agentleFS
haozhou-wonghaozhou-wong/haozhou-skills/literature-survey/SKILL.md

literature-survey

Skill1 starsChanged 4 months agoMITView on GitHub

深度文献调研与报告生成。负责领域级文献调研任务,产出完整的深度文献调研报告 (研究背景 / 技术脉络 / 重要工作 / 前沿动态 / 开源生态 / 开放问题六章)。 当用户提到"文献调研""调研一下 XX 方向""文献综述""研究现状""技术脉络" "literature survey""literature review""related work""survey 这个领域" "这个方向有哪些重要工作 / 开源实现""research gap""研究空白"等时使用, 即使用户没有明说要"报告"。凡是需要对一个研究方向建立整体认识的请求都应触发本 skill。 不接管单篇论文的检索、下载、DOI/PMID 验证与期刊指标查询——那些由 paper-search 负责。

8 other projects use a version of this.

Adopted by

Most recently taken up by

The file

Files
SKILL.md

深度文献调研 (Literature Survey)

对一个研究方向做系统性文献调研,写一份领域新人能读懂的深度综述报告。报告用中文写,技术术语保留英文。读者是还不熟悉该领域的人:术语、缩写、任务设定第一次出现时要解释清楚。

范围与筛选标准

  • 时间窗口:近五年,重点看最近一两年(如果用户指定了范围,请遵循用户指令)。
  • 核心来源:CCF-A 类会议与期刊。判级查 references/ccf-2026-lite.md,按全称核对。排除 workshop / demo / short paper,影响力突出者除外。交叉领域主题(航天、能源、生医等)不要把 CCF 硬套过去,用 paper-search 查期刊指标,取 JCR Q1 或中科院 1、2 区。
  • 补充来源:不在 CCF-A 但满足任一条件即纳入,报告中注明依据:
    • GitHub star ≥ 100(gh api 或 web 查询,以查询当日为准);
    • 引用量 ≥ 100(引用量以 Semantic Scholar 或 OpenAlex 的计数为准:search_semantic_scholar 和 search_openalex 的检索结果自带引用数,单篇论文用 get_paper_by_doi 查);
    • 一年内的预印本:重点关注知名作者/团队的新作(既往有 CCF-A 或高影响力发表记录),以及 OpenReview 投稿 CCF-A 会议且评分不低、被重要工作引用、引用增速快、代码仓库热度高的工作。

工具

  • 检索、元数据核验、施引/参考文献扩展、PDF 获取一律使用 paper-search skill;用户同意后才退化为 web 检索,并说明元数据可靠性会下降。
  • 读全文优先取 LaTeX 源 > Markdown / HTML > PDF:arXiv 论文先拿源码包(https://arxiv.org/e-print/<id>,tar 解包读 .tex)或 ar5iv 页面(https://ar5iv.org/abs/<id>);都拿不到才下载 PDF 解析。

工作流

  1. 范围界定:检索前必须先列出范围假设(核心问题、排除项、时间窗口等),交用户确认后才往下走,不要跳过。确认后列关键词及同义词(例:anomaly detection ≈ outlier detection ≈ novelty detection,同一问题通常有不同叫法,只搜一种会漏掉大量文献)。
  2. 广撒网初筛:paper-search 多来源、多措辞检索,再对核心 venue 近两年 proceedings 定向扫一遍(DBLP 等来源)。这一步只看标题、摘要、venue、年份、引用数,建 30–60 篇候选清单。用工作表记下题名、作者、年份、venue、DOI/arXiv ID、引用数、初步相关性。作者名和 DOI 从检索记录里带走,写作时不要靠记忆补:记忆会补出貌似合理但错误的人名。
  3. 判级与筛选:按上节标准过滤;走补充来源通道的逐条核验并记下依据;近一年 arXiv 新作归入前沿动态候选。
  4. 引文图谱扩展:从初步结果出发,查找前向引用(谁引用了这篇论文?)和后向引用(本文引用了哪些文献?),新发现按同样标准并入。在新论文里见到没搜过的术语,拿它回到第 2 步再检索一轮。
  5. 开源发现:GitHub 搜主题相关实现,Papers With Code 查对应任务/数据集的模型与代码,再找社区维护的 awesome-X 清单。结果喂给第 5 章开源生态和论文总表的代码链接列;从热门项目反查到的论文也按筛选标准并入候选。
  6. 精读论文:对通过筛选的读全文,逐篇记录动机、方法核心、实验亮点、局限、与前后工作的关系、完整英文摘要原文。
  7. Gap 识别与验证:用覆盖矩阵找 gap——问题维度做行、现有方法做列,空格就是候选。每个候选逐条验证:换 3 种以上措辞检索、翻 top venue 近两年 proceedings、查近半年 arXiv、技术上可行、填上它对领域确实有意义。全过才算 gap,置信度标高/中/低(高 = 充分检索、明确没人做;低 = 检索有限,可能漏在别处)。
  8. 成文:按"输出文档"组织。报告里每个事实性字段(DOI、venue、年份、作者、star 数、实验数字)都要能追溯到检索记录或论文原文。
  9. 可读性润色:成文后调用 humanizer-zh skill 对全文做一轮润色,去除 AI 写作痕迹(参见该 skill 的模式清单)。润色时保持学术风格和严谨性——不削弱论据、不模糊引用、不去掉必要的限定词,只消除冗余修饰、公式化句式和宣传性语言。

