research-summarizer

Research Summarizer

少读，多理解，正确引用。

结构化的研究摘要工作流，可将密集的原始材料转化为可执行的简报。专为产品经理、分析师、创始人以及所有读得比应读的更多的人而设计。

这不是通用的“总结一下”，而是一套可重复使用的框架：提取重点、跨来源比较，并规范地格式化引用。

---

范围：与 research/ 领域的区别

本 Skill 总结的是用户已经拥有的文档（论文、文章、报告，粘贴或附加的内容）。它不执行网络搜索，也不需要 MCP 服务。它不是以下内容：

• research/litreview：学术文献发现与综述指南生成（通过 Consensus/学术 API 查找论文）
• research/dossier：基于实时网络研究的实体尽职调查
• research/notebooklm：操作 Google NotebookLM 产品界面
• research/research：针对需要搜索的开放式“研究 [主题]”请求的路由器

如果用户要求你查找来源而不是消化已提供的来源，请转交 research/ 领域处理。

---

本 Skill 的触发时机

识别用户的以下模式：

• “总结这篇论文 / 文章 / 报告”
• “这份文档的关键发现是什么？”
• “比较这些来源”
• “从这份 PDF 中提取引用”
• “给我一份关于 [主题] 的研究简报”
• “拆解这份白皮书”
• 任何涉及以下内容的请求：总结、研究简报、文献综述、引用、来源比较

如果用户有一份文档，并希望获得结构化理解 → 适用本 Skill。

---

工作流

工作流 1：单一来源摘要

1. 识别来源类型

   • 学术论文 → 使用 IMRAD 结构（引言、方法、结果、分析、讨论）
   • 网络文章 → 使用“主张-证据-启示”结构
   • 技术报告 → 使用执行摘要结构
   • 文档 → 使用参考摘要结构

2. 搭建简报框架：运行 python3 scripts/format_summary.py --template academic（或根据来源类型选择 article/report/executive），然后根据来源填写每个部分：

   Title: [exact title]
   Author(s): [names]
   Date: [publication date]
   Source Type: [paper | article | report | documentation]
   
   ## Key Thesis
   [1-2 sentences: the central argument or finding]
   
   ## Key Findings
   1. [Finding with supporting evidence]
   2. [Finding with supporting evidence]
   3. [Finding with supporting evidence]
   
   ## Methodology
   [How they arrived at these findings — data sources, sample size, approach]
   
   ## Limitations
   - [What the source doesn't cover or gets wrong]
   
   ## Actionable Takeaways
   - [What to do with this information]
   
   ## Notable Quotes
   > "[Direct quote]" (p. X)
   

3. 评估质量

   • 来源可信度（同行评审、知名媒体、一手还是二手来源）
   • 证据强度（有数据支撑、轶事性、理论性）
   • 时效性（发布时间，是否仍然相关？）
   • 偏倚迹象（资金来源、作者所属机构、方法论缺陷）

工作流 2：多来源比较

1. 收集来源（2-5 份文档）

2. 使用上述单一来源工作流分别总结每份来源

3. 构建比较矩阵

   | Dimension        | Source A        | Source B        | Source C        |
   |------------------|-----------------|-----------------|-----------------|
   | Central Thesis   | ...             | ...             | ...             |
   | Methodology      | ...             | ...             | ...             |
   | Key Finding      | ...             | ...             | ...             |
   | Sample/Scope     | ...             | ...             | ...             |
   | Credibility      | High/Med/Low    | High/Med/Low    | High/Med/Low    |
   

4. 综合分析

   • 来源在哪些方面达成一致？（趋同的发现 = 更强的信号）
   • 它们在哪些方面存在分歧？（分歧的发现 = 需要进一步调查）
   • 所有来源之间存在哪些空白？
   • 每种观点的证据权重如何？

5. 产出综合简报

   ## Consensus Findings
   [What most sources agree on]
   
   ## Contested Points
   [Where sources disagree, with strongest evidence for each side]
   
   ## Gaps
   [What none of the sources address]
   
   ## Recommendation
   [Based on weight of evidence, what should the reader believe/do?]
   

工作流 3：引用提取

1. 运行提取器：python3 scripts/extract_citations.py document.txt --output json 可检测 DOI/URL/作者-年份/编号引用，并进行去重
2. 审阅并格式化提取出的列表，采用所需的格式（默认 APA 7）；手动补充正则表达式遗漏的引用
3. 按类型对引用分类：
   • 一手来源（原始研究、数据）
   • 二手来源（综述、元分析、评论）
   • 三手来源（教科书、百科全书）
4. 输出带分类标签、排序后的参考文献列表

