pyResearch-ReadingSkill

[

一个专注于从引言（Introduction）角度进行文献调研和写作指导的 Claude Code Skill 集合，支持批量文献引言分析、多主题自动识别、复杂关系可视化等功能，内置严格的反幻觉机制和完整的文献可追溯性。

English summary: A collection of Claude Code skills focused on literature review from the Introduction perspective. Features batch introduction analysis, automatic theme detection, complex relationship visualization, built-in anti-hallucination mechanisms, and complete paper traceability. Designed for academic research, especially in biomedical computing and AI4S fields.

功能亮点

批量引言分析 - 从多篇论文的引言完成文献综述，无需阅读全文
多主题自动识别 - 不预设任何主题，从引言内容自动聚类研究方向
复杂关系可视化 - 6种Mermaid图表展示观点依赖、论证流程、观点演进
反幻觉机制 - 双标签系统 + 严格原文引用 + 不确定性标记
文献可追溯性 - 完整引用格式，每篇文献可精确定位
引言写作指导 - 通过分析高质量引言，学习顶刊写作范式

快速开始

前置条件

Claude Code CLI 已安装

安装

方式一：安装单个skill（推荐）

# 克隆整个仓库
git clone https://github.com/MaybeBio/pyResearch-ReadingSkill ~/pyResearch-ReadingSkill

# 复制需要的skill到Claude skills目录
cp -r ~/pyResearch-ReadingSkill/skills/intro-analysis ~/.claude/skills/

方式二：直接复制skill文件夹

# 下载ZIP后解压，然后复制
unzip pyResearch-ReadingSkill.zip
cp -r pyResearch-ReadingSkill/skills/intro-analysis ~/.claude/skills/

方式三：符号链接（开发时推荐）

git clone https://github.com/MaybeBio/pyResearch-ReadingSkill ~/pyResearch-ReadingSkill
ln -s ~/pyResearch-ReadingSkill/skills/intro-analysis ~/.claude/skills/intro-analysis

安装多个skill

如果需要安装多个skill：

cp -r ~/pyResearch-ReadingSkill/skills/* ~/.claude/skills/

验证安装

ls ~/.claude/skills/intro-analysis/SKILL.md

卸载skill

rm -rf ~/.claude/skills/intro-analysis

使用

在 Claude Code 中，直接用自然语言触发：

帮我分析这个文献集的引言，生成一篇领域综述。文件在 papers.md
从这些论文的引言中，提取它们提到的历史里程碑工作
分析这些引言，看看涉及哪些可能的研究方向

添加新skill到仓库

本仓库设计为skill集合，可在skills/目录下添加多个skill：

skill目录结构

pyResearch-ReadingSkill/
├── skills/
│   ├── intro-analysis/          # 引言分析skill
│   │   ├── SKILL.md            # skill主文件
│   │   └── references/         # 参考文档
│   ├── your-new-skill/         # 新skill
│   │   └── SKILL.md
│   └── another-skill/
│       └── SKILL.md
├── test_data/                  # 测试数据（可选）
├── README.md
└── LICENSE

创建新skill

在skills/下创建新文件夹
创建SKILL.md文件，遵循Claude Code skill格式
（可选）添加references/目录存放参考文档
更新本README的"核心技能"部分

技能开发规范

SKILL.md：skill主配置文件，包含name、description、核心功能
references/：存放详细文档、规则、示例等
保持每个skill独立，互不依赖

核心技能

intro-analysis (引言分析技能)

位置: skills/intro-analysis/SKILL.md

输入: 单个markdown文件，包含多篇论文的Abstract + Introduction

输出: 结构化综述报告（直接保存为文件，对话中仅显示简要摘要）

核心功能:

文献调研 - 仅从引言部分完成研究开题报告背景部分
多主题识别 - 自动识别所有研究方向，不预设任何主题
可视化梳理 - 6种Mermaid图表展示复杂关系
引言写作指导 - 学习顶刊Introduction三步法

安装:

cp -r skills/intro-analysis ~/.claude/skills/

分析流程

第一阶段：独立解析每篇文献
├── 文献元信息提取（完整引用格式）
├── 研究定位与第一性原理
├── 历史脉络（时间线）
├── 研究现状分类
├── 研究缺口（四类：空白/错误/矛盾/瓶颈）
├── 核心观点
├── 关键参考文献
├── 引言结构分析（顶刊三步法）
└── 引言质量评级

