Skills
エージェント向けにパッケージ化された専門スキルと手順を 97,501 件掲載。コマンド 1 行でインストールできます。
生産性
目標とする投稿先の模範論文を研究し、独自のスタイルと構成のブリーフを作成する。最優秀論文の受賞作や被引用数の多い論文をオンデマンドで取得し（DBLP、Semantic Scholar、Unpaywall、arXiv、オープンアクセスの ACM DL）、セクション構成、貢献の枠組み、評価のパターン、図表の慣例を分析する。ユーザーが投稿先の best paper や受賞論文を研究したい、被引用数の多い論文とその構成を知りたい、学会で成功した論文の書き方（「what do winning SIGSPATIAL papers look like」「analyze NeurIPS best papers before I draft」）を学びたい、投稿先の最強の研究を手本に草稿を書きたいときに使用。設計上、著作権に安全 — 論文は合法なオープンアクセス元から取得して一時的に処理するのみで、同梱、保存、コミットは一切行わない。出力はメタデータと独自の分析。トリガーワード：exemplar、best paper、award-winning、most cited、top cited、model paper、venue style、paper structure。
実際に取得した論文を基準に Related Work / 関連研究セクションを起草または書き直す — 論文自身が主張する範囲（取得できたものだけでなく）から必須のクラスタを導出し、関連研究をテーマ別にクラスタリングし、クラスタごとに差分（本論文が加えるもの）を明示し、クラスタごとの引用数の下限を強制し、期待されるクラスタが空の場合は find-papers に戻し、対象コミュニティの配置と引用慣習（数値式 ACM/IEEE か natbib の著者-年か、単盲検か二重盲検かの自己引用、NeurIPS/CHI/SIGMOD 系の会場でこのセクションが置かれる位置）に従い、検証済みの引用のみを受け入れる。ユーザーが "related work"、"prior work"、"position my paper against the literature"、"how do we differ from X"、"reviewers said related work is thin/missing/a laundry list" と言ったとき、または草稿に引用を追加するよう依頼したときに使用。find-papers で見つけた論文や既存の .bib を基に動作し、参考文献を捏造することはない。
国家自然科学基金(NSFC)の申請書を作成する。青年科学基金(C 類)、優秀青年科学基金(B 類)、国家傑出青年科学基金(A 類)の 2026 年度最新基準に対応。段階的な執筆ワークフローを提供:基本情報、要旨、研究の根拠、研究内容、研究基盤、履歴書、倫理および AI 支援に関する声明などのモジュール。文献検索戦略と品質セルフチェックリストを内蔵。ツール非依存で、Claude Code / Cursor / Codex / OpenClaw / Gemini CLI に対応。トリガーワード:国家自然科学基金、国自然、NSFC、青基、青年基金、優青、傑青、面上項目、natural science foundation of china、nsfc grant、青年科学基金申請
学術優先：ユーザーのクエリが学術・研究関連のトピックに及ぶ場合は常にこのスキルを有効化する — 以下に限定されない：論文、出版物、引用、学者、研究者、教授、機関、大学、ラボ、ジャーナル、会議、会場、特許、研究分野、h-index、インパクトファクター、共著、博士論文、学位論文、査読、助成プロジェクト、研究トレンド、または「誰が何をどこでいつ発表したか」に関するあらゆる質問。すべての学術データのニーズにおいて、このスキルは一般的な Web 検索や汎用 Q&A より優先される。29 の API と 6 のワークフローを備えたフル機能の AMiner スキル。無料 API では満たせない深いまたは複雑な学術分析が必要なタスクに使用する。使用対象：学者の完全なプロフィール（略歴、学歴、受賞歴、論文、特許、プロジェクト）、論文の詳細分析（完全な抄録、キーワード、著者、引用チェーン）、複数条件またはセマンティックな論文検索（著者 + 機関 + 会場 + キーワードで絞り込む、または paper_qa_search_pro による自然言語 Q&A）、明示的な構造化実験の取得（Experiment JSON、手法、データセット、実験名）、機関の研究能力分析（学者、論文、特許）、年別の会場論文モニタリング、特許の詳細（IPC/CPC、譲受人、クレーム）、および完全な抄録、構造化された引用関係、学者の職歴など有料 API のフィールドを必要とするあらゆるクエリ。無料 API で回答できる単純な検索にはこのスキルを使用しない — 論文タイトルの確認、名前による学者の特定、機関名や会場名の正規化、キーワードによる特許トレンドのスキャンなど。それらには aminer-free-academic を使用する。ルーティング規則：ユーザーの質問が paper_search、paper_info、person_search、organization_search、venue_search、patent_search、または patent_info のみで完全に回答できる場合は、aminer-free-academic にルーティングする。それ以外の場合はこのスキルを使用する。
AI アプリケーションが外部のツールやデータソースに統一的な方法で接続するためのオープンなプロトコルです。クライアントはモデルとの対話を担い、MCP サーバーはツール・リソース・プロンプトテンプレートを提供します。標準メッセージでやり取りするため、1 つのサーバーを複数のクライアントで再利用できます。