支持的引用格式：

• APA 7（默认）：社会科学、商科
• IEEE：工程、计算机科学
• Chicago：人文、历史
• Harvard：通用学术
• MLA 9：艺术、人文

---

工具

scripts/extract_citations.py

用于从文本中提取和格式化引用的命令行工具。

功能特性：

• 基于正则表达式的引用检测（DOI、URL、作者-年份、编号参考文献）
• 多种输出格式（APA、IEEE、Chicago、Harvard、MLA）
• 支持 JSON 导出，便于与参考文献管理器集成
• 对重复引用进行去重

用法：

# Extract citations from a file (APA format, default)
python3 scripts/extract_citations.py document.txt

# Specify format
python3 scripts/extract_citations.py document.txt --format ieee

# JSON output
python3 scripts/extract_citations.py document.txt --format apa --output json

# From stdin
cat paper.txt | python3 scripts/extract_citations.py --stdin

scripts/format_summary.py

用于输出空白结构化摘要框架的命令行工具。框架需由你（大模型）根据原始材料填写，工具本身不分析内容。

功能特性：

• 6 种模板：academic、article、report、executive、comparison、literature
• 可配置框架深度（brief、standard、detailed）
• 提供文本和 JSON 输出，便于下游工具处理

用法：

# Generate structured summary template
python3 scripts/format_summary.py --template academic

# Brief executive summary format
python3 scripts/format_summary.py --template executive --length brief

# All templates listed
python3 scripts/format_summary.py --list-templates

# JSON output
python3 scripts/format_summary.py --template article --output json

---

质量评估框架

从四个维度对每个来源进行评级：

维度	高	中	低
可信度	经同行评审，作者权威	信誉良好的发布渠道，作者知名	博客、作者不明、未经审核
证据	样本量大，方法严谨	数据适中，方法合理	轶事性、无数据、观点性
时效性	2 年内发表	2–5 年前	5 年以上，可能已过时
客观性	无利益冲突，观点平衡	披露了少量关联关系	由利益相关方资助，观点片面

综合评级：

• 4 个“高” = 强来源，可放心引用
• 2 个及以上“中” = 合格来源，引用时需附注说明
• 2 个及以上“低” = 弱来源，引用前需独立核实

---

摘要模板

参见 references/summary-templates.md，其中包括：

• 学术论文摘要模板（IMRAD）
• 网络文章摘要模板（论点-证据-启示）
• 技术报告模板（执行摘要）
• 比较分析模板（矩阵 + 综合论述）
• 文献综述模板（按主题组织）

参见 references/citation-formats.md，其中包括：

• APA 7 格式规则与示例
• IEEE 格式规则与示例
• Chicago、Harvard、MLA 速查

---

主动提示触发条件

即使用户未提出要求，也应主动标记以下情况：

• 来源没有日期 → 予以注明。无日期的来源会降低可信度评分。
• 来源与其他来源相矛盾 → 明确指出矛盾之处，不要掩盖分歧。
• 来源位于付费墙后 → 注明访问受限，如有已知替代途径则予以建议。
• 用户仅为比较提供了一个来源 → 要求至少再提供一个。比较至少需要 2 个来源。
• 引用信息不完整 → 标记缺失字段（年份、作者、标题）。不要编造元数据。
• 在快速发展的领域中，来源已超过 5 年 → 提示其可能已过时。

---

安装

一行命令（适用于任意工具）

git clone https://github.com/alirezarezvani/claude-skills.git
cp -r claude-skills/product-team/research-summarizer ~/.claude/skills/

多工具安装（在 claude-skills 仓库根目录下运行）

./scripts/convert.sh --skill research-summarizer --tool codex|gemini|cursor|windsurf|openclaw

OpenClaw

clawhub install cs-research-summarizer

---

核验循环

交付任何简报前，请检查：

1. 每条关键发现都引用了原文中的位置（章节、页码或引文）——不存在无出处的论断。
2. python3 scripts/extract_citations.py <file> --output json 退出码为 0，且其 total 与输出中的参考文献数量一致（如有差异需排查）。
3. 每个来源都带有四维度质量评级（见上表）；弱来源需标记，不得悄悄纳入。
4. 对于比较类任务：矩阵每个维度一行、每个来源一列——不得遗漏任何来源。
5. 不得虚构任何内容：缺失的元数据标注为“未说明”，绝不自行补充。

---

相关 Skills

• product-analytics — 定量分析。二者互补：定性资料使用 research-summarizer，指标分析使用 product-analytics。
• competitive-teardown — 竞品调研。二者互补：单一资料来源分析使用 research-summarizer，市场格局分析使用 competitive-teardown。
• content-production — 内容写作。research-summarizer 为 content-production 提供输入：先总结资料，再进行写作。
• product-discovery — 发现框架。二者互补：案头调研使用 research-summarizer，用户调研使用 product-discovery。