liqing-ustc/mindflow/literature-survey

Claude Code and agent skill by liqing-ustc/mindflow

Trust tier 2
  • community
LLM review pending
Source check pending

Checking that the SKILL.md file is still in the repository.

当用户说"调研""survey""了解研究现状",或需要系统了解某主题的文献全貌时,以 DomainMap 为认知基线、近期 survey paper 为文献锚点,批量 digest 后综合生成调研报告

Install

npx vskill@latest install liqing-ustc/mindflow/literature-survey

SKILL.md

Purpose

给定一个研究主题,以 DomainMaps/ 为认知基线、以近期 survey paper 为文献锚点,批量 digest 相关论文,综合出 Topics/{Topic}-Survey.md —— 作为对相关 domain 当前认知的 delta 报告(无对应 DomainMap 时退化为完整领域分析)。

Steps

1. 基线建立
  • 认知基线:读 DomainMaps/_index.md 找相关 domain;若有,读对应 DomainMaps/{Name}.md
  • 内容基线:检查 Topics/{Topic}-Survey.md;若存在,读取该文件,用 frontmatter 的 date_updated 作为截止日期,扫描 body 中形如 [[YYMM-ShortTitle]](如 [[2510-XVLA]]、[[2602-DM0]])的 wikilinks 作为已收录论文清单,作为增量调研的起点;若无,本次是新建
2. Scoping
2.1 搜索相关 Survey

搜索本主题近期新出现的 survey paper(若 Step 1 存在内容基线,优先找其截止日期之后的)。先在已有 Papers/里寻找,再结合 WebSearch,挑 1-3 篇最相关的。若本 topic 无专门 survey,退而找相邻 / 上位 topic 的 survey paper。

为挑选出来的 survey paper 启动 subagent 并行调用 paper-digest 生成笔记,主 agent 读取这些 survey paper 的笔记文件。

2.2 确定候选论文清单

与 Step 1 已收录清单去重后得到候选论文清单,分两类:

  • 需 digest:从侦察到的 survey 中提取反复引用的 canonical 论文 → 进入 Step 3
  • 已有笔记:从 Papers/ 搜索本 topic 相关笔记 → 无需 digest,直接参与 Step 4 综合
3. 批量 paper-digest

为每篇待 digest 的论文启动 subagent 并行调用 paper-digest 生成笔记;若 paper-digest 发现论文已有笔记,则跳过(不覆盖、不询问)。等所有 subagent 完成后,进入下一步。

4. 综合写作

读取笔记:只读取候选论文清单里 rating >= 2 的论文笔记,作为新增论文(筛 rating 用 Bash 批处理 frontmatter,避免对每篇 Read)

确定 section 结构: 下列必备元素为骨架;各元素内部的子分类由已有对应 DomainMap + 已有 `Topics/{Topic}-Survey.md`(增量时) + Step 2.1 新侦察的 survey paper 综合提炼:

  • Overview:一句话定位 + 领域活跃度(时间线 / 参与格局 / 学术产出等) + 整体趋势
  • Problem & Motivation:本领域在解决什么核心问题,为什么重要,为什么适合现在做
  • 技术路线对比:分析各主流路线的核心思路,实际效果,优缺点等,嵌入代表性论文
  • Datasets & Benchmarks:整理常用的 Training Datasets,Benchmarks(包含 SOTA methods 和 performance),可以用多个表格方式呈现
  • Open Problems:真实的 open,不是教科书式列举
  • 调研日志:元数据(日期、论文统计、未能获取说明)

写作基线:Survey 定位为 DomainMap 的 delta 报告——已在对应 DomainMap 中 Established 的内容不重述,聚焦窗口内的新技术路线、对既有 claim 的支持/挑战、新 open problems;必要时用 [[DomainMaps/{Name}#某节]] 引用基线。无对应 DomainMap 时完整展开所有必备元素。

若调研中发现明显应纳入 DomainMap 的内容,在 ## 调研日志 之前加 ## DomainMap 更新建议 节显式列出;无则不加此节。

Frontmatter(新建或更新时写入/刷新):

yaml
---
title: <Topic 全名>
description: <一句话描述本 Survey 覆盖的范围与核心发现>
tags: [...]
date_updated: YYYY-MM-DD
year_range: YYYY-YYYY
---

Tag 选择:阅读 vault 目录下的 {vault_root}/references/tags.md,按照规范选择 tag。

Obsidian syntax:写入前参照 {vault_root}/references/obsidian-syntax.md Obsidian-specific quirks。

