first commit

文档润色流和知识库构建流/claude-scholar/skills/research-ideation/SKILL.md

@@ -0,0 +1,209 @@
+---
+name: research-ideation
+description: This skill should be used when the user asks to "brainstorm research ideas", "use 5W1H framework", "identify research gaps", "conduct gap analysis", "start research project", "conduct literature review", "define research question", "select research method", "plan research", or mentions research project initiation phase. Provides comprehensive guidance for research startup workflow from idea generation to planning.
+version: 0.1.0
+---
+
+# Research Ideation
+
+Supports the complete workflow for the research project initiation phase, from vague idea to a traceable research contract: research question, hypothesis, evidence needs, falsification criteria, method selection, and next action.
+
+## Core Features
+
+### 1. Idea Brainstorming (5W1H Framework)
+
+Systematically brainstorm research ideas using the 5W1H framework:
+- **What**: What problem or phenomenon to study
+- **Why**: Why this problem is important
+- **Who**: Target audience and stakeholders
+- **When**: Time scope and context of the research
+- **Where**: Application scenarios and domains
+- **How**: Preliminary research methodology ideas
+
+**Integration with superpowers:brainstorming**: Can invoke the superpowers:brainstorming skill for interactive brainstorming to help rapidly generate and evaluate research ideas.
+
+### 2. Literature Review
+
+Systematically search, analyze, and synthesize related literature:
+- Build effective search keywords
+- Search via WebSearch across academic databases (arXiv, Google Scholar, etc.)
+- Screen and evaluate paper quality
+- Identify research trends and gaps
+- Generate structured literature reviews from evidence-labeled sources
+- **Zotero Integration**: Papers are automatically added to Zotero via DOI, organized into topic-based collections, and open-access PDFs are auto-attached for full-text reading
+
+### 3. Gap Analysis
+
+Systematically identify and evaluate research gaps:
+- **Literature gaps**: Identify topics or questions not yet sufficiently studied
+- **Methodological gaps**: Discover limitations and improvement opportunities in existing methods
+- **Application gaps**: Identify opportunities for theory-to-practice transfer
+- **Interdisciplinary gaps**: Discover research opportunities at the intersection of different fields
+- **Temporal gaps**: Identify new research needs arising from changes over time
+
+**Analysis Dimensions:**
+- Coverage of research topics
+- Comparison of strengths and weaknesses of existing methods
+- Completeness of experimental setups
+- Availability of datasets and benchmarks
+- Gap between theory and practice
+
+### 4. Research Question Definition
+
+Formulate specific research questions based on literature analysis:
+- Identify research gaps and opportunities
+- Apply SMART principles to formulate questions
+- Evaluate importance, novelty, and feasibility
+- Define research objectives and expected contributions
+- Write a `Research Question Card` that states the hypothesis, current evidence, missing evidence, support criteria, falsification criteria, and minimal next action
+- Apply the proposal readiness gate before turning a card into a polished proposal
+
+### 5. Method Selection
+
+Select appropriate research methods:
+- Analyze strengths and weaknesses of existing methods
+- Evaluate method applicability
+- Identify required technologies and resources
+- Consider method feasibility
+
+### 6. Research Planning
+
+Develop detailed research plans:
+- Plan research timeline
+- Define milestones and deliverables
+- Identify potential risks
+- Assess resource requirements
+
+## When to Use
+
+### Scenarios for This Skill
+
+Use the research-ideation skill in the following situations:
+
+1. **Starting a new research project** - Have research interests but no clear research question yet
+2. **Literature review** - Need to systematically understand a research field
+3. **Research question formulation** - Need to transform vague ideas into specific research questions
+4. **Method selection** - Need to choose appropriate research methods and technical approaches
+5. **Research planning** - Need to plan research timeline and resources
+
+### Typical Workflow
+
+```
+Research interest → Idea brainstorming (5W1H) → Research Question Card → Evidence Records → Gap analysis → Proposal readiness gate → Select method or experiment → Decision
+```
+
+**Conditional Outputs:**
+- `research-question-card.md` - Always generate this for research startup or intake.
+- `literature-review.md` - Generate only when evidence-labeled sources are sufficient for synthesis.
+- `research-proposal.md` - Generate only when a selected Research Question Card passes the evidence gate.
+- `references.bib` - Generate only when reliable citation metadata exists.
+- Zotero collection with organized papers and PDFs - Create only when Zotero is configured, writable, and the user is not asking for dry-run/audit mode.
