idea-generation
- Repo stars 79
- License MIT
- Author updated Live
- Author repo academic-skills
- Domain
- Engineering
- Compatible agents
-
- Claude Code
- Cursor
- Cline
- Codex
- Windsurf
- Gemini CLI
- +20
- Trust score
- 94 / 100 · audit passed
- Author / version / license
- @voidful · MIT
- Token usage
- Lean
- Setup complexity
- Plug-and-play
- External API key
- Not required
- Operating systems
- Unspecified (assume cross-platform)
- Runtime requirements
- No special requirements
- Permissions
-
- Read-only
- Write / modify
- Network behavior
- Local-only
- Install commands
- 26 variants
Profile is derived at build time from SKILL.md and install vectors. Subject to drift from author intent.
Heads up: 未限定 allowed-tools,默认拥有全部工具权限。
---
name: idea-generation
description: 本技能提供一套系統化的研究構想產生流程,幫助研究者從零開始產出具備新穎性、可行性與影響力的研究 idea。流程分為三個階段:發散、文獻搜索驗證、收斂,最終產出一份精煉的 1-page 研究提案…
category: engineering
runtime: no special runtime
---
# idea-generation output preview
## PART A: Task fit
- Use case: 本技能提供一套系統化的研究構想產生流程,幫助研究者從零開始產出具備新穎性、可行性與影響力的研究 idea。流程分為三個階段:發散、文獻搜索驗證、收斂,最終產出一份精煉的 1-page 研究提案。 階段一:發散 階段二:文獻搜索驗證 階段三:收斂 ───────────── ───────────────── ────────── runs entirely locally. Works with Claude Code, Cursor, Cline and 23 more..
- Inputs: target material, constraints, expected output, and acceptance criteria.
- Evidence boundary: follow “概述 / 三階段流程 / 總覽” and do not present inference as author intent.
## PART B: Execution result
- **01** The card summarizes the use case; runtime output centers on “本技能提供一套系統化的研究構想產生流程,幫助研究者從零開始產出具備新穎性、可行性與影響力的研究 idea。流程分為三個階段:發散、文獻搜索驗證、收斂,最終產出一份精煉的 1-page 研究提案。 階段一:發散 階段二:文獻搜索驗證 階段三:收斂 ───────────── ───────────────── ────────── runs entirely locally. Works with Claude Code, Cursor, Cline and 23 more.”.
- **02** When the source has headings, the agent prioritizes “概述 / 三階段流程 / 總覽” so the result follows the author’s structure.
- **03** Typical output includes task judgment, concrete steps, required commands or file edits, validation, and follow-up options.
- **04** Risk context follows the fingerprint: read files, write/modify files; mostly runs locally; usually needs no extra API key.
## Running Rules
- read files, write/modify files; mostly runs locally; usually needs no extra API key.
- Validate with a small sample before expanding scope.
- Return the result, validation criteria, and next iteration options. The source does not require a stable slash command. After installation, invoke the skill by name and describe the task.
Name target files or source material, expected output, forbidden changes, and whether network or shell access is allowed. Permission fingerprint: read files, write/modify files.
Start with a small task and check whether the result follows “概述 / 三階段流程 / 總覽”. Inspect diffs, logs, previews, or tests before expanding scope.
Confirm the final output includes a concrete result, evidence, and next action. If it stays generic, tighten inputs, boundaries, and acceptance criteria.
---
name: idea-generation
description: 本技能提供一套系統化的研究構想產生流程,幫助研究者從零開始產出具備新穎性、可行性與影響力的研究 idea。流程分為三個階段:發散、文獻搜索驗證、收斂,最終產出一份精煉的 1-page 研究提案…
category: engineering
source: voidful/academic-skills
---
# idea-generation
## When to use
- 本技能提供一套系統化的研究構想產生流程,幫助研究者從零開始產出具備新穎性、可行性與影響力的研究 idea。流程分為三個階段:發散、文獻搜索驗證、收斂,最終產出一份精煉的 1-page 研究提案。 階段一:發散 階段二:文獻搜索驗證 階段…
- Use it when the task has clear inputs, repeatable steps, and validation criteria.
## What to provide
- Target material, scope, expected result, and forbidden changes.
