research-lookup

研究信息查询

概述

本技能通过 OpenRouter 使用 Perplexity 的 Sonar 模型实现实时研究信息查询。它会根据查询复杂度，智能地在 Sonar Pro Search（快速、高效的查询）与 Sonar Reasoning Pro（深度分析推理）之间进行选择。该技能可访问当前学术文献、近期研究、技术文档和一般研究信息，并提供适当的引文和来源归属。

何时使用本技能

当你需要以下内容时，可使用本技能：

• 当前研究信息：特定领域的最新研究、论文和发现
• 文献验证：对照当前研究核查事实、统计数据或论断
• 背景研究：为科学写作收集背景信息和支持性证据
• 引文来源：查找可在稿件中引用的相关论文和研究
• 技术文档：查询规范、协议或方法论
• 最新进展：掌握新兴趋势和突破
• 统计数据：查找最新统计、调查结果或研究发现
• 专家意见：获取近期访谈、评论或述评中的见解

使用科学示意图增强可视化

使用本技能创建文档时，始终考虑添加科学图表和示意图，以增强视觉传达。

如果你的文档尚未包含示意图或图表：

• 使用 scientific-schematics 技能生成 AI 驱动的出版级图表
• 只需用自然语言描述你想要的图表
• Nano Banana Pro 将自动生成、审查并优化示意图

对于新文档： 应默认生成科学示意图，以直观呈现文中描述的关键概念、工作流、架构或关系。

如何生成示意图：

python scripts/generate_schematic.py "your diagram description" -o figures/output.png

AI 将自动：

• 创建格式规范、达到出版质量的图像
• 通过多轮迭代进行审查和优化
• 确保可访问性（色盲友好、高对比度）
• 将输出保存到 figures/ 目录

何时添加示意图：

• 研究信息流图
• 查询处理工作流示意图
• 模型选择决策树
• 系统集成架构图
• 信息检索流水线可视化
• 知识综合框架
• 任何可从可视化中受益的复杂概念

有关创建示意图的详细指导，请参阅 scientific-schematics 技能文档。

---

核心能力

1. 学术研究查询

检索学术文献：查询特定领域的最新论文、研究和综述：

Query Examples:
- "Recent advances in CRISPR gene editing 2024"
- "Latest clinical trials for Alzheimer's disease treatment"
- "Machine learning applications in drug discovery systematic review"
- "Climate change impacts on biodiversity meta-analysis"

预期响应格式：

• 近期文献关键发现摘要
• 引用 3-5 篇最相关论文，并注明作者、标题、期刊和年份
• 突出关键统计数据或发现
• 指出研究空白或争议
• 在可用时提供全文论文链接

2. 技术与方法学信息

协议与方法查询：查找详细流程、规范和方法论：

Query Examples:
- "Western blot protocol for protein detection"
- "RNA sequencing library preparation methods"
- "Statistical power analysis for clinical trials"
- "Machine learning model evaluation metrics"

预期响应格式：

• 分步流程或协议
• 所需材料和设备
• 关键参数和注意事项
• 常见问题故障排除
• 对标准协议或奠基性论文的引用

3. 统计与数据信息

研究统计：查询当前统计数据、调查结果和研究数据：

Query Examples:
- "Prevalence of diabetes in US population 2024"
- "Global renewable energy adoption statistics"
- "COVID-19 vaccination rates by country"
- "AI adoption in healthcare industry survey"

预期响应格式：

• 带日期和来源的当前统计数据
• 数据收集方法
• 在可用时提供置信区间或误差范围
• 与往年或基准的比较
• 对原始调查或研究的引用

4. 引用与参考文献辅助

引用查找：为稿件中的引用定位相关论文和研究：

Query Examples:
- "Foundational papers on transformer architecture"
- "Seminal works in quantum computing"
- "Key studies on climate change mitigation"
- "Landmark trials in cancer immunotherapy"

预期响应格式：

• 5-10 篇最具影响力或最相关的论文
• 完整的引用信息（作者、标题、期刊、年份、DOI）
• 每篇论文贡献的简要描述
• 引用影响指标（如有）（h-index、引用次数）
• 期刊影响因子和排名

