菜单
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
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
撰写国家自然科学基金（NSFC）申请书，覆盖青年科学基金（C类）、优秀青年科学基金（B类）、国家杰出青年科学基金（A类）2026年度最新规范。提供分阶段写作工作流：基本信息、摘要、立项依据、研究内容、研究基础、个人简历、伦理与AI辅助声明等模块；内置文献检索策略与质量自查清单。工具中性，适配 Claude Code / Cursor / Codex / OpenClaw / Gemini CLI。触发词：国家自然科学基金、国自然、NSFC、青基、青年基金、优青、杰青、面上项目、natural science foundation of china、nsfc grant、青年科学基金申报
撰写国家社会科学基金（NSSFC）年度项目申请书，依据 2025 年全国哲学社会科学工作办公室官方模板，覆盖重点项目（A）、一般项目（B）、青年项目（C）、西部项目（X）四类。提供分阶段写作工作流：数据表、选题说明（300字）、选题依据、研究内容、创新之处、研究基础、经费概算、活页匿名化等模块；内置社科文献检索策略与质量自查清单。工具中性，适配 Claude Code / Cursor / Codex / OpenClaw / Gemini CLI。触发词：国家社会科学基金、国社科、社科基金、NSSFC、哲学社会科学、重点项目、一般项目、青年项目、西部项目、社科申报、活页
沁言学术文献引用 - 先通过沁言学术OpenAPI检索文献，然后按照GB/T 7714、IEEE、APA、MLA、Chicago、Harvard等标准格式输出引用参考文献。严格遵循学术规范，未获取的信息保留省略号。触发词：文献引用、参考文献、引用格式、citation、reference format、生成引用、引用管理、参考文献格式
沁言学术论文分析 - 对单篇学术论文进行深度分析解读，提取研究目标、方法论、主要发现和研究限制。通过沁言学术OpenAPI的analyze接口实现。触发词：论文分析、论文解读、分析论文、paper analysis、analyze paper、论文解析
沁言学术论文润色优化 - 按照专业学术规范对中英文学术论文、专业报告进行文本润色，提升语言表达质量、逻辑连贯性和学术规范性。触发词：论文润色、论文修改、润色优化、paper polishing、academic writing、论文改写、文本润色、报告润色
沁言学术文献检索 - 支持从 Google Scholar、万方(Wanfang)、PubMed、ArXiv 四大学术数据库检索文献。智能选择检索策略：中文优先万方、英文优先Google Scholar、医学类优先PubMed、理工计算机类优先ArXiv。使用沁言学术OpenAPI。触发词：文献检索、论文搜索、搜索论文、查找文献、paper search、find papers、search literature
| 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