- Whether network, commands, file writes, or external services are allowed.
## Execution rules
- Organize steps around “概述 / 三階段流程 / 總覽” and keep inference separate from source facts.
- read files, write/modify files; mostly runs locally; usually needs no extra API key.
- Validate with a small sample before expanding the task.
## Output requirements
- Return the deliverable, key evidence, validation method, and next action.
- Mark missing information as unknown; do not invent commands, platforms, or dependencies. The author source anchors workflow facts; repository files anchor sources and commands; Fluxly only adds fit, limitations, and quality judgment.
skill "idea-generation" {
input -> user goal + target files + boundaries + acceptance criteria
context -> 概述 / 三階段流程 / 總覽
rules -> SKILL.md triggers / order / output contract
runtime -> no special runtime | read files, write/modify files | mostly runs locally
guardrails -> usually needs no extra API key + small-sample validation + diff/log review
output -> copyable result + checklist + next iteration
} 02 — Idea Generation:學術研究構想產生
概述
本技能提供一套系統化的研究構想產生流程,幫助研究者從零開始產出具備新穎性、可行性與影響力的研究 idea。流程分為三個階段:發散、文獻搜索驗證、收斂,最終產出一份精煉的 1-page 研究提案。
本技能適用於:
- 碩博士生尋找論文題目
- 研究者開拓新研究方向
- 跨領域合作時激盪構想
- 研究團隊定期進行腦力激盪
三階段流程
總覽
階段一:發散 階段二:文獻搜索驗證 階段三:收斂
───────────── ───────────────── ──────────
產生 10-20 個 搜索相關文獻 篩選至 1 個
候選 idea 確認新穎性 最佳 idea
建立文獻表
[10種發想框架] → [搜索策略 + 工具] → [評分矩陣 + 篩選標準]
階段一:發散 — 產生 10-20 個候選 Idea
目標
在不預設限制的情況下,盡可能產生大量候選構想。此階段的關鍵原則是**「量先於質」**——先求廣度,再求深度。
準備工作
- 界定探索範圍:確定你的研究大方向(例如:自然語言處理、電腦視覺、強化學習)
- 蒐集素材:回顧近期讀過的論文、參加過的演講、實驗中的觀察
- 設定時間限制:每個框架花 15-30 分鐘,避免過早陷入細節
10 種發想框架
以下提供十種不同角度的發想框架,建議至少使用其中 3-5 種來產生候選 idea。每種框架的詳細說明請參見 references/brainstorming-frameworks.md。
框架 1:Problem-First(從問題出發)
從實際問題或痛點出發,尋找尚未被妥善解決的研究問題。
- 觀察現有系統的瓶頸
- 收集使用者抱怨與需求
- 檢視 benchmark 上的失敗案例
框架 2:Solution-First(從技術出發找應用)
從一個新技術或方法出發,探索它可以應用的場景。
- 一個新提出的演算法還能解決什麼問題?
- 某個領域的突破能否遷移到其他領域?
框架 3:抽象階梯(Abstraction Ladder)
在不同抽象層次間移動,從具體問題上升到抽象原則,再下降到新的具體應用。
- 向上抽象:這個問題的本質是什麼?
- 向下具體:這個原則可以實例化為什麼?
框架 4:矛盾獵尋(Contradiction Hunting)
找出現有方法中的矛盾、假設衝突或未被質疑的預設。
- 哪些「常識」其實缺乏證據?
- 兩篇論文的結論是否相互矛盾?
框架 5:跨領域嫁接(Cross-Domain Transfer)
將其他領域的成功方法或概念引入自己的研究領域。
- 生物學的機制能否啟發演算法設計?
- 社會科學的理論能否解釋技術現象?
框架 6:What Changed(關注最近的技術變化)
關注最近的技術突破或環境變化,思考這些變化開啟了哪些新的可能性。
- 新的硬體能力(更大的模型、更快的推理)
- 新的資料來源(多模態資料、合成資料)
- 新的社會需求(隱私、公平性、可解釋性)
框架 7:失敗分析(Failure Analysis)
從失敗的嘗試、被拒的論文、或表現不佳的方法中尋找機會。
- 為什麼這個方法失敗了?能否修正?
- 失敗的原因是否指向一個更根本的問題?
