论文总结

Name: 论文总结
Author: tomevault-io

AI 智能社区

作者仓库星标 0
作者更新于实时读取
作者仓库 skills-registry

流狐档案事实层信息：领域、Agent、信任分、运行环境、权限与网络

领域: AI 智能
兼容 Agent: Claude Code
Cursor
Cline
Codex
Windsurf
Gemini CLI

+20
信任分: 88 / 100 · 社区维护
作者 / 版本 / 许可: @tomevault-io · 未声明 license
Token 消耗评级: 低消耗
接入复杂程度: 需简单配置
是否需要外部 API Key: 不需要
兼容的系统: 未声明（默认跨平台）
底层运行要求: 无特殊要求
文件与系统权限: 只读
允许写入 / 修改
Shell 执行
网络行为: 仅限本地
安装命令数: 26 条

档案由构建时根据 SKILL.md 与安装命令自动衍生，可能与作者实际意图存在差异。

需要注意： 未限定 allowed-tools，默认拥有全部工具权限。

输出预览 research-summarizer.preview

---
name: research-summarizer
description: **面向非开发人员的结构化研究摘要工具** Use when this capability is needed. 这是一个结构化的研究摘要工作流程，能够将冗长的原始材料转化为实用的简报。专为…
category: AI 智能
runtime: 无特殊运行时
---

# research-summarizer 输出预览

## PART A: 任务判断
- 适用问题：提示词、Agent 工作流、模型评估或自动化推理。
- 输入要求：目标材料、限制条件、期望输出和验收方式。
- 证据边界：围绕“命令行工具 / 该技能的触发条件 / 工作流程”读取原文规则，不把推断写成作者承诺。

## PART B: 执行结果
- **01** 任务判断：确认你的需求是否属于提示词、Agent 工作流、模型评估或自动化推理，并标出输入、限制和预期结果。
- **02** 执行计划：优先按“命令行工具 / 该技能的触发条件 / 工作流程”拆成步骤，说明每一步会读取什么、修改什么、产出什么。
- **03** 交付结果：给出可复制的命令、文件改动、检查清单或内容草稿，并说明如何继续迭代。
- **04** 风险边界：结合 读取文件、写入/修改文件、执行终端命令、主要在本地完成、通常不需要额外 API Key 给出执行前确认项。

## Running Rules
- 读取文件、写入/修改文件、执行终端命令；主要在本地完成；通常不需要额外 API Key。
- 先小样例验证，再放大到真实任务。
- 交付时同时给结果、检查口径和下一步迭代建议。

SKILL.md SKILL.md

---
name: research-summarizer
description: **面向非开发人员的结构化研究摘要工具** Use when this capability is needed. 这是一个结构化的研究摘要工作流程，能够将冗长的原始材料转化为实用的简报。专为…
category: AI 智能
source: tomevault-io/skills-registry
---

# research-summarizer

## 什么时候使用
- 用于提炼长内容、变更或对话里的关键信息 适合处理AI Agent、提示词、模型评估与自动化推理，核心价值是把输入、判断、执行、验证和交付边界固定下来，避免 Agent 泛泛回答。 把任务拆成可执行、可检查、可继续迭代的步骤；通常不需要额…
- 面向提示词、Agent 工作流、模型评估或自动化推理，优先处理能明确输入、步骤和验收标准的工作。

## 需要提供什么
- 目标材料、目录范围、期望结果和不可改动内容。
- 是否允许联网、执行命令、读写文件或调用外部服务。

## 执行规则
- 围绕「命令行工具 / 该技能的触发条件 / 工作流程」组织步骤，不把推断写成作者事实。
- 读取文件、写入/修改文件、执行终端命令；主要在本地完成；通常不需要额外 API Key。
- 先跑小样例，确认结果可检查后再扩大任务范围。

## 输出要求
- 给出最终产物、关键证据、验证方式和下一步动作。
- 信息不足时标记 unknown，不编造命令、平台或依赖。

证据边界与执行链路

作者原文负责流程事实；仓库文件负责来源和命令；流狐只补充适用场景、限制和质量判断。

skill "research-summarizer" {
  输入层     -> 用户目标 + 目标文件 + 禁止范围 + 验收标准
  上下文层   -> 命令行工具 / 该技能的触发条件 / 工作流程
  规则层     -> SKILL.md 触发条件 / 执行顺序 / 输出格式
  运行层     -> 无特殊运行时 | 读取文件、写入/修改文件、执行终端命令 | 主要在本地完成
  安全层     -> 通常不需要额外 API Key + 小任务验证 + diff / 日志复核
  输出层     -> 可复制结果 + 检查清单 + 下一步迭代
}

