菜单
多维文献矩阵构建 → Gap 发现 → 方法提案的完整研究工作流。 给定一个研究问题和约束条件，拆分出设计维度，通过 vec-db 语义搜索 + 联网搜索定向查找论文， 构建多维交叉文献矩阵，识别空白 Gap，并基于矩阵中已有工作的实验证据提出最优方法提案。 当用户说"找 gap"、"文献矩阵"、"有没有空白方向"、"提出方法"、"gap analysis"、 "design space analysis"、"帮我分析设计空间"、"有什么新方向可以做"、 或在已有调研基础上问"下一步应该做什么方法"时触发。 也适用于用户给出约束条件后要求系统地寻找可行研究方向的场景。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
巡检本期 SSH 可连的 5 台远程服务器（HPCC / BCC / TASL-LabServer / TASL-7 / Brev）的 GPU 情况——每卡显存与利用率、Slurm 集群的账号配额/排队作业/全节点空闲 GPU，并算出"我实际还能新申请多少张"。当用户说"检查 GPU""看下 GPU 显存""GPU 情况""哪台服务器有空卡""查一下算力""where can I run""check GPU status""GPU 够不够""有没有空闲显卡"等，或在准备起训练/挑服务器时触发。
统一绘图 skill——文生图 / 图生图 / 多图合成 / 编辑 / 论文与科普配图。两个后端由用户指定：nano(默认，Google Gemini "Nano Banana"，快 3-10s、便宜、原生中英文文字渲染、可 1K/2K/4K，含 lite/nb2/pro 三档) 或 gpt(速创API GPT-Image-2，真实感/精细文字更强，异步稍慢 60-90s)。四个专用风格预设也由用户按名指定，两后端通用：UniVLA(pastel macaron 论文方法图)、Physical Intelligence(π/pi-zero retro-computing monospace 图)、Fast-WAM(CVPR/ICLR 矢量图+attention-mask 矩阵)、蓝皮书 BlueBook(蓝白科技科普/咨询长图)。Use this skill for ANY image generation or editing request. 触发词：「画一张」「生成一张图」「出张图」「文生图」「图生图」「改这张图」「编辑图片」「把这张图改成…」「合成/融合这几张图」「做张海报」「配图」「方法图」「架构图」「用 nano/gemini 画」「用 GPT 画」「generate/edit/compose an image」「make a poster」「render a figure」，以及风格名「UniVLA 风格」「Physical Intelligence / PI / π 风格」「Fast-WAM 风格」「蓝皮书 / BlueBook 风格」。默认走 nano；用户点名「用 GPT」时走 gpt。
Write structured experiment reports from experiment-run output. Consumes results/<run_id>/ + EXPERIMENT_TRACKER.md. Reports are scannable: TL;DR + summary table first. Trigger when user says "写个报告", "总结实验结果", "实验报告", "experiment report", or after experiment-run completes.
Adversarial paper review + improvement loop. Sends paper PDF/manuscript to Codex GPT-5.5 as a senior ML reviewer, scores 7 dimensions, then iteratively fixes weaknesses until score ≥ 8. Use after paper-write, or when user says "improve paper", "审稿", "review my paper", "polish paper", "paper review", "提升论文质量", "review loop".
Write a structured rebuttal using Concede–Clarify–Commit structure. Parses reviewer comments, identifies overlapping concerns across reviewers, builds consolidated Table R1, produces venue-formatted rebuttal. Use when user says "写 rebuttal", "rebuttal", "回复审稿意见", "response to reviewers", or receives paper reviews and needs to respond.
Execute experiments from EXPERIMENT_TRACKER.md produced by experiment-plan. For each TODO run: launch training/eval, monitor via gpu-train-monitor, auto-diagnose failures via train-debug, collect results, update tracker. Bridges the gap between planning (experiment-plan) and reporting (experiment_report). Use when user says "跑实验", "run experiments", "执行实验", "按照 plan 跑", or has an EXPERIMENT_TRACKER.md ready to execute.