自动模型选择

此技能具备基于查询复杂度的智能模型选择功能：

模型类型

1. Sonar Pro Search（perplexity/sonar-pro-search）

• 使用场景：直接的信息查找
• 最适合：
  • 简单的事实查询
  • 近期出版物搜索
  • 基本协议查找
  • 统计数据检索
• 速度：快速响应
• 成本：每次查询成本较低

2. Sonar Reasoning Pro（perplexity/sonar-reasoning-pro）

• 使用场景：需要深度推理的复杂分析查询
• 最适合：
  • 比较分析（"比较 X 与 Y"）
  • 多项研究的综合
  • 评估权衡或争议
  • 解释机制或关系
  • 批判性分析与解读
• 速度：较慢但更全面
• 成本：每次查询成本较高，但提供更深入的见解

复杂度评估

该技能使用以下指标自动检测查询复杂度：

推理关键词（触发 Sonar Reasoning Pro）：

• 分析类：compare、contrast、analyze、analysis、evaluate、critique
• 比较类：versus、vs、vs.、compared to、differences between、similarities
• 综合类：meta-analysis、systematic review、synthesis、integrate
• 因果类：mechanism、why、how does、how do、explain、relationship、causal relationship、underlying mechanism
• 理论类：theoretical framework、implications、interpret、reasoning
• 辩论类：controversy、conflicting、paradox、debate、reconcile
• 权衡类：pros and cons、advantages and disadvantages、trade-off、tradeoff、trade offs
• 复杂度类：multifaceted、complex interaction、critical analysis

复杂度评分：

• 推理关键词：每个 3 分（权重较高）
• 多个问题：每个问号 2 分
• 复杂句式：每个从句指示词（and、or、but、however、whereas、although）1.5 分
• 超长查询：超过 150 个字符得 1 分
• 阈值：得分 ≥3 分的查询触发 Sonar Reasoning Pro

实际结果：即使只有一个强推理关键词（compare、explain、analyze 等）也会触发更强大的 Sonar Reasoning Pro 模型，确保你在需要时获得深度分析。

示例查询分类：

✅ Sonar Pro Search（直接查找）：

• "2024 年 CRISPR 基因编辑的最新进展"
• "美国人口中糖尿病的患病率"
• "用于蛋白质检测的 Western blot 协议"

✅ Sonar Reasoning Pro（复杂分析）：

• "比较和对比 mRNA 疫苗与传统疫苗在癌症治疗中的应用"
• "解释肠道微生物组与抑郁症之间关系的机制"
• "分析 AI 在医学诊断中的争议并评估权衡"

手动覆盖

你可以使用 force_model 参数强制指定特定模型：

# Force Sonar Pro Search for fast lookup
research = ResearchLookup(force_model='pro')

# Force Sonar Reasoning Pro for deep analysis
research = ResearchLookup(force_model='reasoning')

# Automatic selection (default)
research = ResearchLookup()

命令行用法：

# Force Sonar Pro Search
python research_lookup.py "your query" --force-model pro

# Force Sonar Reasoning Pro
python research_lookup.py "your query" --force-model reasoning

# Automatic (no flag)
python research_lookup.py "your query"

技术集成

OpenRouter API 配置

此技能与 OpenRouter（openrouter.ai）集成，以访问 Perplexity 的 Sonar 模型：

模型规格：

• 模型：
  • perplexity/sonar-pro-search（快速查询）
  • perplexity/sonar-reasoning-pro-online（深度分析）
• 搜索模式：学术/学者模式（优先考虑同行评审来源）
• 搜索上下文：始终使用 high 搜索上下文，以获得更深入、更全面的研究结果
• 上下文窗口：200K+ tokens，用于全面的研究
• 能力：学术论文搜索、引文生成、学术分析
• 输出：包含来自学术数据库的引文和来源链接的丰富响应

API 要求：

• OpenRouter API 密钥（设置为 OPENROUTER_API_KEY 环境变量）
• 具有足够额度用于研究查询的账户
• 对来源进行适当归属和引用

学术模式配置：

• 系统消息配置为优先考虑学术来源
• 搜索聚焦于同行评审期刊和学术出版物
• 增强对学术参考文献的引文提取
• 偏好近期学术文献（2020-2024）
• 直接访问学术数据库和资源库