解读按原文结构重写，命令、链接、术语均保留；右侧可核对作者原始 SKILL.md

先判断是否适合

核心用途：用于提炼长内容、变更或对话里的关键信息适合处理AI Agent、提示词、模型评估与自动化推理，核心价值是把输入、判断、执行、验证和交付边界固定下来，避免 Agent 泛泛回答。把任务拆成可执行、可检查、可继续迭代的步骤；通常不需要额外 API Key…
适用任务：更适合 AI Agent、提示词、模型评估与自动化推理，尤其是输入、步骤、验收口径可以反复复用的场景。
不宜硬套：如果任务只有一次性问答、来源材料很少，或需要作者没有说明的命令和外部服务，应先降级为普通对话。

作者设计意图

触发依据：使用时机、上下文收集、输出格式和失败处理共同决定它是否适合当前任务。
来源边界：作者原文负责事实，仓库文件负责命令和文件证据；Fluxly 只补充用途、限制和使用判断。

作者的方法与取舍

执行主线：任务围绕「命令行工具 / 该技能的触发条件 / 工作流程」组织，把触发条件、必要上下文、执行规则和交付标准连成一条可复核的链路。
设计重点：重点不在重复教程，而在解释作者为什么规定这些步骤、哪些条件不可省略，以及结果偏离时应回到哪一层检查。
使用判断：先确认任务与原文边界一致，再决定是否启用；来源没有说明的命令、平台和依赖保持未知，不由 Fluxly 补写。

边界和复核

依赖条件：通常不需要额外 API Key，适合先用小任务验证触发是否稳定。
权限提醒：会涉及 read / write / shell-exec 权限，执行前要说明可读写范围、命令边界和回退方式。
质量标准：结果应包含明确产物、必要证据和下一步动作；如果只是泛泛解释，需要补充输入和验收条件后重跑。

研究摘要工具

阅读更少，理解更多。正确引用。

这是一个结构化的研究摘要工作流程，能够将冗长的原始材料转化为实用的简报。专为产品经理、分析师、创业者以及所有需要阅读大量资料的人设计。

这不仅仅是一个简单的“总结”功能——而是一个可重复使用的框架，能够提取关键信息、对比不同来源的内容，并正确格式化引用。

命令行工具

命令	功能
`/research:summarize`	将单个来源的内容总结为结构化的简报
`/research:compare`	并排比较2-5个来源，并进行综合分析
`/research:cite`	从文档中提取并格式化所有引用

该技能的触发条件

当用户发出以下请求时，该技能会被激活：

“总结这篇论文/文章/报告”
“这份文档的主要发现是什么？”
“比较这些来源”
“从这份PDF中提取引用”
“提供关于[主题]的研究简报”
“分析这份白皮书”

如果用户有一份文档并希望获得结构化的理解，那么这个技能就非常适用。

工作流程

`/research:summarize` — 单个来源的摘要

识别来源类型
- 学术论文 → 使用IMRAD结构（引言、方法、结果、分析、讨论）
- 网络文章 → 使用“主张-证据-影响”的结构
- 技术报告 → 使用执行摘要结构
- 文档 → 使用参考文献摘要结构

提取结构化简报

Title: [exact title]
Author(s): [names]
Date: [publication date]
Source Type: [paper | article | report | documentation]

## Key Thesis
[1-2 sentences: the central argument or finding]

## Key Findings
1. [Finding with supporting evidence]
2. [Finding with supporting evidence]
3. [Finding with supporting evidence]

## Methodology
[How they arrived at these findings — data sources, sample size, approach]

## Limitations
- [What the source doesn't cover or gets wrong]

## Actionable Takeaways
- [What to do with this information]

## Notable Quotes
> "[Direct quote]" (p. X)

评估质量
- 来源的可信度（是否经过同行评审、是否来自知名机构、是一手资料还是二手资料）
- 证据的质量（是否有数据支持、是基于事实还是仅凭主观描述）
- 新鲜度（发布时间、是否仍然具有相关性）
- 偏见指标（资金来源、作者的隶属关系、方法上的缺陷）

`/research:compare` — 多个来源的比较

收集来源（2-5份文档）
使用上述单个来源的流程对每个来源进行总结

构建比较矩阵

| Dimension        | Source A        | Source B        | Source C        |
|------------------|-----------------|-----------------|-----------------|
| Central Thesis   | ...             | ...             | ...             |
| Methodology      | ...             | ...             | ...             |
| Key Finding      | ...             | ...             | ...             |
| Sample/Scope     | ...             | ...             | ...             |
| Credibility      | High/Med/Low    | High/Med/Low    | High/Med/Low    |

综合分析
- 各来源在哪些方面达成一致？（一致的观点表明信息更可靠）
- 各来源在哪些方面存在分歧？（分歧需要进一步调查）
- 所有来源之间存在哪些差距？
- 每种观点的证据力度如何？

