메뉴
沁言学术AI选题分析 - 基于大量文献检索结果，为科研人员提供智能选题建议，包括选题方向、研究价值、研究内容概述、研究难点分析和相关文献推荐。使用沁言学术OpenAPI进行文献检索。触发词：选题分析、选题建议、研究选题、topic analysis、research topic、帮我选题、选题推荐
기본적으로 소스를 먼저 확인하는 Prompt가 선택됩니다. 직접 명령으로 전환하거나 로컬 사본을 다운로드할 수도 있습니다.
설치 여부를 결정하기 전에 SKILL.md와 SkillsMP에 표시된 보조 파일을 읽어 보세요.
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
직접 명령은 검토 Prompt를 거치지 않습니다. 실행하기 전에 소스를 확인하세요.
npx skills add https://github.com/LeonChaoX/qinyan-academic-skills --skill qinyan-topic-analysis명령은 한 줄로 유지됩니다. 복사하기 전에 가로로 스크롤해 전체 내용을 확인하세요.
로컬 사본을 원하시나요? SkillsMP에서 현재 제공할 수 있는 파일을 다운로드하세요.
面向 Nature Portfolio 与高影响力期刊的证据驱动科研绘图技能。用于从原始或汇总数据设计单图与多面板 figure、选择合适图形语法、编写 Python/R 绘图代码、重绘现有图件、生成机制示意图草案、撰写图注并导出可编辑 SVG/PDF 与高分辨率 TIFF/PNG；同时检查数据完整性、颜色可访问性、统计标注和最终尺寸可读性。触发场景包括 Nature 绘图、科研作图、论文配图、scientific figure、publication plot、multi-panel figure、graphical abstract、机制图、图形摘要和 figure audit。
面向 Nature、Nature Communications 及高影响力期刊的学术语言重构与润色技能。用于中译英、英文精修、摘要压缩、段落逻辑修复、术语统一、语气校准、过度声称检查和去除模板化 AI 文风，同时严格保持数据、引用意图和科学含义不变。触发场景包括 Nature 润色、SCI 英文润色、academic editing、paper polishing、proofreading、rewrite、中文论文英译、abstract polishing、语言降重和学术表达优化。
面向 Nature、Nature Communications 及高影响力期刊的可追溯投稿前评审技能。用于模拟同行评审、检查原创性与广泛意义、压力测试技术严谨性、核验主张—证据链、评估可重复性与表达清晰度，并生成带严重级别、证据指针和解决标准的审稿报告及交叉综合。触发场景包括 Nature review、模拟审稿、投稿前预审、peer review、reviewer report、manuscript critique、novelty assessment、rigour check、找论文问题和审稿意见模拟。
SOC 직업 분류 기준
SKILL.md 표시 중
| name | qinyan-topic-analysis |
| description | 沁言学术AI选题分析 - 基于大量文献检索结果，为科研人员提供智能选题建议，包括选题方向、研究价值、研究内容概述、研究难点分析和相关文献推荐。使用沁言学术OpenAPI进行文献检索。触发词：选题分析、选题建议、研究选题、topic analysis、research topic、帮我选题、选题推荐 |
本技能通过沁言学术OpenAPI大量检索相关文献，结合AI分析能力，为科研人员提供系统化的选题建议。分析涵盖选题方向、研究价值、研究内容概述、研究难点分析以及相关文献推荐。
学术诚信声明： 所有选题建议基于真实检索到的文献进行分析，不捏造文献或研究趋势。建议仅供参考，最终选题决策应结合导师意见和个人研究兴趣。
使用前请确保：
QINYAN_API_KEY 环境变量（前往 https://platform.qinyanai.com/ 申请）curl 和 python3export QINYAN_API_KEY="your-api-key-here"
根据用户提供的研究领域/方向，使用 scripts/search.sh 从多个数据库大量检索文献。
检索策略：
# 检索示例
bash scripts/search.sh google '{"query": "large language models education", "max_results": 20, "date_from": "2022"}'
bash scripts/search.sh arxiv '{"query": "large language models education", "max_results": 50, "date_from": "2022"}'
bash scripts/search.sh wanfang '{"query": "大语言模型 教育应用", "max_results": 50, "date_from": "2022"}'
搜索脚本参数格式同文献检索skill：
| 数据源 | 命令 | 特殊说明 |
|---|---|---|
| Google Scholar | bash scripts/search.sh google '<json>' | 单次最多20条 |
| 万方 | bash scripts/search.sh wanfang '<json>' | 支持中文，1-100条 |
| PubMed | bash scripts/search.sh pubmed '<json>' | 仅英文，1-200条 |
| ArXiv | bash scripts/search.sh arxiv '<json>' | 仅英文，1-100条 |
基于检索到的大量文献，分析研究现状、热点趋势、研究空白，生成选题建议。
对每个推荐的选题，按以下结构输出：
## 选题方向 [序号]：[选题名称]
### 选题方向
[具体的研究方向和切入点描述]
### 研究价值
[该选题的理论价值和实践意义，为什么值得研究]
### 研究内容概述
[该选题需要研究的主要内容、技术路线或方法框架]
### 研究难点分析
[该选题可能面临的主要技术难点、数据获取困难、方法挑战等]
### 相关文献
[列出5-10篇与该选题最相关的文献，标注来源]
- [1] 作者. 标题. 期刊/会议, 年份. DOI/URL
- [2] ...
用户: 我是计算机专业硕士研究生，想研究大语言模型在教育领域的应用，帮我分析选题
步骤1: 检索文献
- ArXiv: "large language models education" (50条)
- Google Scholar: "LLM education application" (20条)
- 万方: "大语言模型 教育" (50条)
步骤2: 分析文献趋势和研究空白
步骤3: 输出3-5个差异化选题建议，每个包含完整的五要素分析