响应质量与可靠性

来源验证：此技能优先考虑：

• 同行评审的学术论文和期刊
• 声誉良好的机构来源（大学、政府机构、非政府组织）
• 近期出版物（优先考虑过去 2-3 年内）
• 高影响力期刊和会议
• 一手研究优先于二手来源

引文标准：所有响应均包括：

• 完整的书目信息
• 在可用时提供 DOI 或稳定 URL
• 网络来源的访问日期
• 对直接引用或数据的清晰归属

查询最佳实践

1. 模型选择策略

用于简单查询（Sonar Pro Search）：

• 关于特定主题的近期论文
• 统计数据或流行率
• 标准方案或方法
• 查找特定论文的引文
• 事实信息检索

用于复杂分析（Sonar Reasoning Pro）：

• 比较研究和综合
• 机制解释
• 争议评估
• 权衡分析
• 理论框架
• 多方面关系

专业提示：自动选择已针对大多数用例进行了优化。只有在你有特定要求，或知道查询需要比检测到的更深入推理时，才使用 force_model。

2. 具体且聚焦的查询

良好的查询（将触发适当的模型）：

• "Randomized controlled trials of mRNA vaccines for cancer treatment 2023-2024" → Sonar Pro Search
• "Compare the efficacy and safety of mRNA vaccines vs traditional vaccines for cancer treatment" → Sonar Reasoning Pro
• "Explain the mechanism by which CRISPR off-target effects occur and strategies to minimize them" → Sonar Reasoning Pro

较差的查询：

• "Tell me about AI"（过于宽泛）
• "Cancer research"（缺乏具体性）
• "Latest news"（过于模糊）

3. 结构化查询格式

推荐结构：

[Topic] + [Specific Aspect] + [Time Frame] + [Type of Information]

示例：

• "CRISPR gene editing + off-target effects + 2024 + clinical trials"
• "Quantum computing + error correction + recent advances + review papers"
• "Renewable energy + solar efficiency + 2023-2024 + statistical data"

4. 后续查询

有效的后续查询：

• "Show me the full citation for the Smith et al. 2024 paper"
• "What are the limitations of this methodology?"
• "Find similar studies using different approaches"
• "What controversies exist in this research area?"

与科学写作的集成

此技能通过以下方式增强科学写作：

1. 文献综述支持：为引言和讨论部分收集当前研究
2. 方法验证：根据当前标准验证方案和流程
3. 结果情境化：将研究结果与近期类似研究进行比较
4. 讨论增强：用最新证据支持论点
5. 引用管理：提供多种格式的正确引用

错误处理与局限性

已知局限性：

• 信息截止：回复受限于训练数据（通常为 2023-2024 年）
• 付费墙内容：可能无法访问付费墙后的全文
• 新兴研究：可能遗漏尚未被索引的极近期论文
• 专业数据库：无法访问专有或受限数据库

错误情况：

• API 速率限制或配额超出
• 网络连接问题
• 查询格式错误或含义模糊
• 模型不可用或维护中

回退策略：

• 重新表述查询以提高清晰度
• 将复杂查询拆分为更简单的组成部分
• 如果近期数据不可用，使用更宽的时间范围
• 使用多种查询变体进行交叉引用

使用示例

示例 1：简单文献搜索（Sonar Pro Search）

查询："Recent advances in transformer attention mechanisms 2024"

所选模型：Sonar Pro Search（直接查找）

回复包含：

• 2024 年 5 篇关键论文的摘要
• 带 DOI 的完整引用
• 关键创新和改进
• 性能基准
• 未来研究方向

示例 2：比较分析（Sonar Reasoning Pro）

查询："Compare and contrast the advantages and limitations of transformer-based models versus traditional RNNs for sequence modeling"

所选模型：Sonar Reasoning Pro（需要复杂分析）

回复包含：

• 跨多个维度的详细比较
• 架构差异分析
• 计算效率与性能之间的权衡
• 用例建议
• 多项研究证据的综合
• 对该领域持续争论的讨论

示例 3：方法验证（Sonar Pro Search）

查询："Standard protocols for flow cytometry analysis"

