Skip to content

LeoYeAI/agent-master-skills / skills/ai-powered-literature-review-skills

literature-reviewer-skill

Unverified

根据用户提供的论文主题,进行系统性中英文文献回顾(Literature Survey)。 采用8阶段工作流,支持CNKI、Web of Science、ScienceDirect等主流数据库, 无需API配置,通过浏览器自动化获取文献信息。 输出包含GB/T 7714-2015引文、标题、摘要的Markdown文档。 当用户提到"文献回顾"、"文献综述"、"帮我找文献"、"中英文文献搜索"、"写综述"等关键词时触发。 NOTE: The 'examples/' folder contains sample outputs and is not included in skill installation.

FileKindSize
AGENTS.mdmarkdown12.8 KB
README.mdmarkdown19.7 KB
SECURITY.mdmarkdown5.1 KB
SKILL.mdskill md22.1 KB
_meta.jsonconfig316 B
agents/explore-agent.mdmarkdown4.2 KB
agents/orchestrator.mdmarkdown17.3 KB
agents/synthesize-agent.mdmarkdown12.4 KB
agents/verify-agent.mdmarkdown2.3 KB
docker-compose.ymlconfig3.3 KB
install.yamlconfig2.6 KB
mcp.jsonconfig5.6 KB
references/cnki-guide.mdmarkdown10.0 KB
references/database-access.mdmarkdown3.1 KB
references/gb-t-7714-2015.mdmarkdown10.8 KB
scripts/__init__.pyscript519 B
scripts/citation_formatter.pyscript5.3 KB
scripts/deduplicate_papers.pyscript4.8 KB
scripts/models.pyscript2.6 KB
# AGENTS.md - Literature Reviewer Skill

## 项目概述

本项目是一个 **Kimi CLI Skill**(技能插件),名为 `literature-reviewer-skill`,用于帮助用户进行系统性的学术文献回顾(Literature Survey)。

**版本**: 3.1.0  
**最后更新**: 2025-03-09

### 核心特性

- **8阶段工作流**:完整的文献调研流程
- **浏览器自动化**:无需API配置,直接访问数据库
- **多数据库支持**:CNKI、Web of Science、ScienceDirect、PubMed
- **结构化输出**:GB/T 7714-2015引文 + 标题 + 摘要的Markdown文档
- **综述生成**:自动生成结构化的文献综述

---

## 技术栈

- **语言**: Python 3.8+
- **架构**: 顺序执行工作流
- **数据库访问**: 浏览器自动化(Playwright)
- **外部依赖**:
  - Kimi CLI 的 `browser` skill
  - Kimi CLI 的 `docx` skill(可选)

---

## 项目结构

```
literature-reviewer-skill/
├── SKILL.md                          # Skill 定义文件(主入口)
├── AGENTS.md                         # 本文件
├── README.md                         # 项目说明文档
│
├── agents/                           # Agent 模板目录
│   ├── explore-agent.md              # 搜索 Agent 模板
│   ├── verify-agent.md               # 验证 Agent 模板
│   ├── synthesize-agent.md           # 综述 Agent 模板
│   └── orchestrator.md               # 协调器 Agent 模板
│
├── references/                       # 参考资料文档
│   ├── cnki-guide.md                 # CNKI 检索详细指南
│   ├── database-access.md            # 各数据库访问指南
│   └── gb-t-7714-2015.md             # GB/T 7714-2015 引用格式规范
│
└── assets/                           # 资源目录(预留)
```

---

## 8阶段工作流

```
Phase 0: Session Log      → 创建会话目录
Phase 1: Query Analysis   → AI生成关键词和检索策略
Phase 2: Parallel Search  → 浏览器自动化检索
Phase 3: Deduplication    → 去重筛选
Phase 4: Verification     → 元数据验证
Phase 5: Data Export      → 导出文献信息
Phase 6: Paper Analysis   → 单篇文献深度分析
Phase 7: Citation Format  → GB/T 7714-2015格式化
Phase 8: Synthesis        → 生成综述(大纲→撰写→审查→润色)
```

---

### Phase 0: Session Log(会话管理)

**目标**:创建会话目录,记录工作进度,支持中断续传

**目录结构**:
```
sessions/{YYYYMMDD}_{topic_short}/
├── session_log.md              # 工作日志
├── metadata.json               # 会话元数据
├── papers_raw.json             # 原始检索结果
├── papers_deduplicated.json    # 去重后文献
├── papers_analysis.json        # 文献分析结果
└── output/
    ├── references.md           # 文献清单(含摘要)
    ├── papers_analysis.md      # 单篇文献深度分析
    └── literature_review.md    # 最终综述(含摘要、关键词)
```