生成综合简报

## Consensus Findings
[What most sources agree on]

## Contested Points
[Where sources disagree, with strongest evidence for each side]

## Gaps
[What none of the sources address]

## Recommendation
[Based on weight of evidence, what should the reader believe/do?]

`/research:cite` — 引用提取

扫描文档中的所有参考文献、脚注和文本内引用
根据指定的格式（默认为APA 7）提取并格式化引用
按类型分类引用：
- 一手资料（原始研究、数据）
- 二手资料（综述、元分析、评论）
- 三手资料（教科书、百科全书）
输出带有分类标签的参考文献列表

支持的引用格式：

APA 7（默认）——社会科学、商业领域
IEEE — 工程学、计算机科学
Chicago — 人文学科、历史学
Harvard — 一般学术领域
MLA 9 — 艺术、人文学科

工具

`scripts/extract_citations.py`

这是一个用于从文本中提取和格式化引用的命令行工具。

特点：

基于正则表达式的引用检测（DOI、URL、作者-年份、编号引用）
支持多种输出格式（APA、IEEE、Chicago、Harvard、MLA）
可导出JSON格式，以便与参考文献管理工具集成
可去除重复的引用

使用方法：

# Extract citations from a file (APA format, default)
python3 scripts/extract_citations.py document.txt

# Specify format
python3 scripts/extract_citations.py document.txt --format ieee

# JSON output
python3 scripts/extract_citations.py document.txt --format apa --output json

# From stdin
cat paper.txt | python3 scripts/extract_citations.py --stdin

`scripts/format_summary.py`

这是一个用于生成结构化研究摘要的命令行工具。

特点：

提供多种摘要模板（学术论文、文章、报告、执行摘要）
可配置摘要的长度（简短、标准、详细）
支持Markdown和纯文本输出
可提取关键发现并标注证据来源

使用方法：

# Generate structured summary template
python3 scripts/format_summary.py --template academic

# Brief executive summary format
python3 scripts/format_summary.py --template executive --length brief

# All templates listed
python3 scripts/format_summary.py --list-templates

# JSON output
python3 scripts/format_summary.py --template article --output json

质量评估框架

从四个维度对每个来源进行评估：

维度	高	中	低
可信度	经过同行评审、作者知名	来自知名机构、作者可靠	博客文章、作者未知、无评审
证据	数据样本量大、方法严谨	数据量适中、方法合理	仅凭主观描述、无数据支持
新鲜度	发布时间在2年内	发布时间在2-5年内	发布时间超过5年，可能过时
客观性	无利益冲突、观点平衡	作者有部分关联关系	由利益相关方资助、观点片面

总体评分：

4个高评价 = 来源可靠——可放心引用
2个或以上中等评价 = 来源尚可——引用时需谨慎
2个或以上低评价 = 来源不可靠——引用前需独立验证

摘要模板

请参阅references/summary-templates.md：

学术论文摘要模板（IMRAD格式）
网络文章摘要模板（“主张-证据-影响”结构）
技术报告摘要模板（执行摘要格式）
对比分析模板（包含对比矩阵和综合分析）
文献综述模板（按主题组织）

请参阅references/citation-formats.md：

APA 7格式规则及示例
IEEE格式规则及示例
Chicago、Harvard、MLA格式的快速参考

主动提醒机制

在以下情况下会自动发出提醒：

来源没有日期 → 请注意：无日期的来源可信度较低。
来源与其他来源相互矛盾 → 明确指出矛盾之处，不要掩盖分歧。
来源需要付费才能访问 → 请注意访问限制；如果知道其他替代来源，请提供建议。
用户仅提供了一个比较用的来源 → 请至少再提供另一个来源。比较至少需要两个来源。
引用信息不完整 → 请标记缺失的字段（年份、作者、标题）。不要随意补充元数据。
在变化迅速的领域中，来源发布时间超过5年 → 警告该来源可能已经过时。

安装方法

单个工具的安装命令

git clone https://github.com/alirezarezvani/claude-skills.git
cp -r claude-skills/product-team/research-summarizer ~/.claude/skills/

多个工具的安装方法

./scripts/convert.sh --skill research-summarizer --tool codex|gemini|cursor|windsurf|openclaw

OpenClaw

clawhub install cs-research-summarizer

安装命令

一键复制安装选择包管理器,点击右侧复制,粘贴到终端回车即可

npx skills add tomevault-io/skills-registry/agentworkers--skills--research-summarizer -y

查看通用安装教程

查看 Skill 原文

兼容工具

Claude Code
Cursor
Cline
Codex
Windsurf
Gemini
OpenCode
Roo Code
AAide
+Augment
GitHub Copilot
OpenClaw
KKiro
Junie
WWarp
Goose
Trae
Kilo Code
OpenHands
Amp
Zencoder
CContinue
AIAider
CodeBuddy
CodeGeeX
Replit Agent

安全审计

88 / 100

社区

未声明 license/许可。
未声明 version。
未限定 allowed-tools，默认拥有全部工具权限。

元信息

来源: github
tomevault-io/skills-registry
English

@tomevault-io 的其他技能

分类与标签

分类 AI 智能