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.
| File | Kind | Size |
|---|---|---|
| AGENTS.md | markdown | 12.8 KB |
| README.md | markdown | 19.7 KB |
| SECURITY.md | markdown | 5.1 KB |
| SKILL.md | skill md | 22.1 KB |
| _meta.json | config | 316 B |
| agents/explore-agent.md | markdown | 4.2 KB |
| agents/orchestrator.md | markdown | 17.3 KB |
| agents/synthesize-agent.md | markdown | 12.4 KB |
| agents/verify-agent.md | markdown | 2.3 KB |
| docker-compose.yml | config | 3.3 KB |
| install.yaml | config | 2.6 KB |
| mcp.json | config | 5.6 KB |
| references/cnki-guide.md | markdown | 10.0 KB |
| references/database-access.md | markdown | 3.1 KB |
| references/gb-t-7714-2015.md | markdown | 10.8 KB |
| scripts/__init__.py | script | 519 B |
| scripts/citation_formatter.py | script | 5.3 KB |
| scripts/deduplicate_papers.py | script | 4.8 KB |
| scripts/models.py | script | 2.6 KB |
AGENTS.md
View on GitHub# 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
Related skills
| Skill | Stars | Updated | Works with | Status | Install |
|---|---|---|---|---|---|
| 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: 472k | Updated | Claude CodeCodex | Verified | Install |
| 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: 323k | Updated | Claude CodeCodex | Verified | Install |
| dispatching-parallel-agentsobra/superpowersUse when facing 2+ independent tasks that can be worked on without shared state or sequential dependencies | Stars: 323k | Updated | Claude CodeCodex | Verified | Install |
| 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 available | Stars: 323k | Updated | Claude CodeCodex | Verified | Install |