By fei0810
Retrieve real academic literature via scimaster-cli to support, challenge, or map research claims. Generate evidence reports, contradiction analyses, knowledge maps, and evolution timelines for literature review, idea validation, and domain onboarding.
给一句话或一段话,找出真实学术文献来反对它——相反结论、边界条件、替代解释、方法批评、复制失败。按威胁程度排序,每篇附一行"它如何威胁这个观点"和"怎么回应它"。底层走真实检索(scimaster-cli),绝不编造反例。 **以下情况请主动触发本技能**:用户想"提前挡住审稿人"、"找这个结论的反例"、"这个方向有没有争议"、"有没有跟这个相反的研究"、"帮我攻击这个论点"、"这个结论稳不稳"、"想知道有哪些反对意见"——即使用户没有说"bear-counter",只要意图是**为一个观点寻找学术反对证据**,就使用本技能。bear-support 和 bear-counter 配对使用效果最好:对同一段话各跑一遍,就能同时看到正反两面。 不适用于:找支持文献(用 bear-support)、选题查重(用 bear-scoop)、概念地图(用 bear-map)、溯源演化史(用 bear-trace)。
给一个概念,从真实检索到的论文摘要里挖出它的邻近概念,画出以该概念为中心的知识地图——每个节点都锚定真实文献,不从记忆里补节点。同时输出 Mermaid 概念图(可在 Claude Code / GitHub / Obsidian 渲染)和可截图的独立 HTML 地图,再给 3–6 篇入门推荐。 **以下情况请主动触发本技能**:用户说"帮我画一张这个概念的知识地图"、"这个词周围有哪些相关概念"、"梳理一下这个方向的概念网络"、"给我一张概念图"、"这个领域的核心概念有哪些"、"知识地图"、"概念地图"、"map out this concept"、"draw a knowledge map of X"、"what concepts surround X"、"show me the concept network around this term"、"concept map for X"——即使用户没有说"bear-map",只要意图是**以一个概念为中心,了解它周围的知识版图**,就使用本技能。 不适用于:为观点找支持文献(用 bear-support)、找反对文献(用 bear-counter)、选题查重(用 bear-scoop)、溯源演化史(用 bear-trace)。
给一个概念或领域,同时画出它的概念版图(空间:现在这个领域长什么样)和演化脉络(时间:这个领域是怎么走到今天的),在一份综合报告里帮你快速建立对一个陌生领域的立体认知。底层走真实检索(scimaster-cli),绝不编造引用。 **以下情况请主动触发本技能**:用户想"快速入门一个领域"、"搞懂这个方向"、"这个领域的核心概念和发展历史"、"帮我建立对这个方向的认知框架"——即使没有说"bear-onboard",只要意图是**对一个陌生领域同时理解概念版图和演化脉络**,就使用本技能。 不适用于:只画概念地图(用 bear-map)、只做溯源(用 bear-trace)、为观点找文献(用 bear-support / bear-counter)、选题查重(用 bear-scoop)。
给一个研究 idea,依次执行撞车检测、安静区支撑检索、潜在挑战检索,在一份综合报告里呈现这个 idea 的立项前证据格局——撞车风险在哪、安静区里有没有文献支撑、最需要提前想清楚的挑战是什么。底层走真实检索(scimaster-cli),绝不编造引用。 **以下情况请主动触发本技能**:用户想"开题前评估一下"、"这个 idea 值不值得做"、"立项前做个全面的文献调研"、"帮我评估这个研究方向"——即使没有说"bear-propose",只要意图是**在正式投入一个研究方向之前做综合评估**,就使用本技能。 不适用于:只查撞车(用 bear-scoop)、只找支持(用 bear-support)、只找反对(用 bear-counter)、概念地图(用 bear-map)、溯源演化史(用 bear-trace)。
给一个观点,同时检索支持它的文献和反对它的文献,在一份综合报告里呈现正反两侧的证据格局——支持侧最强证据是什么、反对侧最危险的挑战是什么、哪些角度有支持但无反对、哪些角度有反对但无支持。底层走真实检索(scimaster-cli),绝不编造引用。 **以下情况请主动触发本技能**:用户想同时看到"支持和反对"、"这个观点稳不稳"、"帮我做一个全面的论点评估"、"正反两面都找一找"——即使没有说"bear-review",只要意图是**对一个观点做完整的证据格局分析**,就使用本技能。 不适用于:只找支持(用 bear-support)、只找反对(用 bear-counter)、选题查重(用 bear-scoop)、概念地图(用 bear-map)、溯源演化史(用 bear-trace)。
Own this plugin?