所选模型：Sonar Pro Search（方案查找）

回复包含：

• 来自近期综述的分步方案
• 所需的对照和校准
• 常见陷阱和故障排除
• 权威方法学论文的参考
• 具有优缺点的替代方法

示例 4：机制解释（Sonar Reasoning Pro）

查询："Explain the underlying mechanism of how mRNA vaccines trigger immune responses and why they differ from traditional vaccines"

所选模型：Sonar Reasoning Pro（需要因果推理）

回复包含：

• 详细的机制解释
• 分步生物过程
• 与传统疫苗的比较分析
• 分子层面的相互作用
• 免疫学和药理学概念的整合
• 来自近期研究的证据

示例 5：统计数据（Sonar Pro Search）

查询："Global AI adoption in healthcare statistics 2024"

所选模型：Sonar Pro Search（数据查找）

回复包含：

• 按地区划分的当前采用率
• 市场规模和增长预测
• 调查方法和样本量
• 与前几年的比较
• 市场研究报告的引用

性能与成本考量

响应时间

Sonar Pro Search：

• 典型响应时间：5-15 秒
• 最适合快速信息收集
• 适合批量查询

Sonar Reasoning Pro：

• 典型响应时间：15-45 秒
• 对于复杂分析查询值得等待
• 提供更全面的推理和综合

成本优化

自动选择的优势：

• 通过对直接明了的查询使用 Sonar Pro Search 来节省成本
• 将 Sonar Reasoning Pro 保留给真正需要更深入分析的查询
• 优化成本与质量之间的平衡

手动覆盖的使用场景：

• 当预算受限且速度优先时，强制使用 Sonar Pro Search
• 当进行需要最大深度的关键研究时，强制使用 Sonar Reasoning Pro
• 用于论文的特定部分（例如，方法部分使用 Pro Search，讨论部分使用 Reasoning）

最佳实践：

1. 在大多数使用场景中信任自动选择
2. 检查查询结果 - 如果 Sonar Pro Search 未提供足够的深度，请使用推理相关关键词重新表述
3. 策略性地使用批量查询 - 合并简单查找以最小化总查询次数
4. 对于文献综述，先使用 Sonar Pro Search 获取广度，然后使用 Sonar Reasoning Pro 进行综合

安全与伦理考量

负责任地使用：

• 尽可能对照一手来源核实所有信息
• 清楚地将所有数据和引文归属于原始来源
• 避免将 AI 生成的摘要呈现为原创研究
• 尊重版权和许可限制
• 用于研究辅助，而非绕过付费墙或订阅

学术诚信：

• 始终引用原始来源，而非 AI 工具
• 将其作为文献检索的起点
• 遵循所在机构关于 AI 工具使用的指南
• 对研究方法保持透明

补充工具

除了 research-lookup 之外，科学写作者还可以访问 WebSearch，用于：

• 快速元数据核实：查找 DOI、出版年份、期刊名称、卷号/页码
• 非学术来源：新闻、博客、技术文档、时事
• 一般信息：公司信息、产品详情、当前统计数据
• 交叉引用：核实通过 research-lookup 找到的引文细节

何时使用哪个工具：

任务	工具
查找学术论文	research-lookup
文献检索	research-lookup
深度分析/比较	research-lookup（Sonar Reasoning Pro）
查找 DOI/元数据	WebSearch
核实出版年份	WebSearch
查找期刊卷号/页码	WebSearch
时事/新闻	WebSearch
非学术来源	WebSearch

总结

此技能作为一个强大的研究助手，具备智能双模型选择：

• 自动智能：分析查询复杂度并选择最优模型（Sonar Pro Search 或 Sonar Reasoning Pro）
• 经济高效：对直接明了的查找使用更快、更便宜的 Sonar Pro Search
• 深度分析：对复杂的比较性、分析性和理论性查询自动启用 Sonar Reasoning Pro
• 灵活控制：当您确切知道需要何种分析级别时，可手动覆盖
• 学术导向：两个模型均配置为优先使用经同行评审的来源和学术文献
• 补充性 WebSearch：与 WebSearch 配合使用，用于元数据核实和非学术来源

无论您需要快速的事实查找还是深度的分析综合，此技能都能自动适应，为您科学写作需求提供恰当级别的研究支持。