+
+## Integration with Other Systems
+
+### Complete Research Workflow
+
+```
+research-ideation (Research initiation)
+    ↓
+Experiment execution (completed by user)
+    ↓
+results-analysis (Results analysis)
+    ↓
+ml-paper-writing (Paper writing)
+```
+
+### Data Flow
+
+- **Research Question Card** → Guides literature scope, experiment design, and method selection
+- **Evidence Records** → Carry source type, claim strength, and allowed/forbidden wording into literature synthesis, project knowledge, and later claim audit
+- **Proposal Readiness Gate** → Prevents abstract-only or webpage-placeholder evidence from becoming a polished proposal
+- **Experimental results** → results-analysis for statistical analysis and claim candidates
+- **Analysis results** → results-report and ml-paper-writing with explicit evidence limits
+
+### Zotero Integration
+
+Through the Zotero MCP server, the research-ideation workflow automates literature management:
+
+- **Paper Discovery**: WebSearch finds relevant papers across academic databases
+- **Auto-Import**: Extract DOI / arXiv ID / landing-page URLs from search results, then use `zotero_add_items_by_identifier` to prefer paper/preprint imports before any webpage fallback
+- **Collection Organization**: `zotero_create_collection` creates topic-based collections with standard sub-collections (Core Papers, Methods, Applications, Baselines, To-Read)
+- **PDF Attachment**: `zotero_add_items_by_identifier(..., attach_pdf=true)` runs a PDF cascade (landing-page PDF hints → direct PDF → Unpaywall), and `zotero_find_and_attach_pdfs` can be used as a follow-up sweep for remaining items
+- **Full-Text Reading**: `zotero_get_item_fulltext` reads indexed PDF content for analysis and note-taking
+- **Library Search**: `zotero_search_items` and `zotero_get_collection_items` browse existing papers to avoid duplicates
+
+### Key Configuration
+
+- **Literature search scope**: Papers from the last 3 years by default, configurable
+- **Output format**: Markdown format for easy editing and version control
+- **Citation management**: Generates references in BibTeX format
+- **Zotero collection naming**: `Research-{topic}-{YYYY}` format
+- **PDF auto-attach**: Enabled by default for open-access papers via Unpaywall
+
+## Additional Resources
+
+### Reference Files
+
+Detailed methodology guides, loaded on demand:
+
+- **`references/5w1h-framework.md`** - 5W1H Framework Guide
+  - What, Why, Who, When, Where, How — six dimensions
+  - Systematic approach to brainstorming research ideas
+  - Integration with superpowers:brainstorming
+  - Usage examples and best practices
+
+- **`references/literature-search-strategies.md`** - Literature Search Strategies
+  - Keyword construction techniques
+  - Academic database selection (arXiv, Google Scholar)
+  - Search tips and screening criteria
+  - Paper quality evaluation methods
+  - DOI extraction and Zotero auto-import workflow
+
+- **`references/zotero-integration-guide.md`** - Zotero MCP Integration Guide
+  - Available Zotero MCP tools (browse, add, cite)