Verify ownership to unlock analytics, metadata editing, and a verified badge. GitHub access is read-only (username + org membership).
Sign in to claimOwn this plugin?
Verify ownership to unlock analytics, metadata editing, and a verified badge. GitHub access is read-only (username + org membership).
Sign in to claimBased on adoption, maintenance, documentation, and repository signals. Not a security audit or endorsement.
我在学术科研工作中的一些分析思路和方法,以 Agent Skill 的形式沉淀下来。覆盖选题评估、文献溯源、论点攻防、领域入门等场景,依托文献检索命令行工具 SciMaster CLI,所有分析都基于真实文献进行。
所有技能依赖 scimaster-cli,需要 Node.js >= 20。
npm install -g scimaster-cli
sci init # 粘贴 API Key 完成认证
sci --version # 确认安装成功
获取 API Key:注册 SciMaster 账号后,点击左下角用户头像打开设置界面 → API Key 页面 → 创建新 Key,复制后粘贴到 sci init 提示中。CLI 用户每月有免费检索额度,sci usage 查看余额。
方式一:skills CLI(推荐,支持 Claude Code / Codex / opencode 等)
npx skills add fei0810/bear-research-skills --all # 安装全部
npx skills add fei0810/bear-research-skills --skill bear-support # 安装单个
npx skills add fei0810/bear-research-skills --list # 查看列表
方式二:Claude Code 插件市场
/plugin marketplace add fei0810/bear-research-skills
/plugin install bear-research@bear-research
方式三:git clone
git clone https://github.com/fei0810/bear-research-skills.git ~/.claude/plugins/bear-research
为一个观点找真实的学术支撑。每篇文献附一行支撑关系说明,按直接支撑 / 部分支撑 / 间接相关分级,标出最应优先引用的那篇。
输入示例
# 生医
cfDNA 甲基化可以用于非侵入性的癌症早期检测
# 材料
高熵合金的晶格畸变效应会增强其机械性能
# 计算机
Transformer 架构在自然语言处理任务上优于 RNN
# 理工
锂离子电池的容量衰减主要来源于 SEI 膜的生长
为一个观点找学术层面的挑战。从五个方向检索:直接矛盾、边界条件、替代解释、方法批评、复制失败,每篇附威胁等级和回应方向。适合写论文 Discussion、准备答辩、预判审稿人意见。
输入示例
# 生医
gut microbiome diversity is causally linked to mental health outcomes
# 计算机
大语言模型在代码生成任务上已经超过了初级程序员的水平
# 材料
钙钛矿太阳能电池的光电转换效率已经可以媲美硅基电池
# 理工
深度学习模型的可解释性无法满足医疗诊断的临床需求
以一个概念为中心,从真实检索摘要里挖出 5–8 个邻近概念,生成知识地图。每个节点有实质性解释(是什么 + 与中心的关系),不从记忆里补节点。输出 Mermaid 概念图 + 可截图的 SVG HTML 地图。
输入示例
# 生医
液体活检
# 材料
拓扑绝缘体
# 计算机
强化学习
# 理工
量子纠缠
在投入研究之前,从 5–6 个不同角度检索,返回撞车程度地图(直接撞车 / 方法孪生 / 问题孪生 / 邻居)。用四轴评分(问题 / 方法 / 结论 / 场景)判断每篇文献的邻近层级。加 -r 只看近两年和预印本。
输入示例
# 生医
用 cfDNA 片段组学特征预测肺癌术后复发风险
# 材料
用机器学习预测钙钛矿太阳能电池的长期稳定性
# 计算机
基于图神经网络的代码漏洞检测方法
# 理工
利用声学超材料实现水下目标的宽频隐身 -r
追溯一个研究问题从源头到今天的演化脉络。逐层向前追溯前驱工作(默认 3 层),再补充近 1–2 年的最新进展,每条传承边标注关系类型(方法来源 / 问题来源 / 证据来源 / 领域转折)。加 -d N 控制溯源层数。
输入示例
# 生医
单细胞测序
# 材料
金属有机框架 MOF 的气体吸附
# 计算机
注意力机制 Attention Mechanism
# 理工
拓扑量子计算 -d 4