第二阶段：跨文献综合分析
├── 自动识别研究主题（不预设）
├── 每个主题的详细分析
├── 构建领域时间线
├── 观点追踪与论战
├── 观点依赖图
├── 论证流程图
├── 观点演进序列图
├── 研究范式状态图
└── 研究缺口综合

第三阶段：引言写作指导
├── 漏斗式开篇模式
├── 研究缺口陈述模式
├── 解决方案呈现模式
└── 高质量引言特征

第四阶段：生成综述报告（保存到本地文件）

可视化类型

可视化类型	用途	原文引用要求
mindmap	主题关系全景	主题说明包含原文
timeline	领域发展时间线	每条记录包含原文
graph	观点依赖网络	每个节点包含原文
flowchart	论证逻辑流程	每个节点包含原文
sequence	观点演进序列	每条消息包含原文
state	研究范式转换	每条转换包含原文

反幻觉机制

双标签系统

标签	含义	使用场景
`[原文声明]`	论文明确声明的内容	作者直接表述的观点、贡献
`[模型归纳]`	基于分析的推断	从内容归纳但未明确声明的
`[未明确给出]`	论文未提及的信息	缺失字段，不猜测
`[不确定]`	有歧义的信息	标注歧义原因
`[引用文献未详述]`	二手引用信息不全	论文引用的原始工作描述不详

原文引用三要素

所有证据性论点必须包含：

来源文献 - 使用完整引用格式（作者, 年份. 标题. 期刊. DOI/PMID）
原文内容 - 保留原文英文，用 「...」 包裹
位置标注 - 具体到段/句（Introduction第X段）

示例:

作者在【Introduction第3段】中指出「Deep learning has demonstrated remarkable performance in medical image analysis」（paper_1）

文献可追溯性

每篇文献必须有完整身份标识：

---
id: unique_id
title: Paper Title
authors: Author List
year: Year
journal: Journal Name (optional)
doi: DOI (optional)
pmid: PubMed ID (optional)
---

自动生成完整引用格式：

完整格式：作者, 年份. 标题. 期刊. DOI/PMID
示例：Smith et al., 2023. Deep Learning in Medical Imaging. Nature Medicine. doi:10.1038/s41591-023-01234-5

输入文件格式

完整格式（推荐）

---
id: paper_1
title: Paper Title
authors: Author List
year: 2024
journal: Journal Name (optional)
doi: 10.1234/xxx (optional)
pmid: 12345678 (optional)
---

## Abstract
Abstract content...

## Introduction
Introduction content...

---
id: paper_2
title: Another Paper
authors: ...
---

Abstract-only格式（支持但受限）

---
id: paper_1
title: Paper Title
authors: Author List
year: 2024
journal: Journal Name (optional)
doi: 10.1234/xxx (optional)
---

## Abstract
Abstract content...

注意：Abstract-only论文可以提取研究问题、方法、贡献，但无法提取历史脉络、研究缺口等深度信息。

输出格式

本地保存的文件

文件命名：

[输入文件名]_intro_[日期].md
例如：medical_papers_intro_20260521.md

报告内容：

Mermaid mindmap（研究主题全景）
Mermaid timeline（领域发展时间线）
Mermaid graph（观点依赖图）
Mermaid flowchart（论证流程图）
Mermaid sequence（观点演进序列图）
Mermaid state（研究范式演进图）
观点溯源标注 (id: paper_id, Introduction第X段) + 原文引用
观点论战对比表格（含原文表述和标签）
每个主题的深度分析
文献逐篇独立分析
引言写作指南
参考文献索引（完整引用格式）

对话中显示的简要摘要

✅ 分析完成

📊 分析统计
- 文献数量：N篇
- 识别主题：X个
- 时间跨度：[起始年] - [结束年]
- 数据来源：仅从Introduction部分提取

📁 输出文件
- 路径：/path/to/papers_intro_20260521.md
- 格式：Markdown (.md)
- 大小：[文件大小]

🔍 主要发现
- 核心主题1：[简要描述]
- 核心主题2：[简要描述]
- 主要争议：[简要描述]

💾 查看建议
- 文件已保存，可使用任何markdown编辑器查看
- 报告包含完整的Mermaid可视化图表
- 所有观点都有原始文献引用

设计原则

反幻觉优先 - 绝对不编造任何论文未声明的内容
双标签系统 - 每条观点标注 [原文声明] 或 [模型归纳]
文献可追溯 - 每个观点都有完整引用格式和原文引用
不确定性标记 - 所有不确定信息标注为 [未明确给出] 或 [不确定]
仅依赖引言 - 所有信息从引言提取，无需阅读全文
观点溯源 - 每个观点标注出处，便于验证
独立分析 - 每篇文献先独立解析，再做跨文献综合
论战清晰 - 对立观点并置展示，保留原文论证逻辑
主题自动识别 - 不预设任何主题，从引言内容自动聚类
可视化优先 - 复杂关系优先用图表展示，每个节点都有原文引用