+  - Collection organization strategy and naming conventions
+  - Automated workflow: WebSearch → DOI → Zotero import → PDF attach
+  - Full-text reading and structured note-taking
+  - Common issues and troubleshooting
+
+- **`references/gap-analysis-guide.md`** - Gap Analysis Guide
+  - 5 types of Gap Analysis (literature, methodological, application, interdisciplinary, temporal)
+  - 5 analysis dimensions
+  - Systematic approach to identifying research opportunities
+  - Usage examples and best practices
+
+- **`references/research-question-formulation.md`** - Research Question Formulation
+  - Applying SMART principles
+  - Question type classification (exploratory, confirmatory, applied)
+  - Evaluation criteria (importance, novelty, feasibility)
+  - Defining research objectives and contributions
+
+- **`references/research-contract.md`** - Research Contract
+  - Research Question Card template
+  - Evidence Record template
+  - Claim Candidate template
+  - Claim strength rules
+
+- **`references/method-selection-guide.md`** - Method Selection Guide
+  - Common research method classification
+  - Method applicability analysis
+  - Strengths and weaknesses comparison
+  - Resource requirement assessment
+
+- **`references/research-planning.md`** - Research Planning
+  - Timeline planning methods
+  - Milestone definition techniques
+  - Risk identification and mitigation
+  - Resource allocation strategies
+
+### Example Files
+
+Complete working examples:
+
+- **`examples/example-literature-review.md`** - Literature Review Example
+  - Demonstrates structured literature review format
+  - Includes research trend analysis and gap identification
+
+- **`examples/example-research-proposal.md`** - Research Proposal Example
+  - Demonstrates complete research proposal structure
+  - Includes complete examples of question, method, and plan

文档润色流和知识库构建流/claude-scholar/skills/research-ideation/examples/example-literature-review.md

@@ -0,0 +1,120 @@
+# 文献综述示例：Transformer 模型可解释性研究
+
+## 研究主题
+
+本文献综述聚焦于 Transformer 模型的可解释性研究，特别是注意力机制的解释和理解。
+
+## 1. 引言
+
+### 1.1 研究背景
+
+Transformer 模型自 2017 年提出以来，已成为自然语言处理领域的主流架构。然而，其内部工作机制仍然不够透明，限制了模型的可信度和在关键应用中的部署。
+
+### 1.2 研究重要性
+
+**学术价值**：
+- 深入理解深度学习模型的工作原理
+- 为模型改进提供理论指导
+- 推动可解释 AI 领域发展
+
+**实际价值**：
+- 提高模型可信度
+- 辅助模型调试和优化
+- 满足监管和伦理要求
+
+### 1.3 综述范围
+
+本综述涵盖 2020-2024 年间发表的相关工作，重点关注：
+- 注意力机制的可视化和分析
+- 模型内部表示的探测
+- 可解释性评估方法
+- 应用案例研究
+
+## 2. 主要研究方向
+
+### 2.1 注意力可视化方法
+
+**代表性工作**：
+
+**Clark et al. (2019) - "What Does BERT Look At?"**
+- 会议：ACL 2019
+- 贡献：系统分析 BERT 的注意力模式
+- 发现：不同层的注意力关注不同语言现象
+- 引用次数：1200+
+
+**Vig (2019) - "A Multiscale Visualization of Attention"**
+- 会议：ACL 2019 Demo
+- 贡献：开发交互式注意力可视化工具
+- 工具：BertViz（开源）
+- 影响：广泛使用的可视化工具
+
+**主要发现**：
+- 早期层关注句法结构
+- 中间层关注语义关系
+- 后期层关注任务相关特征
+
+### 2.2 模型探测方法
+
+**代表性工作**：
+
+**Tenney et al. (2019) - "BERT Rediscovers the Classical NLP Pipeline"**
+- 会议：ACL 2019
+- 贡献：使用探测任务分析 BERT 的语言知识
+- 方法：Edge probing tasks
+- 发现：BERT 隐式学习了传统 NLP 流程
+
+**Rogers et al. (2020) - "A Primer on BERTology"**
+- 期刊：TACL 2020
+- 贡献：系统综述 BERT 的可解释性研究
+- 影响：成为该领域的重要参考文献
