作者自述 + 我的观察）

## 6. 复现可行性
- 是否开源代码
- 计算资源需求估计
- 数据是否公开

## 7. 与当前研究的关联
(如果在 idea-brainstorm 上下文中被调用)

执行步骤

检查论文是否已解析为 Markdown
- 未解析 → 先调用 pdf-to-markdown 或 alphaxiv-paper-lookup
读取完整 Markdown
按模板逐节填写
将精读笔记保存到 artifacts/deep_dive_{paper_id}.md
同时将关键发现追加到 evidence_graph.json（比 claim-extractor 更详细）

批量模式

如果输入多篇论文，生成对比矩阵：

论文	核心方法	数据集	主要指标	开源
A	...	...	...	✅
B	...	...	...	❌

Pipeline Exit

完成后执行：

更新 project_state.json 的 current_stage
必须调用 pipeline-orchestrator.complete_stage("deep_dive") 验证产出
根据返回值自动进入下一阶段（novelty_check）