框架 8:簡單性測試(Simplicity Test)
用更簡單的方法挑戰複雜的現有方法,測試複雜性是否真的必要。
- 簡單的 baseline 是否被公平比較過?
- 複雜方法的哪些組件是真正必要的?
框架 9:利害關係人旋轉(Stakeholder Rotation)
從不同使用者、利害關係人的角度重新思考問題。
- 終端使用者最在意什麼?
- 開發者最大的痛點是什麼?
- 決策者需要什麼資訊?
框架 10:組合/分解(Combine / Decompose)
將現有的方法或概念進行組合或拆解,產生新的研究方向。
- 組合:A 方法 + B 方法能產生什麼效果?
- 分解:複雜系統的哪個子模組值得獨立研究?
發散階段的輸出
完成發散階段後,你應該有一份包含 10-20 個候選 idea 的列表,每個 idea 包含:
| 欄位 | 說明 |
|---|---|
| 編號 | 流水編號 |
| 標題 | 一句話描述 |
| 使用的框架 | 使用了哪個發想框架 |
| 簡述 | 2-3 句話的初步構想 |
| 直覺評分 | 1-5 的初步直覺分數 |
階段二:文獻搜索驗證 — 確認新穎性
目標
透過系統化的文獻搜索,驗證候選 idea 的新穎性,並建立相關文獻表。此階段的關鍵是確認你的 idea 尚未被做過,同時找到可以借鑑的相關工作。
搜索策略
詳細的搜索策略請參見 references/paper-search-strategy.md,以下是簡要流程:
步驟 1:關鍵字設計
- 為每個候選 idea 設計 3-5 組搜索關鍵字
- 使用同義詞、上位詞、下位詞擴展搜索範圍
- 結合英文與中文關鍵字
步驟 2:多平台搜索
- Semantic Scholar:語義搜索,適合探索性搜索
- Google Scholar:覆蓋面廣,適合確認性搜索
- arXiv:最新預印本,適合追蹤前沿
- DBLP:電腦科學領域的完整索引
- ACL Anthology:NLP 領域專用
步驟 3:滾雪球法
- 前向追蹤:找到關鍵論文後,看誰引用了它
- 後向追蹤:看關鍵論文引用了誰
- 作者追蹤:查看關鍵作者的其他工作
步驟 4:新穎性判定
對每個候選 idea 進行新穎性判定:
| 判定結果 | 說明 | 行動 |
|---|---|---|
| 全新 | 找不到直接相關的工作 | 保留,但需確認可行性 |
| 部分重疊 | 有相關但不完全相同的工作 | 找出差異點,精煉 idea |
| 已被做過 | 找到幾乎相同的工作 | 淘汰或大幅修改 |
文獻搜索驗證的輸出
完成此階段後,你應該有:
- 篩選後的候選列表:淘汰已被做過的 idea,通常剩 5-10 個
- 文獻表:每個存活的 idea 對應 5-10 篇相關文獻
- 新穎性標註:標註每個 idea 的新穎性判定結果與差異點
階段三:收斂 — 篩選至 1 個最佳 Idea
目標
從存活的候選 idea 中,透過系統化的評估與篩選,選出 1 個最佳 idea 進行深入發展。
收斂流程
詳細的收斂流程請參見 references/idea-convergence.md,以下是簡要流程:
步驟 1:淘汰(Eliminate)
快速淘汰明顯不可行的 idea:
- 技術上不可能在合理時間內完成
- 缺乏必要的資料或計算資源
- 新穎性不足
步驟 2:合併(Merge)
檢查是否有可以合併的候選 idea:
- 兩個 idea 是否在解決同一個問題的不同面向?
- 合併後是否能產生更有力的研究貢獻?
步驟 3:精煉(Refine)
對剩餘的候選 idea 進行精煉:
- 縮小研究範圍,使問題更具體
- 明確研究貢獻(Technical Contribution)
- 構想初步的實驗設計
步驟 4:評分矩陣
使用評分矩陣進行量化評估。詳細的評分矩陣模板請參見 references/evaluation-matrix.md。
評分維度:
| 維度 | 權重 | 說明 |
|---|---|---|
| 新穎性 | 25% | 與現有工作的差異程度 |
| 可行性 | 25% | 在現有資源下完成的可能性 |
| 影響力 | 20% | 對領域的潛在貢獻 |
| 時效性 | 15% | 是否符合當前研究趨勢 |
| 個人興趣 | 15% | 個人的熱情與動機 |
步驟 5:最終決策
- 選擇加權總分最高的 idea
- 但也要考慮:直覺是否認同?是否有足夠的熱情去執行?