+- 引用次数：800+
+
+**主要发现**：
+- 模型学习了丰富的语言知识
+- 不同层编码不同层次的信息
+- 知识分布在多个层中
+
+## 3. 研究趋势与空白
+
+### 3.1 当前研究趋势
+
+**从静态分析到动态分析**：
+- 早期工作主要分析训练好的模型
+- 近期工作开始关注训练过程中的动态变化
+
+**从单一方法到综合方法**：
+- 结合多种可解释性技术
+- 跨层次、跨模态的分析
+
+**从理解到应用**：
+- 将可解释性用于模型改进
+- 辅助模型调试和优化
+
+### 3.2 研究空白
+
+**理论基础不足**：
+- 缺乏统一的可解释性理论框架
+- 注意力权重与模型行为的因果关系不明确
+
+**评估标准缺失**：
+- 缺乏标准化的评估方法
+- 人类评估成本高且主观性强
+
+**长文本处理**：
+- 现有方法主要针对短文本
+- 长文本的注意力模式更复杂
+
+## 4. 总结
+
+本综述系统梳理了 Transformer 模型可解释性研究的主要方向和代表性工作。主要发现包括：
+
+1. **注意力机制**：不同层关注不同语言现象，但注意力权重不能完全解释模型行为
+2. **内部表示**：模型隐式学习了丰富的语言知识，分布在多个层中
+3. **研究空白**：理论基础、评估标准、长文本处理等方面仍需深入研究
+
+**未来研究方向**：
+- 建立统一的可解释性理论框架
+- 开发标准化的评估方法
+- 探索长文本的可解释性
+- 将可解释性用于模型改进
+

文档润色流和知识库构建流/claude-scholar/skills/research-ideation/examples/example-research-proposal.md

@@ -0,0 +1,209 @@
+# 研究提案示例：基于稀疏注意力的长文本 Transformer
+
+## 研究主题
+
+开发一种新的稀疏注意力机制，使 Transformer 模型能够高效处理长文本（10k+ tokens），同时保持或提升性能。
+
+## 1. 研究问题
+
+### 1.1 核心问题
+
+**如何设计一种稀疏注意力机制，使 Transformer 能够在保持性能的同时，将计算复杂度从 O(n²) 降低到 O(n log n)？**
+
+### 1.2 子问题
+
+1. 哪些注意力连接对模型性能最重要？
+2. 如何自适应地选择重要的注意力连接？
+3. 稀疏化对不同任务的影响如何？
+4. 如何在训练和推理中高效实现稀疏注意力？
+
+## 2. 研究目标
+
+### 2.1 主要目标
+
+1. **方法创新**：提出新的自适应稀疏注意力机制
+2. **性能提升**：在长文本任务上达到或超越现有方法
+3. **效率提升**：将计算和内存成本降低 50% 以上
+4. **理论理解**：分析稀疏化对模型能力的影响
+
+### 2.2 预期贡献
+
+**学术贡献**：
+- 新的稀疏注意力机制设计
+- 长文本处理的理论分析
+- 开源实现和预训练模型
+
+**实际价值**：
+- 降低长文本处理成本
+- 使更长的上下文成为可能
+- 提高推理速度
+
+## 3. 研究方法
+
+### 3.1 核心思路
+
+**自适应稀疏注意力**：
+- 动态选择重要的注意力连接
+- 保留局部注意力（相邻 tokens）
+- 学习全局注意力模式
+- 任务自适应的稀疏化策略
+
+### 3.2 技术方案
+
+**阶段 1：稀疏模式设计**
+- 分析现有稀疏模式（Longformer, BigBird）
+- 设计新的自适应选择机制
+- 理论分析复杂度和表达能力
+
+**阶段 2：模型实现**
+- 实现高效的稀疏注意力算子
+- 集成到 Transformer 架构
+- 优化训练和推理效率
+
+**阶段 3：实验验证**
+- 在多个长文本任务上评估
+- 与现有方法对比
+- 消融实验分析
+
+## 4. 实验计划
+
+### 4.1 数据集
+
+| 任务 | 数据集 | 序列长度 | 评估指标 |
+|------|--------|---------|---------|
+| 文档分类 | Hyperpartisan | 4k-16k | F1 |
+| 问答 | NarrativeQA | 8k-32k | F1, EM |
+| 摘要 | arXiv | 4k-8k | ROUGE |
+
+### 4.2 基线方法
+
+- **Vanilla Transformer**：标准 Transformer（作为上界）
+- **Longformer**：固定稀疏模式
+- **BigBird**：随机+全局+局部
+- **Reformer**：LSH 注意力
+
+### 4.3 评估维度
+
+**性能**：
+- 任务准确率
+- 与基线对比
+
+**效率**：
+- 训练时间
+- 推理速度
+- 内存占用
+
+**可扩展性**：
+- 不同序列长度的表现
+- 参数量的影响
+
+## 5. 时间线规划
+
+### 5.1 研究阶段划分
+
+**Phase 1: 准备阶段**（第1-2个月）
+- 文献调研和综述
+- 问题定义和方法设计
+- 初步实验环境搭建
+- **里程碑**：研究提案完成
+
+**Phase 2: 探索阶段**（第3-4个月）
+- 稀疏模式设计和理论分析
+- 初步实现和概念验证
+- 小规模实验验证可行性
+- **里程碑**：概念验证完成
+
+**Phase 3: 开发阶段**（第5-7个月）
+- 完整模型实现
+- 优化训练和推理效率
+- 在多个数据集上进行实验
+- **里程碑**：完整实验结果
+
+**Phase 4: 完成阶段**（第8-9个月）
+- 消融实验和深入分析
+- 论文撰写和修改
+- 代码整理和开源准备
+- **里程碑**：论文投稿
+
+### 5.2 关键检查点
+
+**月度检查**：
+- 进度回顾和问题识别
+- 实验结果分析
+- 计划调整
+
+**季度评审**：
+- 里程碑评估
+- 风险评估和应对
+- 资源需求调整
+
+## 6. 资源需求
+
+### 6.1 计算资源
+
+**GPU 需求**：
+- 探索阶段：2-4 GPU（V100 或 A100）
+- 开发阶段：4-8 GPU
+- 完成阶段：8-16 GPU（大规模实验）
+
+**存储需求**：
+- 数据集：200 GB
+- 模型检查点：100 GB
+- 实验日志：50 GB
+- 总计：约 350 GB
+
+**预计计算时间**：
+- 模型训练：约 500 GPU 小时
+- 实验评估：约 200 GPU 小时
+- 总计：约 700 GPU 小时
+
+### 6.2 人力资源
+
+**研究负责人**（1人）：
+- 研究规划和指导
+- 论文撰写
+- 时间投入：50%
+
+**研究助理**（1-2人）：
+- 实验实现和运行
+- 数据分析
+- 时间投入：100%
+
+### 6.3 其他资源
+
+**数据集**：
+- Hyperpartisan（公开）
+- NarrativeQA（公开）