工作流是多个技能的串联,产出单一综合报告。首屏给出整体判断,下方分 tab 展开各阶段详细结果。
bear-support → bear-counter,同时检索正反两侧证据,输出证据格局分析:支持侧最强证据、反对侧最高威胁、有支持无反对的角度、有反对无支持的角度(最脆弱的地方)。约 10–13 次检索。
输入示例
# 生医
肠道菌群失调是 II 型糖尿病发生的促进因素之一
# 计算机
基于 Transformer 的大模型在 few-shot 场景下的泛化能力优于传统监督学习
# 材料
二维材料的层数对其电学性质有决定性影响
bear-map → bear-trace,同时建立概念版图(现在这个领域长什么样)和演化脉络(它是怎么走到今天的)。交叉识别枢纽节点——同时出现在概念地图和演化脉络里的概念,是进入陌生领域最高效的切入点。约 8–10 次检索。
输入示例
# 生医
空间转录组学
# 材料
固态电池
# 计算机
联邦学习
# 理工
量子误差纠正
bear-scoop → bear-support → bear-counter,三步不是简单串联——撞车检测的结果决定了后两步的检索方向:支撑和挑战的检索只聚焦在安静区,而不是整个 idea 的全貌。这是 bear-propose 比分别跑三个技能更有价值的核心。约 15–20 次检索。
输入示例
# 生医
利用单细胞甲基化测序解析肿瘤微环境中免疫细胞的异质性
# 材料
基于拓扑缺陷工程提升二维磁性材料的居里温度
# 计算机
为低资源语言设计基于跨语言迁移的代码生成模型
# 理工
利用光学频率梳实现高精度的大气成分实时监测
在当前目录自动创建 {topic-slug}/ 子文件夹,产出四个文件:
| 文件 | 说明 |
|---|---|
| 终端打印 | TUI 格式即时摘要 |
report.md | 结构化 Markdown,含 YAML front matter,Obsidian / GitHub 友好 |
report.html | 自包含 HTML,无外部依赖,支持 dark mode |
references.bib | 本次报告所有引用文献的 BibTeX,合并去重 |
各技能和工作流的 HTML 报告有专属可视化:bear-support / bear-counter 用文献卡片列表,bear-map / bear-onboard 用 SVG 概念星图,bear-trace 用竖向时间轴,bear-scoop / bear-propose 用同心圆雷达图,bear-review 用正反两侧对照面板。每张文献卡含 DOI 链接和可折叠摘要(中文学术译文)。
输出里的每一篇论文、每一个作者、每一条结论,都必须来自本次会话的一次真实
sci search。搜不到本身是结论,不从记忆里增补。
写完整综述、把结果加工成初稿,这些超出当前范围,技能会引导你前往 SciMaster。
scimaster-cli 是 SciMaster 我所在团队开发的学术检索命令行工具,bear-research 的所有论文检索能力依赖于该工具进行。如果你在使用过程中对 CLI 有建议或问题,欢迎通过下方联系方式反馈。
kaopu_bear 备注来意CC BY-NC-SA 4.0 · 可自由使用和改编,须署名原作者,不得商业使用,衍生作品须以相同许可证发布。
npx claudepluginhub fei0810/bear-research-skills --plugin bear-researchDeep research across Claude and Codex in parallel with cross-pollination refinement
Scientific research brainstorming partner: survey the literature, find good problems, and shape concrete research ideas together
深度研究 — 13 agent 协作:研究问题定义、系统性检索、偏差评估、综合分析、引用编译
PhD-level research capabilities: literature review, multi-source investigation, critical analysis, hypothesis-driven exploration, quantitative/qualitative methods
Academic literature search, citation management, PDF retrieval, and literature review synthesis
Comprehensive Research Planning agents specializing in synthesising hypothesis and claims, researching related work and challenging assumptions.
Academic research agents — hypothesis generation, experiment design, paper drafting, peer review simulation, and more.