- 如果理性與直覺衝突,花時間釐清原因
常見陷阱
在收斂階段,需要警惕以下認知偏誤:
- 確認偏誤:只搜索支持自己偏好的證據
- 沉沒成本:因為已經投入時間而不願放棄劣質 idea
- 新奇偏誤:過度追求新穎而忽視可行性
- 從眾效應:因為某個方向很熱門就跟風
- 完美主義:等待「完美」的 idea 而遲遲不開始
最終輸出
完成三個階段後,你應該產出以下四份文件:
1. 候選列表
所有候選 idea 的完整列表,包含狀態標記(存活/淘汰/合併)。
2. 文獻表
每個存活 idea 的相關文獻清單,格式:
## Idea: [標題]
1. [作者] (年份). [論文標題]. [會議/期刊].
- 相關性:[高/中/低]
- 與本 idea 的關係:[簡述]
2. ...
3. 評分矩陣
所有存活 idea 的量化評分,包含各維度分數與加權總分。
4. 1-Page 提案
最終選定 idea 的一頁提案,包含以下段落:
# [研究標題]
## 問題陳述(Problem Statement)
- 要解決什麼問題?為什麼重要?
## 現有方法與不足(Related Work & Gap)
- 現有方法怎麼做?有什麼不足?
## 提議方法(Proposed Approach)
- 你打算怎麼做?核心想法是什麼?
## 預期貢獻(Expected Contributions)
- 預期的研究貢獻是什麼?
## 初步實驗計畫(Preliminary Experiment Plan)
- 打算用什麼資料集?什麼指標?什麼 baseline?
## 風險與備案(Risks & Mitigation)
- 主要風險是什麼?備案是什麼?
## 時間表(Timeline)
- 預計的里程碑與時間安排
流程檢查清單
發散階段
- 設定探索範圍與時間限制
- 至少使用 3 種發想框架
- 產生至少 10 個候選 idea
- 每個 idea 有標題、簡述、直覺評分
- 沒有在此階段過早篩選
文獻搜索驗證階段
- 為每個 idea 設計搜索關鍵字
- 使用至少 2 個搜索平台
- 執行滾雪球法追蹤關鍵文獻
- 標註每個 idea 的新穎性判定
- 建立文獻表
收斂階段
- 淘汰明顯不可行的 idea
- 檢查可合併的 idea
- 精煉剩餘候選
- 完成評分矩陣
- 選定最終 idea
- 撰寫 1-page 提案
- 檢查是否有認知偏誤
時間建議
| 階段 | 建議時間 | 說明 |
|---|---|---|
| 發散 | 2-4 小時 | 可分散在 2-3 天內 |
| 文獻搜索驗證 | 4-8 小時 | 每個 idea 約 30-60 分鐘 |
| 收斂 | 2-3 小時 | 建議一次完成 |
| 撰寫提案 | 1-2 小時 | 在收斂後立即進行 |
| 合計 | 9-17 小時 | 約 1-2 週 |
參考資源
進階建議
建立 Idea Bank
- 平時閱讀論文時,隨手記錄觸發的想法
- 定期回顧 idea bank,將舊想法與新知識結合
- 使用標籤系統分類(按領域、方法、問題類型)
與他人互動
- 向不同領域的人解釋你的 idea,收集反饋
- 參加讀書會或研討會,在討論中激盪新想法
- 找一個「idea buddy」定期交流
迭代式發想
- 不要期望一次就找到完美的 idea
- 允許自己回到發散階段,用新的資訊重新發想
- 好的 idea 往往是多次迭代的結果
記錄與反思
- 記錄每次發想過程,包括最終沒被選上的 idea
- 反思哪些框架對你最有效
- 建立個人的發想流程與偏好檔案
Decide Fit First
Design Intent
How To Use It
Boundaries And Review