菜单
科研分析策略规划助手。根据用户的科研分析需求，通过调研顶尖期刊/会议论文的分析方法，制定个性化、可落地的最优分析策略。适用于需要制定实验设计、数据分析流程、技术路线的场景；兼容旧名 make-research-plan 的 prompt 触发。
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
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。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/huangwb8/ChineseResearchLaTeX --skill research-plan命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
基于 SOC 职业分类
正在显示 SKILL.md
| name | research-plan |
| description | 科研分析策略规划助手。根据用户的科研分析需求，通过调研顶尖期刊/会议论文的分析方法，制定个性化、可落地的最优分析策略。适用于需要制定实验设计、数据分析流程、技术路线的场景；兼容旧名 make-research-plan 的 prompt 触发。 |
| metadata | {"author":"Bensz Conan","short-description":"基于文献调研制定科研分析策略","keywords":["research-plan","make-research-plan","科研规划","文献调研","分析策略","实验设计","技术路线","方法学学习","分析计划","研究方案"]} |
本 Skill 的新任务中间文件统一写入 ./.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/{skill名}/input|output|log/。同一任务复用一个任务根目录；多 Skill 协作才创建 shared/。正式交付物不写入该目录，历史隐藏目录只允许显式兼容读取、迁移或清理。
bensz-collect-bugs 规范记录到 ~/.bensz-skills/bugs/，不要直接修改用户本地已安装的 skill 源码；若有 workaround，先记 bug，再继续完成任务。gh 上传新增 bug 到 huangwb8/bensz-bugs；不要 pull / clone 整个仓库。基于文献调研的科研分析策略规划助手
旧名 make-research-plan 仅作为 prompt 兼容别名保留；.make-research-plan/ 是稳定历史工作区名，不随 skill 目录重命名。
本 Skill 通过系统化调研顶尖期刊/会议论文，为用户制定个性化、可落地的科研分析策略。
输入：
操作：
.make-research-plan/输出：
.make-research-plan/ 目录结构目录结构：
.make-research-plan/
├── papers/ # 下载的 PDF 文献
├── metadata/ # 调研元数据
│ ├── theme.json # 主题和关键词
│ └── search_history.json # 检索历史
├── extracted/ # 提取的文献信息
│ └── papers_info.json # 论文结构化信息
├── analysis-framework.md # 分析框架总结
└── plan.md # 最终分析策略计划
目标： 从用户需求中结构化提取研究主题和关键词
方法：
输出： metadata/theme.json
{
"primary_topic": {
"name": "主题名称",
"description": "主题描述",
"keywords": ["关键词1", "关键词2", "关键词3"]
},
"secondary_topics": [
{
"name": "相关主题1",
"keywords": ["关键词1", "关键词2"]
}
],
"extracted_at": "2026-01-19T09:30:00Z"
}
检索策略：
多源检索：
检索式构建：
质量过滤：
输出： metadata/search_history.json
{
"searches": [
{
"topic": "主题名称",
"query": "检索式",
"source": "数据源",
"results_count": 150,
"timestamp": "2026-01-19T09:35:00Z"
}
]
}
AI 逐篇评估：
语义相关性评分（1-10 分）
子主题分组：
高分优先选取：
输出： metadata/papers_scored.json
{
"papers": [
{
"title": "论文标题",
"authors": ["作者1", "作者2"],
"year": 2024,
"journal": "期刊名",
"relevance_score": 9,
"subtopic": "方法学",
"doi": "10.xxxx/xxxxx",
"url": "https://doi.org/..."
}
]
}
输出： references.bib
格式：标准 BibTeX，包含所有必要字段
方法：
papers/ 目录，命名格式：{第一作者姓氏}_{年份}_{期刊简写}.pdf输出： papers/*.pdf
错误处理：
目标： 从每篇 PDF 中提取分析方法和技术细节
提取内容：
方法：
输出： extracted/papers_info.json
{
"papers": [
{
"id": "paper_001",
"title": "论文标题",
"methods": {
"study_design": "队列研究",
"preprocessing": ["质量控制", "归一化"],
"statistical_tests": ["t检验", "ANOVA"],
"correction": "FDR",
"visualization": ["箱线图", "热图"],
"software": {
"R": ["limma", "ggplot2"]
目标： 综合所有论文，提炼最佳实践
分析维度：
方法学共识：
方法学差异：
工具生态：
质量控制：
输出： analysis-framework.md
模板见：research-plan/references/output-templates.md
分析用户需求：
映射到分析框架：
输出： plan.md
模板见：research-plan/references/output-templates.md
向用户呈现：
审查问题：
plan.md：最终分析策略计划（用户友好格式）analysis-framework.md：分析框架总结（详细技术文档）references.bib：参考文献清单（可引用）metadata/：调研元数据（可复现）extracted/papers_info.json：论文信息结构化数据（可再利用）✅ 可以做的：
❌ 严禁做的：
Q: 无法下载某些 PDF A: 记录失败的 DOI，可以在最终报告中说明，或尝试手动获取
Q: 提取的方法信息不完整 A: 使用补充材料（supplementary materials）或联系作者
Q: 文献数量太少 A: 放宽检索条件（年份、关键词范围）
Q: 不同论文方法冲突 A: 在分析框架中标注争议点，提供多方案选择
实现/脚本状态与职责边界见：research-plan/references/implementation-notes.md
变更记录见：research-plan/CHANGELOG.md（版本号以 research-plan/config.yaml:skill_info.version 为准）