**输出**:
- `sessions/{session_id}/session_log.md`
- `sessions/{session_id}/metadata.json`

---

### Phase 1: Query Analysis(查询分析)

**目标**:AI 智能分析研究主题,自动提取核心概念并扩展相关关键词

**分析维度**:

1. **核心概念识别**
   - 识别研究主题的核心技术/方法
   - 识别应用领域和场景
   - 识别研究对象和目标

2. **关键词智能扩展**

   | 扩展类型 | 说明 | 示例 |
   |---------|------|------|
   | **同义词** | 相同含义的不同表述 | 深度学习 ↔ 神经网络 |
   | **近义词** | 含义相近的术语 | 诊断 ↔ 检测 ↔ 识别 |
   | **上位词** | 更广泛的范畴 | CT → 医学影像 → 医学图像 |
   | **下位词** | 更具体的细分 | 医学图像 → CT/MRI/X光 |
   | **相关概念** | 相关领域术语 | 诊断 → 预后/分割/病灶检测 |
   | **领域术语** | 学科专业词汇 | CNN、迁移学习、fine-tuning |

3. **AI 分析示例**

   **输入**:基于深度学习的医学图像诊断研究
   
   **AI 输出**:
   ```yaml
   核心概念:
     技术方法: [深度学习, 神经网络, 机器学习, 人工智能]
     研究对象: [医学图像, 医学影像, CT, MRI, X光, 超声]
     研究目标: [诊断, 检测, 识别, 分类, 筛查]
     
   中文扩展词:
     深度学习: [深度神经网络, DNN, CNN, 卷积神经网络, 迁移学习]
     医学图像: [医学影像, 生物医学图像, 放射影像, 病理图像]
     诊断: [辅助诊断, 智能诊断, 疾病识别, 病灶检测]
     
   英文扩展词:
     deep_learning: [neural network, machine learning, AI]
     medical_image: [medical imaging, radiology, pathology]
     diagnosis: [detection, recognition, classification, CAD]
   ```

4. **生成检索表达式**

   | 数据库 | 检索式 |
   |--------|--------|
   | CNKI | SU=('深度学习'+'神经网络')*('医学图像'+'影像')*('诊断'+'检测') AND CSSCI=1 |
   | WOS | TS=(("deep learning" OR "neural network") AND ("medical imaging") AND ("diagnosis" OR "detection")) |

---

### Phase 2: Parallel Search(并行检索)

**目标**:通过浏览器自动化在多个数据库执行检索

**核心数据库**(无需API):

| 数据库 | 优先级 | 访问方式 |
|--------|--------|----------|
| CNKI | 1 | 浏览器访问高级检索页面 |
| Web of Science | 2 | 浏览器访问检索页面 |
| ScienceDirect | 3 | 浏览器访问检索页面 |
| PubMed | 4 | 网页搜索 + 浏览器访问 |
| Google Scholar | 5 | 网页搜索 |

**检索执行**(使用Playwright):
1. 使用 `browser_navigate` 访问数据库检索页面
2. 填充检索式,执行搜索
3. 提取前50条结果
4. 保存到 `papers_raw.json`

**数据模型**:
```json
{
  "source_db": "cnki",
  "title": "文献标题",
  "authors": ["作者1", "作者2"],
  "journal": "期刊名称",
  "year": 2023,
  "volume": "46",
  "issue": "5",
  "pages": "1023-1035",
  "doi": "10.xxxx",
  "abstract": "摘要内容...",
  "keywords": ["关键词1", "关键词2"],
  "url": "原文链接"
}
```