+- arXiv（公开）
+
+**软件工具**：
+- PyTorch
+- Transformers
+- Weights & Biases（实验跟踪）
+
+## 7. 总结
+
+本研究提案旨在开发一种新的自适应稀疏注意力机制，解决 Transformer 在长文本处理中的效率问题。
+
+**核心创新**：
+- 自适应选择重要的注意力连接
+- 将计算复杂度从 O(n²) 降低到 O(n log n)
+- 在保持性能的同时提高效率
+
+**预期成果**：
+- 在长文本任务上达到或超越现有方法
+- 将计算和内存成本降低 50% 以上
+- 开源实现和预训练模型
+
+**可行性**：
+- 基于成熟的 Transformer 架构
+- 有充足的计算资源支持
+- 9个月的研究周期合理
+- 团队具备相关技术背景
+
+**影响力**：
+- 学术贡献：新的稀疏注意力机制和理论分析
+- 实际价值：降低长文本处理成本，使更长的上下文成为可能
+
+本研究具有明确的目标、可行的方法和充足的资源支持，预期能够产生有价值的学术成果和实际应用。
+

文档润色流和知识库构建流/claude-scholar/skills/research-ideation/references/5w1h-framework.md

@@ -0,0 +1,162 @@
+# 5W1H Framework for Research Ideation
+
+## 概述
+
+5W1H 框架是一个系统化的思维工具，帮助研究者从多个维度构思和评估研究想法。通过回答6个关键问题，可以快速建立对研究主题的全面理解。
+
+## 框架组成
+
+### What (什么)
+
+**核心问题**: 研究什么问题或现象？
+
+**思考维度**:
+- 具体的研究对象是什么
+- 要解决的核心问题是什么
+- 研究的范围和边界在哪里
+- 预期的研究成果是什么
+
+**示例**:
+- "研究 Transformer 模型的可解释性"
+- "探索少样本学习在医疗图像分析中的应用"
+- "分析强化学习中的样本效率问题"
+
+
+### Why (为什么)
+
+**核心问题**: 为什么这个问题重要？
+
+**思考维度**:
+- 这个问题的学术价值是什么
+- 解决这个问题有什么实际意义
+- 当前研究的局限性是什么
+- 为什么现在是研究这个问题的好时机
+
+**评估标准**:
+- **学术重要性**: 是否推动领域发展
+- **实际影响**: 是否解决真实问题
+- **时效性**: 是否符合当前研究趋势
+- **可行性**: 是否有足够的资源和技术支持
+
+### Who (谁)
+
+**核心问题**: 目标受众和利益相关者是谁？
+
+**思考维度**:
+- 谁会关心这个研究
+- 谁会使用研究成果
+- 谁会从中受益
+- 需要与谁合作
+
+**利益相关者分类**:
+- **学术界**: 同领域研究者、审稿人、引用者
+- **工业界**: 产品团队、工程师、决策者
+- **用户**: 最终使用者、受影响群体
+- **合作者**: 导师、同事、跨学科专家
+
+### When (何时)
+
+**核心问题**: 研究的时间范围和背景是什么？
+
+**思考维度**:
+- 研究的时间跨度是多久
+- 何时是最佳的研究时机
+- 相关技术和数据何时可用
+- 预期何时产出成果
+
+**时间规划**:
+- **短期** (3-6个月): 初步探索、文献综述、方法验证
+- **中期** (6-12个月): 完整实验、论文撰写、投稿
+- **长期** (1-2年): 系统研究、多篇论文、理论贡献
+
+
+### Where (何处)
+
+**核心问题**: 研究的应用场景和领域是什么？
+
+**思考维度**:
+- 研究应用在哪些具体场景
+- 在哪些领域或行业有价值
+- 地理或文化背景是否重要
+- 实验在哪里进行
+
+**应用场景分类**:
+- **学术场景**: 理论验证、方法比较、基准测试
+- **工业场景**: 产品开发、系统优化、问题诊断
+- **社会场景**: 政策制定、公共服务、社会影响
+- **跨领域**: 多学科交叉、技术迁移
+
+### How (如何)
+
+**核心问题**: 初步的研究方法思路是什么？
+
+**思考维度**:
+- 采用什么研究方法或技术路线
+- 需要什么数据和资源
+- 如何验证研究假设
+- 预期的技术挑战是什么
+
+**方法类型**:
+- **理论研究**: 数学证明、理论分析、模型推导
+- **实验研究**: 算法设计、实验验证、性能评估
+- **应用研究**: 系统开发、案例研究、用户测试
+- **综合研究**: 文献综述、元分析、系统评价
+
+
+## 使用示例
+
+### 示例 1: Transformer 可解释性研究
+
+**What**: 研究 Transformer 模型的注意力机制可解释性
+**Why**: 提高模型透明度，增强用户信任，满足监管要求
+**Who**: NLP 研究者、模型开发者、监管机构
+**When**: 6-12个月，当前 Transformer 广泛应用但缺乏解释
+**Where**: 文本分类、机器翻译、问答系统等 NLP 任务
+**How**: 设计可视化工具，分析注意力权重，进行消融实验
+
+### 示例 2: 少样本学习在医疗影像中的应用
+
+**What**: 探索少样本学习方法在医疗图像诊断中的有效性
+**Why**: 医疗数据标注成本高，少样本学习可降低数据需求
+**Who**: 医疗 AI 研究者、放射科医生、医院
+**When**: 12-18个月，随着少样本学习技术成熟
+**Where**: X光片、CT扫描、MRI 等医疗影像诊断
+**How**: 元学习、迁移学习、数据增强，在真实医疗数据集上验证
+
+
+## 最佳实践
+
+### 1. 迭代式思考
+
+不要期望一次性回答所有问题。先快速过一遍6个问题，然后反复迭代细化。
+
+### 2. 优先级排序
+
+根据研究阶段调整关注重点：
+- **早期**: 重点关注 What, Why, Who
+- **中期**: 重点关注 How, When, Where
+- **后期**: 全面审视所有维度
+
+### 3. 团队协作
+
+与导师、同事讨论 5W1H 问题，获得多角度反馈。
+
+### 4. 文档记录
+
+将 5W1H 分析结果记录下来，作为研究提案的基础。
+
+## 与 superpowers:brainstorming 集成
+
+可以调用 `superpowers:brainstorming` skill 进行交互式头脑风暴：
+
+**使用场景**:
+- 需要快速生成多个研究想法
+- 需要评估想法的可行性
+- 需要团队协作式讨论
+
+**集成方式**:
+1. 使用 5W1H 框架初步构思想法
+2. 调用 superpowers:brainstorming 进行深入探索
+3. 将头脑风暴结果整理回 5W1H 框架
+4. 形成结构化的研究提案
+

