关于 draft-survey
draft-survey 是面向研究作者的文献综述写作技能,可围绕某个主题生成独立综述。它提供排序并附注的阅读清单,以及含已验证引文、按主题组织的双栏 arXiv 就绪草稿。
主要功能
- 01搜索并扩展候选论文
- 02排序并注释阅读清单
- 03验证引文标识符
- 04按主题整理论文
- 05撰写双栏 LaTeX 综述
- 06检查 arXiv 编译就绪情况
适用场景
- 01快速了解陌生研究领域
- 02准备独立综述草稿
- 03查找主题中的奠基与近期研究
安装
复制下面的命令,在终端中运行。
$
npx skills add https:/ / github.com/ shaishavmaisuria/ research-paper-lifecycle-skills --skill draft-survey安装后在 Claude Code 中输入/draft-survey确认已加载。
附带文件references/ranking-criteria.mdscripts/rank_papers.py
详细介绍
调研综述草稿
围绕一个主题交付两项成果:一份排序后的阅读清单(推荐阅读内容,按优先级排序,并说明一句推荐理由),以及一份可直接用于 arXiv 的双栏综述草稿,以原创文字综合该领域,并附经核实的引用。整合 find-papers、verify-citations、study-exemplars 和 draft-related-work。
何时使用它,而非 literature-review
literature-review为你自己的论文撰写相关工作,范围聚焦于你的贡献。draft-survey会围绕整个领域生成一份独立的综述文档(阅读清单 + 可发表的双栏草稿)。可用于快速了解某个领域,或起草一篇 arXiv 综述论文。
输入
- 主题(例如“地理空间数据融合”),可选子范围和目标篇幅(默认 5–6 页双栏)。
- 可选:发表场所/格式(默认使用通用双栏
article,可在 arXiv 上编译)。
流程
- 广泛搜集候选论文。 通过
find-papers在 DBLP、Crossref、Semantic Scholar 和 arXiv 上搜索主题及其同义词;然后运行其引用图扩展,以免遗漏奠基性文献和直接研究脉络(遗漏奠基性论文的综述质量不佳)。 - 排序。 运行
python3 scripts/rank_papers.py candidates.json——该脚本依据归一化引用次数、发表场所等级、时效性和引用图中心性进行综合排序(权重详见 references/ranking-criteria.md)。输出排序后的阅读清单:排名、标题、作者、年份、发表场所、引用/影响力指标,以及一句推荐阅读理由(奠基性/综述/SOTA/数据集/反主流观点)。既要涵盖奠基性论文,也要纳入近期论文。 - 核实每条条目。 将清单交由
verify-citations处理,确保每篇论文都有真实的 DOI 或 arXiv ID;删除或标记所有无法确认的条目。引用伪造文献的综述不合格。 - 构建分类体系。 将核实过的论文归为 3–6 个主题/子问题(作为综述的章节结构),并梳理每个主题的研究脉络(奠基性 → 最新进展)。
- 撰写综述,使用原创文字。 编写双栏
.tex文件,包含摘要、引言(范围 + 当前撰写综述的必要性)、每个主题对应的章节(综合并比较方法——绝不照搬来源中的句子)、跨主题比较(适合时可用表格)、未解决的问题/未来方向、结论和\bibliography。所有论断都要引用经核实的论文。篇幅按要求控制。 - 准备好提交至 arXiv。 确保文件可编译(
latexmk),使用可移植的双栏文档类,并清理.bib文件。arXiv 不会因同行评审拒稿,但要求源码可编译,且须提供真实摘要;preflight-check可用于检查篇幅/结构是否合理。
输出
reading-list.md——经核实、带注释的排序阅读清单。survey.tex+refs.bib——可直接用于 arXiv 的双栏草稿(原创文字,经核实的引用)。- 两项成果均写入
paper-workspace/research/,或用户指定的路径。
注意事项
- 只使用真实引用。 每条参考文献都须经
verify-citations核实;绝不为填补空缺而编造论文、DOI、作者或年份。 - 原创综合,禁止抄袭。 用自己的话总结并比较;不要粘贴摘要或论文中的句子。不会打包论文内容(按需获取并临时处理)。
- 不制造全面综述的假象。 说明检索范围,并指出综述不可能穷尽所有内容;对于覆盖不足的主题应明确标注,而非用内容凑篇幅。
- 协作辅助,而非代笔:作者应审核阅读清单和草稿,并对提交的任何论文负责。
来源核实
引用影响力和发表场所信息来自实时学术 API,而非凭记忆提供;每篇引用的论文都带有用户可打开并解析的标识符。
记忆
按照 paper-memory-convention.md 中的说明使用 .paper-memory/:开始时读取该主题以往的阅读清单/经验;结束时追加主题、选用的分类法和任何覆盖缺口(去重)。
评论
支持 Markdown