get-research-paper

获取研究论文

一项研究发现技能。research-paper 技能负责撰写论文，而这项技能负责查找论文。输入一个主题，即可获得一份经过排序、去重的阅读清单，包含真实存在的论文、经核实的 DOI、关键发现以及可直接引用的元数据。

此文件是入口点。更详尽的指南（各来源的策略、排序标准、总结提示词）位于主题文件夹中，并会按需加载。

---

1. 何时启用

斜杠命令

命令	功能
/get-research-paper <topic>	精选阅读清单（默认 10 篇论文）
/find-paper <topic>	/get-research-paper 的别名
/find-papers <topic>	/get-research-paper 的别名
/fetch-paper <topic>	/get-research-paper 的别名
/papers-on <topic>	/get-research-paper 的别名
/scholar <topic>	快速学术摘要（5 篇论文，每篇 2 行摘要）

常用选项：

• --n <N> — 论文数量（默认 10）。
• --years <range> — 例如 2020-2024、last-5、since-2018。
• --source <src> — arxiv、scholar、pubmed、semantic-scholar、all（默认）。
• --depth <quick|standard|deep> — 摘要详略程度。
• --style <harvard|apa|ieee|...> — 预先格式化参考文献。
• --audience <academic|technical|general> — 调整摘要风格。
• --handoff — 生成可供 research-paper 技能使用的 bibliography.yaml。

自然语言表达

• “获取关于 / 涉及 / 用于 [主题] 的研究论文”
• “查找关于 [主题] 的研究论文”
• “查找关于 / 涉及 [主题] 的论文” -“[主题] 领域最重要的论文有哪些？”
• “给我看看关于 [主题] 的研究”
• “获取关于 [主题] 的论文”
• “列出关于 [主题] 的论文”
• “[主题] 相关文献”（比 /literature-review 更简短）
• “scholar [主题]”

不应启用的情况

以下情况不要启用：

• 请求撰写论文（转交给 research-paper）。
• 请求评审或批判草稿（转交给 research-paper）。
• 不需要学术来源的一般问题（例如“X 是什么？”）。
• 仅查询代码 / API 文档。

---

2. 输出约定

每次运行至少生成：

1. 阅读清单 — N 篇论文，包含：
   • 标题（完整）
   • 作者（列出前 3 位；如有更多作者，则加上 “et al.”）
   • 年份
   • 发表场所 / 期刊 / 预印本服务器
   • DOI / arXiv ID / URL
   • 2–4 句摘要（问题 → 方法 → 发现 → 重要性）
   • 相关性评分（1–5）和质量评分（按照 citation_engine 评分标准）
   • 可直接使用的引用键（小写作者名_年份_单词）
2. 领域简报（可选；--depth deep 时默认启用）— 用 1 段综合介绍该领域的现状和主流方法。
3. bibliography.yaml — 可直接交给 research-paper 技能使用的规范格式文件。
4. Known-gaps.md 区块 — 列出所有无法核实的论文，并标明严重程度和建议的修复方法。

请参阅 templates/reading-list.md、templates/paper-summary.md、 templates/briefing.md。

---

3. 核心原则

0. 首先以今天的日期为准。 进行任何搜索前，先确定 今天的实际日期（通过 date -u +%Y-%m-%d、运行时上下文，或 询问用户）。绝不要默认使用训练数据截止日期。 类似 --years last-3 的年份范围应根据今天计算。完整协议见： instructions/freshness.md。
1. 只使用真实论文。 绝不捏造论文、DOI、作者或研究结果。 只使用模型能够核实的来源（或如实标注 [UNVERIFIED — offline]）。
2. 积极去重。 相同 DOI / arXiv ID / 第一作者 + 年份 + 标题前缀 → 合并为一个条目。
3. 按相关性和质量排序。 一篇仅提及主题的劣质论文，不如一篇只需多点两下就能找到的优秀论文有用。
4. 默认可直接引用。 每个条目都包含 cite_key、DOI 和可直接使用的格式化引文。
5. 交叉验证。 对于关键主张，优先采用 ≥ 2 个独立来源。若研究发现仅基于单一来源，请注明。
6. 如实说明局限。 没有网络工具时，模型依赖训练数据中的知识——请为每个条目标注这一点。
7. 顺畅交接。 输出可通过 --handoff 模式供 research-paper 技能使用。