常见幻觉模式规避

模式	错误做法	正确做法
期刊猜测	"发表于Nature"	`[未明确给出]`
贡献膨胀	增加未声明的贡献	仅列出论文声明的贡献
结果外推	"达到所有基准的SOTA"	引用确切基准和指标
作者专长	"计算机视觉专家"	仅陈述论文声明的内容
未来工作编造	发明未来方向	仅引用论文的Future Work
方法细节填充	猜测架构细节	标注为 `[未明确给出]`
归因错误	将观点归于错误作者	确认观点的真正来源

目录结构

pyResearch-ReadingSkill/
├── skills/
│   └── intro_analysis/
│       ├── SKILL.md                      # Skill 主配置
│       └── evals/
│           └── evals.json                  # 测试用例
├── test_data/
│   └── sample_papers.md                   # 示例测试数据
├── README.md                             # 本文件
├── LICENSE                                # MIT 许可证
└── (其他文件)

适用领域

本技能集特别适用于：

生物医学计算 - 医学影像、基因组学、蛋白质科学
AI4S 领域 - 药物发现、科学计算、交叉学科
学术文献综述 - 研究背景调研、开题报告
引言写作指导 - 学习顶刊写作范式

技能集合规划

本仓库计划包含以下skill：

✅ intro-analysis - 批量文献引言分析（已实现）
🚧 [待开发] abstract-analysis - 批量摘要分析
🚧 [待开发] full-paper-analysis - 完整论文分析
🚧 [待开发] comparison-review - 多论文对比综述

贡献新skill：欢迎提交PR添加新skill，参考intro-analysis的结构

注意事项

专注于 paper 的阅读和分析
与 coding 技能集相对
重点利用 Introduction 部分完成文献调研工作
所有信息必须可追溯到原始文献

Abstract-only 论文的处理

如果你的文献只有 Abstract 没有 Introduction：

可提取内容：研究问题、方法、主要贡献、简要结果
不可提取内容：历史脉络、研究现状、研究缺口、关键参考文献
标注方式：会使用 [仅有Abstract，无法提取XXX] 标注
分析影响：不会参与需要历史脉络或研究缺口的综合分析

建议：

优先使用有 Introduction 的论文进行深度分析
Abstract-only 论文可以作为补充参考
混合使用时，skill 会自动区分处理

添加新技能

在 skills/ 下创建新文件夹，包含 SKILL.md 文件即可。

安装技能

将整个 skills/ 文件夹或单个技能文件夹复制到你的 Claude skills 路径：

Linux: ~/.claude/skills/

License

完整许可证文本见 LICENSE 文件。

Contributing

欢迎提交 Issue 和 Pull Request。

如果你在使用中发现引用错误、分析偏差或输出格式问题，欢迎在 Issue 中附上复现步骤（测试文件链接 + 触发词 + 错误输出片段）。

Name		Name	Last commit message	Last commit date
Latest commit History 6 Commits
skills		skills
.gitignore		.gitignore
CONTRIBUTING.md		CONTRIBUTING.md
LICENSE		LICENSE
README.md		README.md
research_proposal.md		research_proposal.md

Folders and files

Latest commit

History

Repository files navigation

pyResearch-ReadingSkill

功能亮点

快速开始

前置条件

安装

方式一：安装单个skill（推荐）

方式二：直接复制skill文件夹

方式三：符号链接（开发时推荐）

安装多个skill

验证安装

卸载skill

使用

添加新skill到仓库

skill目录结构

创建新skill

技能开发规范

核心技能

intro-analysis (引言分析技能)

分析流程

可视化类型

反幻觉机制

双标签系统

原文引用三要素

文献可追溯性

输入文件格式

完整格式（推荐）

Abstract-only格式（支持但受限）

输出格式

本地保存的文件

对话中显示的简要摘要

设计原则

常见幻觉模式规避

目录结构

适用领域

技能集合规划

注意事项

Abstract-only 论文的处理

添加新技能

安装技能

License

Contributing

About

Resources

Contributing

Stars

Watchers

Forks

Releases

Packages

Contributors