文档润色流和知识库构建流/claude-scholar/skills/research-ideation/references/gap-analysis-guide.md

@@ -0,0 +1,269 @@
+# Gap Analysis Guide for Research
+
+## 概述
+
+Gap Analysis（研究空白分析）是识别现有研究中未被充分探索的领域、方法或应用的系统化过程。通过识别这些空白，研究者可以找到有价值的研究机会和创新方向。
+
+## 为什么需要 Gap Analysis
+
+**学术价值**:
+- 确保研究的原创性和新颖性
+- 避免重复已有的研究工作
+- 识别高影响力的研究方向
+
+**实践价值**:
+- 发现理论到实践的转化机会
+- 识别技术改进的空间
+- 找到跨学科合作的可能性
+
+
+## Gap Analysis 的类型
+
+### 1. 文献空白 (Literature Gap)
+
+**定义**: 尚未被充分研究或完全未被研究的主题或问题。
+
+**识别方法**:
+- 系统化文献综述发现研究较少的子领域
+- 分析综述论文中提到的"未来工作"
+- 识别被引用较少但重要的研究方向
+- 发现新兴技术或应用场景
+
+**示例**:
+- "Transformer 在时间序列预测中的应用研究较少"
+- "少样本学习在医疗影像中的研究刚刚起步"
+- "多模态学习在机器人控制中的应用尚未充分探索"
+
+### 2. 方法空白 (Methodological Gap)
+
+**定义**: 现有方法的局限性和改进机会。
+
+**识别方法**:
+- 分析现有方法的优缺点
+- 识别方法在特定场景下的失效情况
+- 发现计算效率或可扩展性问题
+- 识别理论与实践的差距
+
+**示例**:
+- "现有注意力机制在长序列上效率低下"
+- "当前强化学习方法样本效率不足"
+- "现有可解释性方法难以应用于大规模模型"
+
+
+### 3. 应用空白 (Application Gap)
+
+**定义**: 理论到实践的转化机会，或在新场景中的应用潜力。
+
+**识别方法**:
+- 识别理论研究缺乏实际应用验证
+- 发现成功方法在新领域的应用机会
+- 识别工业界需求与学术研究的脱节
+- 发现技术迁移的可能性
+
+**示例**:
+- "自监督学习在工业质检中的应用尚未充分探索"
+- "图神经网络在金融风控中的应用研究较少"
+- "联邦学习在医疗数据隐私保护中的实际部署案例不足"
+
+### 4. 跨学科空白 (Interdisciplinary Gap)
+
+**定义**: 不同领域交叉产生的研究机会。
+
+**识别方法**:
+- 识别不同领域的相似问题
+- 发现方法在跨领域迁移的可能性
+- 识别需要多学科协作的复杂问题
+- 发现新兴交叉领域
+
+**示例**:
+- "认知科学与深度学习的交叉研究"
+- "量子计算与机器学习的结合"
+- "生物学启发的神经网络架构设计"
+
+### 5. 时间空白 (Temporal Gap)
+
+**定义**: 随时间变化产生的新研究需求。
+
+**识别方法**:
+- 识别新技术带来的新问题
+- 发现数据分布随时间变化的影响
+- 识别社会需求变化带来的新挑战
+- 发现技术演进产生的新机会
+
+**示例**:
+- "大语言模型时代的提示工程研究"
+- "后疫情时代的远程协作技术"
+- "隐私法规变化对机器学习的影响"
+
+
+## 分析维度
+
+### 1. 研究主题的覆盖程度
+
+**评估指标**:
+- 相关论文数量和质量
+- 研究的深度和广度
+- 主流会议和期刊的关注度
+- 研究团队的活跃程度
+
+**判断标准**:
+- **充分研究**: >100篇高质量论文，多个活跃团队
+- **适度研究**: 20-100篇论文，有一定关注
+- **研究不足**: <20篇论文，关注度低
+- **未被研究**: 几乎没有相关文献
+
+### 2. 现有方法的优缺点对比
+
+**评估内容**:
+- 方法的理论基础
+- 实验性能表现
+- 计算复杂度
+- 可扩展性和泛化能力
+- 实际应用的可行性
+
+**空白识别**:
+- 所有方法都存在的共同局限
+- 特定场景下的失效情况
+- 理论与实践的差距
+
+
+### 3. 实验设置的完整性
+
+**评估内容**:
+- 实验场景的多样性
+- 基准数据集的覆盖范围
+- 评估指标的全面性
+- 消融实验的充分性
+
+**空白识别**:
+- 缺少特定场景的实验验证
+- 评估指标不够全面
+- 缺少与强基线的对比
+
+### 4. 数据集和基准的可用性
+
+**评估内容**:
+- 公开数据集的数量和质量
+- 标准基准的建立情况
+- 数据集的多样性和代表性
+- 数据标注的质量
+
+**空白识别**:
+- 缺少特定领域的数据集
+- 现有数据集存在偏差或局限
+- 缺少标准化的评估基准
+
+### 5. 理论与实践的差距
+
+**评估内容**:
+- 理论假设与实际情况的匹配度
+- 方法在实际应用中的可行性
+- 理论保证与实验结果的一致性
+- 工业界采用情况
+
+**空白识别**:
+- 理论研究缺乏实际验证
+- 实际问题缺乏理论支持
+- 技术转化存在障碍
+
+
+## 使用方法
+
+### Step 1: 系统化文献综述
+
+- 收集相关领域的代表性论文（20-100篇）
+- 按主题、方法、应用场景分类
+- 识别研究趋势和热点
+
+### Step 2: 构建对比矩阵
+
+创建表格对比现有研究：
+
+| 研究 | 方法 | 数据集 | 性能 | 局限性 |
+|------|------|--------|------|--------|
+| Paper A | Method X | Dataset 1 | 85% | 计算复杂度高 |
+| Paper B | Method Y | Dataset 2 | 82% | 泛化能力弱 |
+
+### Step 3: 识别空白模式
+
+- 所有研究都未涉及的主题
+- 所有方法都存在的共同局限
+- 缺少的实验场景或数据集
+- 理论与实践的脱节
+
+### Step 4: 评估空白的价值
+
+对每个识别的空白评估：
+- **重要性**: 解决这个空白的学术/实践价值
+- **新颖性**: 是否有人正在研究
+- **可行性**: 是否有足够的资源和技术支持
+
+
+## 示例分析
+
+### 示例 1: Transformer 在时间序列预测中的应用
+
+**文献综述发现**:
+- Transformer 在 NLP 领域应用广泛（>1000篇论文）
+- 在计算机视觉中也有大量研究（>500篇论文）
+- 在时间序列预测中的研究较少（<50篇论文）
+
+**识别的空白**:
+- **文献空白**: 时间序列领域的 Transformer 研究不足
+- **方法空白**: 现有方法未充分利用时间序列的特性
+- **应用空白**: 缺少在金融、能源等领域的应用验证
+
+**研究机会**: 设计专门针对时间序列的 Transformer 变体
