kylecui/petfish.ai/scientific-gap-finder

作用/Purpose

基于已完成的文献矩阵进行研究空白识别，不靠直觉宣称“没人做过”。该skill聚焦三件事： 1) 识别并归类gap类型； 2) 将gap追溯到具体论文证据； 3) 为每个gap提出至少一个具可行性的潜在贡献方向。

输出应服务后续方法设计与实验规划，避免停留在“发现空白”的口号层。

触发场景/Trigger Scenarios

• 用户要求“找gap / identify gaps / 研究空白分析”
• 文献综述后需要确定贡献点与novelty定位
• 论文引言/贡献段落需要证据化支撑
• 团队需要判断某idea是实质创新还是重复工作
• 需要区分真实未解问题与工程未实现细节

输入/Input

• literature-matrix.md（必需）
• literature-review.md（推荐）
• 可选：evidence ledger、claim map、研究目标约束
• 可选：目标发表场景（学术论文/技术报告/系统原型）

输出/Output

• research-gaps.md — gap清单（类型、证据、边界、价值）
• contribution-options.md — 每个gap对应的候选贡献方向

工作流/Workflow

1. 审阅文献矩阵，提取问题、方法、评估、数据、系统落地信息。
2. 按 gap-types.md 进行候选gap分类（Problem/Method/Evaluation等）。
3. 对每个候选gap绑定支撑论文与反例论文，避免单边叙述。
4. 判断gap是否真实：区分“尚未解决”与“已解决但你未检索到”。
5. 识别伪gap信号（仅措辞差异、仅参数微调、仅换数据不换问题）。
6. 评估gap价值（理论价值、工程价值、可验证性、可复现性）。
7. 为每个真实gap提出至少一个潜在贡献路径。
8. 标注每条贡献路径的前提条件与验证需求。
9. 参考 novelty-checklist.md 做贡献可行性复核。

质量门禁/Quality Gates

• 每个gap必须追溯到文献矩阵中的具体论文条目。
• 必须区分真实gap与琐碎/伪gap，并给出判别理由。
• 每个gap至少提供一个潜在贡献方向（非口号）。
• 不允许仅用“没有看到相关工作”作为gap证据。
• 需显式记录反证或竞争解释，避免确认偏差。

Gotchas/注意事项

• “论文少”不等于“研究空白”；可能只是检索不足。
• “方法名字不同”不等于“创新不同”；要比较机制与假设。
• 不要把工程实现难度误判为科学问题空白。
• 不要把局部场景成功扩展为通用问题已解决。
• gap分析应连接可验证贡献，否则无法进入方法设计阶段。

关联资源

• References: gap-types.md, novelty-checklist.md