---

### Phase 3: Deduplication(去重筛选)

**目标**:合并多源结果,去除重复

**简化去重策略**:
1. **DOI精确匹配** - 相同DOI视为重复
2. **标题相似度** - Levenshtein距离 > 0.85 视为重复
3. **保留规则** - 保留信息更完整的记录

**筛选条件**:
- 时间范围:近10年优先
- 来源质量:优先核心期刊
- 最终数量:中英文各15-25篇,总计30-50篇

---

### Phase 4: Verification(基础验证)

**目标**:确保元数据完整性,过滤明显错误

**验证内容**:
1. **元数据完整性** - 确保标题、作者、期刊、年份存在
2. **DOI格式校验** - 检查DOI格式有效性
3. **错误过滤** - 排除标题为"无"或作者缺失的记录

**验证状态**:
- VERIFIED: 元数据完整
- INCOMPLETE: 部分缺失
- EXCLUDED: 已过滤

---

### Phase 5: Data Export(数据导出)

**目标**:导出文献信息到Markdown文件

**输出文件**:`output/references.md`

---

### Phase 6: Paper Analysis(单篇文献分析)

**目标**:对每篇文献进行深度分析

**AI任务**:
1. 识别主要研究问题和目标
2. 描述理论框架或模型
3. 总结研究方法
4. 提取关键发现和结论
5. 指出创新点和局限性
6. 分析与其他研究的关系
7. 识别争议点和未解决问题
8. 指出研究趋势和新兴方向

**输出文件**:`output/papers_analysis.md`

---

### Phase 7: Citation Format(引用格式化)

**目标**:生成GB/T 7714-2015格式引文

**输出**:格式化的引文列表

---

### Phase 8: Synthesis(综述生成)

**目标**:通过四步迭代法生成高质量结构化文献综述

综述生成是文献回顾的**核心环节**,拆分为4个精细化的 sub phases:

#### Phase 8.1: Outline(生成综述大纲)

**输入**:研究主题、文献清单和分析、目标语言  
**输出**:`outline.md` - 完整的综述大纲

**关键任务**:
- 分析所有文献,识别3-5个主题
- 构建逻辑清晰的章节结构
- 将文献合理分配到各章节
- 规划每章节的篇幅和要点

#### Phase 8.2: Writing(撰写综述初稿)

**输入**:大纲、文献清单、单篇文献分析  
**输出**:`draft.md` - 完整的综述初稿(3000-5000字)

**关键任务**:
- 扩展每个章节为详细内容
- 建立文献间的逻辑联系(综合而非罗列)
- 进行深度批判性分析
- 确保每个论点都有文献支持

#### Phase 8.3: Review(质量审查与评估)

**输入**:综述初稿、原始文献清单  
**输出**:`review_report.md` - 详细的审查报告(含评分)

**审查维度**(加权评分):
| 维度 | 权重 | 检查要点 |
|------|------|---------|
| 准确性和全面性 | 25% | 事实准确、覆盖完整 |
| 逻辑论证 | 25% | 结构逻辑、论证充分 |
| 文献引用 | 20% | 引用规范、密度适当 |
| 批判分析 | 15% | 深度分析、非简单罗列 |
| 语言表达 | 10% | 学术规范、清晰简洁 |
| 创新洞察 | 5% | 新视角、未来方向 |

**输出要求**:
- 总体质量评分(满分100)
- 主要优点(3-5条)
- 关键问题(必须修复)
- 具体改进建议

#### Phase 8.4: Final(最终润色与定稿)

**输入**:初稿、审查报告  
**输出**:`literature_review.md` - **最终定稿**

**关键任务**:
- 修复审查中发现的所有问题
- 撰写摘要(200-300字)
- 选择关键词(5-8个)
- 生成GB/T 7714-2015格式参考文献
- 最终校对和润色

**最终文档结构**:
```markdown
1. 标题
2. 摘要(200-300字)
3. 关键词(5-8个)
4. 引言
5. 理论基础与方法
6. 国内研究现状
7. 国外研究现状
8. 讨论
9. 结论
10. 参考文献(GB/T 7714-2015格式)
```

---

#### Phase 8 输出文件汇总

| 文件 | 阶段 | 说明 |
|------|------|------|
| `outline.md` | 8.1 | 大纲:章节结构+文献分配 |
| `draft.md` | 8.2 | 初稿:3000-5000字完整内容 |
| `review_report.md` | 8.3 | 审查报告:评分+改进建议 |
| `literature_review.md` | 8.4 | **最终定稿**:可直接使用 |

---

#### 迭代机制

根据审查评分决定是否需要迭代:

| 评分 | 处理方式 | 操作 |
|------|---------|------|
| ≥85 | 小修 | 在8.4阶段直接修正 |
| 70-85 | 中修 | 回到8.2重写部分章节 |
| 60-70 | 大修 | 回到8.1重新规划结构 |
| <60 | 重建 | 检查文献质量,必要时重新检索 |