新建或增量更新 Topics/{Topic}-Survey.md。

5. 日志

追加 log entry 到 Workbench/logs/YYYY-MM-DD.md(文件不存在则新建并加一级标题 # YYYY-MM-DD):

markdown
### [HH:MM] literature-survey
-**input**: <topic>
-**output**: [[Topics/{Topic}-Survey]]
-**stats**: 侦察 survey N 篇,新增论文 N 篇
-**observation**: <一句话领域核心发现>
-**issues**: <未能获取的论文及原因;无则 none>

Verify

Step 1 · 基线建立
  • [ ] 认知基线:已读 DomainMaps/_index.md;若 topic 对应某已有 domain,已读对应 DomainMap
  • [ ] 内容基线:若 Topics/{Topic}-Survey.md 已存在,已从 frontmatter 读 date_updated、从 body wikilinks 重建论文清单
Step 2 · Scoping
  • [ ] 搜索 survey 的尝试路径已走过(本主题→相邻/上位);若均无,Survey 调研日志中明示"无参考 survey"
  • [ ] 候选论文清单已对 Step 1 已收录清单去重
Step 3 · 批量 paper-digest
  • [ ] "需 digest" bucket 中每篇 canonical 论文均已启动 paper-digest;issues 仅允许记录 paper-digest 实际失败(PDF 不可得 / API 错误等),不允许为控时长 / 规模而主观跳过
Step 4 · 综合写作
  • [ ] 所有新增论文(候选论文清单中 rating >= 2) 的笔记已全部完整读取,无跳过,无截断
  • [ ] 6 条必备元素(Overview / Problem & Motivation / 技术路线对比 / Datasets & Benchmarks / Open Problems / 调研日志)全部出现
  • [ ] 若 Step 2.1 有 survey 输出,本次笔记的 section 结构可追溯到其 taxonomy
  • [ ] 技术路线对比有分析深度——不止罗列 method 是什么,还说清楚各自的实际效果与优缺点
  • [ ] 若有对应 DomainMap,Survey 未大段重述其 Established Knowledge
  • [ ] Survey 中每篇引用都用 [[wikilink]],且 vault 中存在对应笔记(未能获取的论文在调研日志中明示)
  • [ ] Survey 中无遗留的 %%...%% 注释或占位符
  • [ ] 若 {Topic}-Survey.md 已存在:新内容与旧内容已 merge,未无故删除仍然有效的旧论据
  • [ ] 有 DomainMap 更新建议时已作为独立 section 列出;未直接修改 DomainMaps/ 下任何文件
Step 5 · 日志
  • [ ] 日志 entry 已追加到 Workbench/logs/YYYY-MM-DD.md,失败论文已记入 issues

Security

  • Security scanPassed, 100 of 100Pattern checks on the skill's files.
  • Model reviewNot runA model review is scheduled for the next rescan.

Quality evaluation

  • Task evaluationNot runNo evaluation yet. Run one in Skill Studio.

Source

Popularity

Repository stars
54
Repository forks
9
7-day trend score
20

Stars and forks are for the whole GitHub repository, not this skill alone. Not refreshed yet.

Works with

Any agent vskill installs to: 56 targets in all. These 39 have a page on this site.

  • Claude Code
  • Cursor
  • GitHub Copilot
  • Windsurf
  • Codex
  • Gemini CLI
  • Cline
  • Amp
  • Roo Code
  • Goose
  • Continue
  • Kilo Code
  • Junie
  • Trae
  • OpenHands
  • Qwen Code
  • AI Agent
  • Tabnine Chat
  • Sourcegraph Cody
  • Amazon Q
  • Firebase Genkit
  • Sweep
  • Devin
  • Phind
  • Mentat
  • Claude Desktop
  • Aider
  • GPT Pilot
  • Plandex
  • bolt.new
  • v0
  • Replit Agent
  • Anse
  • TypingMind
  • BetterChatGPT
  • LibreChat
  • Warp AI
  • Pieces
  • Fig AI
Embed badge
vskill VERIFIED badge
[![vskill VERIFIED](https://verified-skill.com/api/v1/skills/liqing-ustc/mindflow/literature-survey/badge)](https://verified-skill.com/skills/liqing-ustc/mindflow/literature-survey)

Something wrong with this skill or its page? Tell us.