| name | gap-to-method |
| description | 多维文献矩阵构建 → Gap 发现 → 方法提案的完整研究工作流。 给定一个研究问题和约束条件，拆分出设计维度，通过 vec-db 语义搜索 + 联网搜索定向查找论文， 构建多维交叉文献矩阵，识别空白 Gap，并基于矩阵中已有工作的实验证据提出最优方法提案。 当用户说"找 gap"、"文献矩阵"、"有没有空白方向"、"提出方法"、"gap analysis"、 "design space analysis"、"帮我分析设计空间"、"有什么新方向可以做"、 或在已有调研基础上问"下一步应该做什么方法"时触发。 也适用于用户给出约束条件后要求系统地寻找可行研究方向的场景。 |
研究创新的本质是在已有工作的设计空间中找到没人做过的有价值组合。这个 skill 将这一过程系统化：
从用户的研究问题和约束条件出发，拆分出 3-6 个正交的设计维度。
每个维度应该是一个独立的设计选择，维度之间尽量不耦合。
示例（3D + VLA 领域）：
| 维度 | 含义 | 可选值举例 |
|---|---|---|
| D1: 数据来源 | 3D 监督信号从哪来 | GT depth、Mono depth 估计、Teacher model、Simulator mesh |
| D2: 解码器结构 | 将特征转为 3D 输出的网络 | MLP、Transformer Decoder、Diffusion、对齐头 |
| D3: 注入方式 | 3D 信息如何融入模型 | 输入端注入、中间层 aux loss、特征对齐、Action head 注入 |
| D4: Loss 类型 | 3D 相关损失函数 | Chamfer、EMD、Cosine Sim、MSE |
| D5: 重建范围 | 监督覆盖的空间范围 | 全场景、ROI/物体级、任务相关（语义引导） |
关键原则：
针对每个设计维度，通过 /litian-academic-search 定向搜索论文以便填进文献矩阵。
搜索策略：每个维度构造 1-2 个语义查询，包含该维度的核心概念 + 应用领域：
/litian-academic-search "point cloud decoder architecture for manipulation" --sources omnibox,s2,arxiv --k 8/litian-academic-search "selective object-centric reconstruction manipulation" --sources all --k 8并行执行：所有维度的查询在同一轮发出，利用多源并行。
搜索结果由 litian-academic-search 自动跨源去重（arXiv ID → DOI → 标题）。
将所有论文（已有 + 新搜索到的）按维度值填入交叉表。
推荐格式——全维度总表：
| 论文 | 会议 | D1: GT 来源 | D2: 解码器 | D3: 注入方式 | D4: Loss | D5: 范围 |
|------|------|------------|-----------|------------|---------|---------|
| Paper A | ICLR 2026 | Teacher | 对齐头 | 特征对齐 | Cosine | 全场景 |
| Paper B | CoRL 2024 | GT depth | Transformer | 中间层 aux | Chamfer | 全场景 |
| ... | ... | ... | ... | ... | ... | ... |
对每两个关键维度做 2D 交叉表，每格填入占据该位置的论文名。
格式：
D5-值1 D5-值2 D5-值3
D3-值1 Paper A,B Paper C ── 空白 ──
D3-值2 Paper D ── 空白 ── ── 空白 ──
D3-值3 Paper E Paper F ── 空白 ──
重点关注 D3 × D5（注入方式 × 范围）等核心维度对的交叉——这里最容易发现有价值的 gap。
不需要穷举所有维度对。选 2-4 个最关键的交叉来做即可。
在每个交叉矩阵中，用醒目标记（═══ 空白 ═══）标出没有论文占据的格子。
不是所有空白格都有价值。对每个 Gap 评估：
| 评估维度 | 好的 Gap | 差的 Gap |
|---|---|---|
| 有 evidence 支撑 | 矩阵中同行/同列的工作验证了各组件分别有效 | 纯粹"没人做过"但无证据支持可行性 |
| 填补后有差异化 | 与所有现有工作都有明确区分 | 只是现有工作的微小变体 |
| 符合用户约束 | 在用户锁定的维度值范围内 | 违反约束（如推理需要额外硬件） |
| 有故事可讲 | 能回应领域内的争论或批评 | 技术可行但无叙事价值 |
输出一个清晰的 Gap 列表，每个 Gap 包含：
从识别出的 Gap 中选择最优的一个（或组合多个），提出完整方法。
方法提案文档应包含以下部分：
# 方法提案：[方法名]
## 一、核心思想
一句话 + 对比表说明粗细粒度或多组件的设计
## 二、完整架构
ASCII 架构图 + 总 Loss 公式
## 三、各模块详细设计
每个模块的伪代码/PyTorch 代码 + 参数量估算 + GT 来源 + Loss
## 四、数据 Pipeline
从原始数据到训练 GT 的完整流程
## 五、训练策略
优化器、学习率、loss 权重调度
## 六、思考依据：为什么最可能 SOTA
每个设计选择都引用矩阵中的具体论文和实验结果作为 evidence
## 七、消融实验计划
每组消融验证一个设计选择的必要性
## 八、预期性能目标
列出 benchmark 当前 SOTA + 我们的目标
这是本 skill 最重要的原则：方法提案中的每一个设计选择，都必须有文献矩阵中的实验证据支撑。
不要凭空设计——从矩阵中找。格式：
| 设计选择 | 验证来源 | 关键结果 |
|---------|---------|---------|
| 用 Layer 24 分支 | Spatial Forcing (ICLR 2026) | 消融验证 ~75% 深度最优 |
| Chamfer loss | PointPatchRL (CoRL 2024) | 单独 Chamfer 即足够 |
| 选择性 > 全场景 | OTTER (ICML 2025) | 文本引导选择性显著提升 |
如果某个选择没有直接 evidence，明确标记为假设并设计对应的消融实验来验证。
必须包含一个与所有主要竞品的对比表，突出差异化维度：
| 维度 | 竞品 A | 竞品 B | 竞品 C | **我们** |
|------|-------|-------|-------|---------|
| ... | ... | ... | ... | **...** |
本 skill 产出两份 markdown 文档，放在 docs/reports/ 下：
literature_matrix.md
method_proposal.md
同时更新项目的 idea note（如有 standing instruction 要求）。