---

4. 顶层工作流

intake → search-strategy → fan-out search → rank+dedupe →
verify → summarize → assemble briefing → output (+ optional handoff)

每个步骤都有专门的操作指南。阅读当前步骤对应的文件；保存产物；然后继续。主流程： workflows/search.md。

---

5. 来源覆盖范围

来源	优先使用的场景	工具
arXiv	CS、ML、AI、物理、数学、定量生物学	toolchains/arxiv_search.py（仅通过 API 在线时可用）
Google Scholar	通用 / 跨学科的广泛综述	使用 site:scholar.google.com 的 WebSearch
Semantic Scholar	适合 API 调用、引文图谱、摘要	对 api.semanticscholar.org 使用 WebFetch
PubMed / PubMed Central	生物医学、生命科学	对 eutils.ncbi.nlm.nih.gov 使用 WebFetch
DBLP	CS 作者 / 会议 / 出版物列表	对 dblp.org 使用 WebFetch
ACM DL	HCI、系统、安全、网络	使用 site:dl.acm.org 的 WebSearch
IEEE Xplore	工程、信号、硬件	使用 site:ieeexplore.ieee.org 的 WebSearch
OpenReview	NeurIPS、ICLR、ICML 评审 + 论文	对 openreview.net 使用 WebFetch
Crossref	DOI 核验 + 元数据补全	对 api.crossref.org 使用 WebFetch
Retraction Watch	撤稿筛查	对 retractionwatch.com / database 使用 WebFetch

各来源的策略详情：sources/。

---

6. 排序和质量

每篇候选论文按以下标准评分：

• 权威性（0–4） — 会议或期刊质量（同行评审严格程度、影响力）。
• 方法严谨性（0–3） — 可复现性、样本量、统计方法是否可靠。
• 时效性 / 相关性（0–3） — 内容新且切题，或具有奠基性且属经典文献。
• 总分（0–10） — 用于排序。

默认阅读清单保留得分 ≥ 5 的论文。提高最低分可进一步提高门槛（--quality-floor 7）。

完整评分标准：prompts/ranking.md（扩展了 research-paper 技能中的 citation_engine/source-evaluation.md）。

---

7. 交接给 research-paper

生成阅读清单后：

/get-research-paper "graph neural networks for fraud detection" \
    --n 25 --handoff --style ieee --years 2020-2024

生成：

gnn-fraud-detection/
├── reading-list.md            # human-readable curated list
├── bibliography.yaml          # ← canonical file for research-paper skill
├── briefing.md                # 1-paragraph synthesis
└── Known-gaps.md              # any unverifiable items

然后，用户使用生成的参考文献列表运行写作技能：

/research "graph neural networks for fraud detection" \
    --style ieee --bibliography ./gnn-fraud-detection/bibliography.yaml

写作技能会直接读取精选后的参考文献列表——无需重新搜索。

---

8. 故障处理

• 无法进行网络搜索 → 使用模型已知的论文，将每个条目标记为 [UNVERIFIED — offline]，将建议的 --n 调低至 5–8，并在简报中说明这一限制。
• 搜索没有结果 → 扩大查询范围（删去形容词，尝试同义词），然后如实说明并返回已找到的内容。
• 不同来源的元数据存在冲突 → 优先采用已发表（经同行评审）的版本，而非预印本；并注明两者之间的关系。
• 发现已撤稿论文 → 从列表中删除；在 Known-gaps.md 中标记。
• 主题超出范围 → 在简报中说明；尽力提供结果。

---

9. 后续查阅

• 规划搜索 → workflows/search.md
• 各来源的策略 → sources/
• 排名标准 → prompts/ranking.md
• 摘要 → prompts/summarization.md
• 输出模板 → templates/
• 移交给写作者 → workflows/handoff-to-writer.md
• arXiv 搜索工具 → toolchains/arxiv_search.py

此技能有意设计得比写作技能更精简。它的任务是发现和筛选；繁重的工作（写作、方法论、评审）由 research-paper 承担。