---

## 数据库访问指南

### CNKI

**访问地址**:`https://kns.cnki.net/kns8/AdvSearch`

**字段代码**:
| 代码 | 含义 |
|------|------|
| SU | 主题 |
| TI | 篇名 |
| KY | 关键词 |
| TKA | 篇关摘 |

**来源筛选**:CSSCI、北大核心、CSCD

### Web of Science

**访问地址**:`https://www.webofscience.com/wos/woscc/advanced-search`

**常用字段**:
- TS=Topic
- TI=Title
- AB=Abstract

### ScienceDirect

**访问地址**:`https://www.sciencedirect.com/search`

---

## 输出文件说明

| 文件 | 路径 | 内容 |
|------|------|------|
| 文献清单 | `output/references.md` | 完整文献信息(含摘要) |
| 综述文档 | `output/literature_review.md` | 结构化综述 |
| 引文列表 | `output/gb7714_citations.txt` | GB/T格式引文 |

---

## 代码规范

### 命名规范
- 类名: `PascalCase`
- 函数/变量: `snake_case`
- 常量: `UPPER_CASE`

### 文献编号
- **中文文献**: 以 `C` 开头(C1, C2, C3...)
- **英文文献**: 以 `E` 开头(E1, E2, E3...)

### 注释语言
- 中文注释

---

## 使用示例

**用户请求**:帮我做一个关于"深度学习在肺癌早期诊断中的应用"的文献回顾

**执行流程**:
1. **Phase 1**: 生成检索策略
   - CNKI: SU=('深度学习'+'神经网络')*('肺癌'+'肺结节')*('诊断')
   - WOS: ("deep learning") AND ("lung cancer") AND ("diagnosis")

2. **Phase 2**: 并行检索
   - 访问CNKI高级检索页面,提取50条结果
   - 访问WOS检索页面,提取50条结果
   - 访问ScienceDirect,提取50条结果

3. **Phase 3**: 去重筛选
   - 合并结果,按标题相似度去重
   - 保留中英文各20篇

4. **Phase 4**: 基础验证
   - 检查元数据完整性
   - 过滤错误记录

5. **Phase 5**: 导出数据
   - 生成 `references.md`

6. **Phase 6**: 格式化引文
   - 生成GB/T 7714-2015格式

7. **Phase 7**: 生成综述
   - 生成 `literature_review.md`

---

## 依赖 Skills

- **browser** - 数据库检索自动化
- **docx** - 生成Word格式综述(可选)
- **web_search** - 辅助获取文献信息

---

## 修改历史

### v3.0.0 (2024-03)
- 移除API配置要求
- 改用浏览器自动化访问数据库
- 简化去重/验证流程
- 输出改为Markdown格式(含摘要)
- 保留8阶段工作流框架

### v2.0.0 (2024-01)
- 重构为8阶段工作流
- 引入Agent Swarm架构
- 新增引用验证机制
- 新增多数据库API支持

### v1.0.0 (2023)
- 初始版本
reverse-engineer-anythingmorluto/reaReverse engineer native, managed, Electron/JavaScript, packaged, firmware, and browser targets with REA, and build agent environments (AgentEnv bundles) of web applications from a live instance or a capture, and of Linux desktop apps with a task from a request. Use shipped-artifact or requested runtime evidence to explain features, compare versions, decompile code, or guide a reconstruction. Skip REA for ordinary source-repository architecture analysis.Stars: 472kUpdated Claude CodeCodexVerifiedInstall
diagnosing-superpowersobra/superpowersUse when a superpowers session went wrong and your human partner wants to know why — repeated work, ignored plans, stumbles, poor results, a skill that didn't fire, "it took too long", "why is it so expensive", "what is it doing" — or wants to build a bug report for the superpowers maintainers, for the current session or a past one identified by id or path, on any harness.Stars: 323kUpdated Claude CodeCodexVerifiedInstall
dispatching-parallel-agentsobra/superpowersUse when facing 2+ independent tasks that can be worked on without shared state or sequential dependenciesStars: 323kUpdated Claude CodeCodexVerifiedInstall
executing-plansobra/superpowersUse when executing an implementation plan in the current session as the implementer yourself — your human partner chose inline execution, or no subagent tool is availableStars: 323kUpdated Claude CodeCodexVerifiedInstall