+
+### 示例 2: 联邦学习的隐私保护
+
+**文献综述发现**:
+- 联邦学习理论研究充分（>200篇论文）
+- 隐私保护机制研究较多（>150篇论文）
+- 实际部署案例较少（<20篇论文）
+
+**识别的空白**:
+- **应用空白**: 理论到实践的转化不足
+- **方法空白**: 现有方法在实际场景中效率低
+- **时间空白**: 新隐私法规带来的新挑战
+
+**研究机会**: 开发高效的隐私保护联邦学习系统
+
+
+## 最佳实践
+
+### 1. 保持客观性
+
+避免为了找空白而找空白。真正的研究空白应该是：
+- 有学术或实践价值的
+- 可行的（有资源和技术支持）
+- 符合研究兴趣的
+
+### 2. 多维度分析
+
+不要只关注一种类型的空白，综合考虑：
+- 文献空白 + 方法空白 = 创新方法
+- 应用空白 + 跨学科空白 = 新应用场景
+- 时间空白 + 文献空白 = 新兴研究方向
+
+### 3. 验证空白的真实性
+
+在确定研究方向前，再次验证：
+- 是否有最新的相关工作（搜索最近3个月的论文）
+- 是否有人正在研究（检查 arXiv 预印本）
+- 是否有技术或数据限制
+
+### 4. 记录分析过程
+
+将 Gap Analysis 的结果记录下来：
+- 识别的空白列表
+- 每个空白的评估（重要性、新颖性、可行性）
+- 选择的研究方向和理由
+
+### 5. 与导师和同行讨论
+
+Gap Analysis 的结果应该与导师、同事讨论：
+- 验证空白的真实性和价值
+- 获得不同角度的反馈
+- 避免主观偏见
+

文档润色流和知识库构建流/claude-scholar/skills/research-ideation/references/literature-search-strategies.md

@@ -0,0 +1,203 @@
+# 文献搜索策略
+
+系统化的文献搜索方法，帮助研究者高效地找到相关文献。
+
+## 1. 关键词构建
+
+### 1.1 核心概念识别
+
+从研究兴趣中提取核心概念：
+
+**示例**：研究兴趣 "Transformer 模型的可解释性"
+- 核心概念 1：Transformer
+- 核心概念 2：Interpretability / Explainability
+
+### 1.2 同义词和变体
+
+为每个核心概念列出同义词和变体：
+
+| 核心概念 | 同义词/变体 |
+|---------|------------|
+| Transformer | Attention mechanism, Self-attention, BERT, GPT |
+| Interpretability | Explainability, Transparency, Understanding |
+
+### 1.3 布尔运算符
+
+使用布尔运算符组合关键词：
+
+```
+(Transformer OR "attention mechanism" OR BERT OR GPT)
+AND
+(interpretability OR explainability OR transparency)
+```
+
+### 1.4 领域特定术语
+
+添加领域特定的术语：
+
+- **方法术语**：probing, attention visualization, saliency maps
+- **应用领域**：NLP, computer vision, speech recognition
+- **评估指标**：faithfulness, plausibility, human evaluation
+
+## 2. 学术数据库选择
+
+### 2.1 主要数据库
+
+| 数据库 | 特点 | 适用场景 |
+|--------|------|---------|
+| **arXiv** | 预印本，更新快 | 获取最新研究进展 |
+| **Semantic Scholar** | AI 驱动，引用分析 | 发现相关论文，分析影响力 |
+| **Google Scholar** | 覆盖面广 | 全面搜索，找遗漏论文 |
+| **ACL Anthology** | NLP 专业 | NLP 领域深度搜索 |
+| **IEEE Xplore** | 工程技术 | 计算机视觉、硬件相关 |
+
+### 2.2 搜索策略
+
+**arXiv 搜索**：
+```
+cat:cs.LG AND (transformer OR attention) AND (interpretability OR explainability)
+```
+
+**Semantic Scholar 搜索**：
+- 使用自然语言查询
+- 利用"Highly Influential Citations"筛选
+- 查看"Related Papers"发现相关工作
+
+**Google Scholar 搜索**：
+- 使用引号精确匹配："transformer interpretability"
+- 限制时间范围：2020-2024
+- 排除专利：-patent
+
+## 3. 搜索技巧
+
+### 3.1 迭代搜索
+
+1. **初始搜索** - 使用核心关键词
+2. **分析结果** - 查看高引用论文的关键词
+3. **优化查询** - 添加新发现的术语
+4. **重复迭代** - 直到找到足够相关的论文
+
+### 3.2 引用追踪
+
+**前向引用**（Forward Citation）：
+- 查看哪些新论文引用了这篇论文
+- 了解研究的后续发展
+
+**后向引用**（Backward Citation）：
+- 查看这篇论文引用了哪些论文
+- 了解研究的基础和背景
+
+### 3.3 作者追踪
+
+- 识别领域内的关键研究者
+- 查看他们的其他相关工作
+- 关注他们的最新研究
+
+## 4. 论文筛选标准
+
+### 4.1 初步筛选（基于标题和摘要）
+
+**包含标准**：
+- 直接相关于研究主题
+- 发表在顶级会议/期刊（NeurIPS, ICML, ICLR, ACL, AAAI）
+- 引用次数较高（相对于发表时间）
+- 作者来自知名机构或研究组
+
+**排除标准**：
+- 与研究主题无关
+- 发表在低质量会议/期刊
+- 明显过时的方法（除非是经典论文）
+
+### 4.2 深度筛选（基于全文）
+
+**质量评估**：
+1. **方法创新性** - 是否提出新方法或新视角
+2. **实验充分性** - 实验设计是否合理，结果是否可信
+3. **写作质量** - 论文是否清晰易懂
+4. **可重现性** - 是否提供代码和数据
+
+**相关性评估**：
+1. **直接相关** - 核心方法或问题直接相关
+2. **间接相关** - 相关技术或应用场景
+3. **背景知识** - 提供必要的背景和基础
+
+### 4.3 文献管理
+
+**集成工具**：
+- **Zotero**（主要工具，已通过 MCP 集成）