验证规则

  • 不凭记忆编造 DOI、arXiv ID、venue、年份、作者,写进报告前经 paper-search 核验。题名用论文的印刷标题(系统名放括号里,不拿它当标题),venue 以官方记录为准;题名、一作、年份、DOI 相互对不上就标记可疑重查。
  • 同一工作的 arXiv 版和正式发表版合并成一条,优先正式版本。交付前对所有标 preprint 的条目做一次正式版本对账(查 Semantic Scholar/OpenAlex 的发表 venue)。arXiv 论文常常早已中会,标错会让读者低估它的份量。
  • 摘要原文和官方摘要逐字一致(只允许空白差异)。拿不到完整摘要就标"摘要节选"或"未能核验",不编造,不截断冒充完整。一次 403 不等于取不到,换 UA、换来源(官方页 / arXiv / OpenAlex)再试。
  • 高热度或反直觉的结论查撤稿状态(Crossref 的 update-to 字段)。用户要找"证明 X 的那篇论文"而 X 已被推翻或从未成立时,如实说明该主张的现状,不递上最接近的引用。
  • gap 结论写明检索来源和日期("截至 X 日,在 Y 来源 Z 检索式下未检出")。检索源限流或报错时的零结果,不能当"无人做过"的证据。
  • 有争议的问题呈现双方证据;置信度跟着证据强度走:单篇报告的结果写"某工作报告了 X",多方复现的结论才平铺直叙。

写作原则

  • 先检索后写作:记忆负责框架和检索词,检索结果负责引用和事实。
  • 综述是比较,不是摘要罗列:说清哪些结论互相印证、哪些矛盾、谁在什么设定下取代了谁。技术脉络用连贯散文写成论证,每段首句是你的综合判断,引用跟在后面。自检办法:只读每段首句,连起来应该是一条论证链;如果是一串人名年份,那是套着综述外衣的注释书目,重写。讲清为什么从 A 方法走到 B 方法,A 的哪个局限催生了 B,而不是把两者并列。"A 催生 B"要有 B 引用 A 的证据,并过一遍年代检查(后发工作"支撑"不了先发工作);拿不准就写"同期工作"或"概念相关",时间挨着或同一个团队不等于因果。
  • 内联引用写成 [Author Year](https://doi.org/10.xxxx/xxx),arXiv 没有 DOI 就链 abs 页。不用 [1][2][3] 编号,段落一挪就错位。DOI 里的括号转义成 %28 %29。

输出文档

完整报告共六章:

  1. 研究背景与问题定义:1–2 段说清该领域要解决什么问题。如果开工前没条件和用户确认主题边界(比如在后台运行),把自己定的范围假设列在本章开头,不超过 5 条,读者一眼就能判断报告口径对不对。
  2. 技术脉络梳理:按子方向或时间线组织的综述散文加内联引用,讲明白方法怎么演进,关键节点展开原理和动机。章末给一屏"技术地图",图或表都行,关系必须带类型标签(改进自 / 同期 / 同团队后续 / 概念相关),不画无标签箭头。本章可以引用前沿动态里的 preprint,标注即可。
  3. 重要工作详述:章首先给推荐阅读顺序——5–8 篇新人最短路径,每篇一句为什么先读它;然后逐篇详述,排列规则:推荐阅读顺序中的论文排在最前(保持推荐顺序),其余论文紧随其后按脉络顺序排列。值得推荐的都收,每篇含:
    • 基本信息:标题、作者、发表场所、年份、GitHub 链接与 star 数(如有);非 CCF-A 来源附达标依据
    • 动机、方法(1–2 段展开核心思路和技术细节,不是一句话概括)、实验亮点、局限、与前后工作的关系
    • 完整英文摘要原文及中文翻译(原文逐字,见验证规则;译注放方括号;摘要本身是中文无需翻译)
    • 推荐理由
  4. 前沿动态观察:首次公开不满 12 个月、尚无正式发表版本的值得关注预印本。不设数量上限,不占第 3 章名额;已被 CCF-A 录用的移进第 3 章。逐篇详述结构与第 3 章一致。
  5. 开源生态分析:有影响力的开源项目,给 star 数、维护活跃度、适用场景。
  6. 开放问题与趋势:具体的 gap 和新方向,每个 gap 标置信度、写明检索范围。

报告末尾附论文总表(附录):通过筛选的论文全部进表,按技术路线分组。列:题名、年份、venue 与判级依据、引用数、代码链接、简要概述(几句话说清这篇做了什么、特别之处在哪)。

交付形态:全文写入 survey-<主题slug>-<YYYYMMDD>.md,默认放 docs/ 目录(不存在则创建),用户指定路径时从其指定。默认唯一的文件交付物就是这份报告,工作表、笔记、下载物等中间工件留在临时目录。聊天回复给实质性摘要:领域核心问题、脉络主线、3–5 篇最该先读的论文和理由、主要开放问题,文件链接放末尾。不主动产出 BibTeX 或 HTML/PDF,用户要求时另行处理。

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.