mcpField
G
Getting Started with Research Superpowers

Getting Started with Research Superpowers

github.com/kthorn生产力131165 次安装53 周前更新
代码仓库

关于 Getting Started with Research Superpowers

一组供 Claude Code 使用的系统性文献检索与综述技能，覆盖查询、筛选、信息提取和综合。它聚焦已发表论文，不用于实验数据分析或实验设计。

主要功能

  1. 01检索 PubMed 和 Semantic Scholar
  2. 02建立并完善筛选标准
  3. 03筛选摘要及论文全文
  4. 04提取方法与研究结果
  5. 05追踪引文网络
  6. 06并行筛选大量论文

适用场景

  1. 01开展系统性文献综述
  2. 02筛选大量论文
  3. 03查找论文中的方法与测量数据
  4. 04追踪相关引文及开放获取版本

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/kthorn/research-superpower --skill getting-started-with-research-superpowers

安装后在 Claude Code 中输入/getting-started-with-research-superpowers确认已加载。

详细介绍

开始使用 Research Superpowers

Research Superpowers 为 Claude Code 提供系统化的文献搜索与综述工作流。

**重点：**查找、筛选已发表论文并从中提取数据。不用于分析实验数据或设计实验。

你可以做什么

使用这些技能开展系统性文献综述：

  • 搜索文献 - 集成 PubMed 和 Semantic Scholar
  • 构建筛选标准 - 协作定义并测试相关性标准
  • 筛选论文 - 两阶段筛选（摘要 → 深入分析）并评分
  • 提取数据 - 从论文中查找具体方法、结果和测量数据
  • 追溯引用 - 智能追溯前向和后向引用
  • 大规模筛选 - 并行子 Agent 处理 50+ 篇论文
  • 跟踪发现 - 使用摘要、PDF 和去重功能整理研究会话

可用技能

文献搜索与综述技能（skills/research/）

  • answering-research-questions - 主要编排工作流（搜索 → 筛选 → 提取 → 综合）
  • building-screening-rubrics - 通过测试驱动的迭代完善协作设计筛选标准
  • searching-literature - 使用关键词优化搜索 PubMed
  • evaluating-paper-relevance - 两阶段筛选（摘要 → 深入分析）
  • subagent-driven-review - 对大型搜索结果（50+ 篇论文）进行并行筛选
  • checking-chembl - 检查药物化学论文是否在 ChEMBL 中有整理好的 SAR 数据
  • traversing-citations - 遍历 Semantic Scholar 引用网络
  • finding-open-access-papers - 使用 Unpaywall API 查找付费墙论文的免费版本
  • cleaning-up-research-sessions - 研究完成后安全清理中间文件

基本工作流

当用户提出文献搜索问题时：

  1. 阅读 answering-research-questions 技能 - 主要编排流程
  2. 告知用户：“我正在使用 Answering Research Questions 技能”
  3. 解析查询 - 提取关键词、数据类型和约束条件
  4. 创建研究文件夹 - 提议名称并初始化跟踪
  5. 可选：构建筛选标准 - 对于大型搜索（50+ 篇论文），使用 building-screening-rubrics 技能
  6. 搜索 → 筛选 → 提取 → 追溯引用 - 按工作流执行
  7. 定期检查进度 - 每处理 10 篇论文汇报一次，每处理 50 篇设置检查点

研究会话文件夹

每个查询都会在 research-sessions/ 中创建一个文件夹：

research-sessions/YYYY-MM-DD-query-description/
├── SUMMARY.md              # Main findings
├── papers-reviewed.json    # Deduplication tracking (DOI → status)
├── papers/                 # Downloaded PDFs and supplementary data
└── citations/              # Citation graph tracking

核心原则

对于系统性文献综述：

  • 精确优先于广泛 - 查找包含所需具体数据的论文，而不仅仅是主题相关的论文
  • 测试驱动筛选 - 批量处理前先构建并验证筛选标准
  • 智能追溯引用 - 只追溯相关引用，避免指数级增长
  • 积极去重 - 按 DOI 跟踪所有已审阅论文（包括不相关的论文）
  • 缓存摘要 - 筛选标准变更时，保存摘要以便重新筛选
  • 汇报进度 - 工作过程中每处理 10 篇论文向用户更新进度
  • 频繁设置检查点 - 每处理 50 篇论文，询问是否继续或停止
  • 确保可复现 - 在研究会话中保存筛选标准、查询和方法

API 信息

PubMed E-utilities（无需密钥）：

  • 搜索：https://eutils.ncbi.nlm.nih.gov/entrez/eutils/esearch.fcgi
  • 详情：https://eutils.ncbi.nlm.nih.gov/entrez/eutils/esummary.fcgi
  • 全文：https://eutils.ncbi.nlm.nih.gov/entrez/eutils/efetch.fcgi

Semantic Scholar（免费层级即可使用；可选用密钥提高限额）：

  • 论文：https://api.semanticscholar.org/graph/v1/paper/DOI:{doi}
  • 参考文献：https://api.semanticscholar.org/graph/v1/paper/{id}/references
  • 引用：https://api.semanticscholar.org/graph/v1/paper/{id}/citations

查找技能

使用 find-skills 脚本搜索相关技能：

# From project directory
./scripts/find-skills              # List all skills
./scripts/find-skills literature   # Search for "literature"
./scripts/find-skills 'cite|ref'   # Regex search

请记住

  • 始终先阅读相关的研究技能
  • 开始时宣布将使用该技能
  • 在研究文件夹中跟踪所有内容
  • 长时间搜索期间，定期与用户确认
  • 使用 papers-reviewed.json（以 DOI 为键）去重

评论

支持 Markdown