+  - 通过 `zotero_add_items_by_identifier` 智能导入论文，优先落成 paper/preprint
+  - 通过 `zotero_create_collection` 自动创建和组织集合
+  - 通过 PDF cascade（页面显式 PDF → direct PDF → Unpaywall）尽可能补齐 PDF
+  - 通过 `zotero_get_item_fulltext` 读取 PDF 全文进行分析
+  - 通过 `zotero_search_items` 搜索已有论文避免重复导入
+- Mendeley - 社交功能，PDF 标注（备选）
+- Papers - Mac 专用，界面优雅（备选）
+
+**组织策略**：
+
+使用 Zotero 集合结构组织文献：
+
+```
+📁 Research-{topic}-{date}
+  ├── 📁 Core Papers（核心论文）
+  ├── 📁 Methods（方法论文）
+  ├── 📁 Applications（应用论文）
+  ├── 📁 Baselines（基线论文）
+  └── 📁 To-Read（待读论文）
+```
+
+- 核心论文：直接相关、高引用的关键论文
+- 方法论文：技术方法参考，可借鉴的方法论
+- 应用论文：应用场景参考，领域实践
+- 基线论文：实验对比基准，需要复现的工作
+- 待读论文：初步筛选，待深入阅读
+
+## 5. DOI 提取与自动导入
+
+### 5.1 DOI 提取方法
+
+从 WebSearch 搜索结果中提取 DOI 的常见方式：
+
+**URL 中的 DOI**：
+- `https://doi.org/10.xxxx/xxxxx` - 直接 DOI 链接
+- `https://dl.acm.org/doi/10.xxxx/xxxxx` - ACM Digital Library
+- `https://ieeexplore.ieee.org/document/xxxxx` - IEEE（需从页面提取）
+- `https://arxiv.org/abs/xxxx.xxxxx` - arXiv（DOI 格式：`10.48550/arXiv.xxxx.xxxxx`）
+
+**常见 DOI 格式**：
+- `10.xxxx/xxxxx` - 标准 DOI 前缀
+- 以 `10.` 开头，包含 `/` 分隔符
+- 例：`10.1038/s41586-023-06747-5`（Nature）
+- 例：`10.48550/arXiv.2301.00234`（arXiv）
+
+### 5.2 自动导入流程
+
+```
+WebSearch 搜索论文
+    ↓
+从搜索结果中提取 DOI / arXiv ID / landing-page URL
+    ↓
+add_items_by_identifier 批量导入到 Zotero
+    ↓
+工具内部自动执行 PDF cascade
+    ↓
+必要时用 `zotero_reconcile_collection_duplicates` 做导入后去重清理
+    ↓
+get_item_fulltext 读取全文进行分析
+```
+
+**操作示例**：
+
+1. 使用 WebSearch 搜索 `"transformer interpretability" site:arxiv.org OR site:doi.org`
+2. 从结果中收集 DOI 列表
+3. 调用 `zotero_add_items_by_identifier(..., attach_pdf=true)` 批量导入（建议每批不超过 10 篇，避免 API 速率限制）
+4. 仅对仍然缺 PDF 的条目，再调用 `zotero_find_and_attach_pdfs` 做补挂
+5. 使用 `zotero_get_item_fulltext` 阅读关键论文全文
+
+### 5.3 无 DOI 论文处理
+
+部分论文可能没有标准 DOI：
+- **arXiv 预印本**：使用 `10.48550/arXiv.{id}` 格式
+- **会议论文集**：尝试从出版商页面获取 DOI
+- **无法获取 DOI**：优先识别 arXiv ID、页面中的 `citation_doi` / `citation_pdf_url`；只有都失败时才保存为 `webpage`。如果关键论文仍缺 PDF，请在 Zotero Desktop 中手动附加。
+

文档润色流和知识库构建流/claude-scholar/skills/research-ideation/references/method-selection-guide.md

@@ -0,0 +1,217 @@
+# 方法选择指南
+
+帮助研究者选择适合的研究方法和技术路线。
+
+## 1. 常见研究方法分类
+
+### 1.1 理论分析方法
+
+**特点**：通过数学推导和理论分析来理解问题
+
+**适用场景**：
+- 需要理论保证的问题
+- 算法复杂度分析
+- 收敛性证明
+- 泛化界分析
+
+**示例**：
+- PAC 学习理论
+- 优化算法收敛性分析
+- 神经网络表达能力分析
+
+**所需技能**：
+- 数学基础（概率论、优化理论）
+- 理论计算机科学
+- 证明技巧
+
+### 1.2 实证研究方法
+
+**特点**：通过实验验证假设和评估方法
+
+**适用场景**：
+- 新方法性能评估
+- 假设验证
+- 方法对比
+- 参数敏感性分析
+
+**示例**：
+- 在多个数据集上评估新模型
+- 消融实验分析组件贡献
+- 超参数搜索和优化
+
+**所需资源**：
+- 计算资源（GPU/TPU）
+- 标准数据集
+- 评估指标和工具
+
+### 1.3 系统构建方法
+
+**特点**：构建完整的系统或工具
+
+**适用场景**：
+- 端到端应用系统
+- 工具和框架开发
+- 集成多个技术
+- 实际部署需求
+
+**示例**：
+- 对话系统
+- 推荐系统
+- 代码生成工具
+- 数据处理框架
+
+**所需资源**：
+- 工程能力
+- 系统设计经验
+- 用户反馈渠道
+- 维护和迭代能力
+
+### 1.4 数据分析方法
+
+**特点**：通过数据分析发现规律和洞察
+
+**适用场景**：
+- 探索性研究
+- 现象分析
+- 模型行为理解
+- 错误分析
+
+**示例**：
+- 注意力模式可视化
+- 模型预测错误分析
+- 数据集偏差分析
+- 训练动态分析
+
+**所需技能**：
+- 数据可视化
+- 统计分析
+- 模型解释技术
+
+## 2. 方法选择决策框架
+
+### 2.1 问题类型匹配
+
+| 问题类型 | 推荐方法 | 原因 |
+|---------|---------|------|
+| 理论问题 | 理论分析 | 需要严格证明 |
+| 性能提升 | 实证研究 | 需要实验验证 |
+| 实际应用 | 系统构建 | 需要端到端解决方案 |
+| 现象理解 | 数据分析 | 需要探索和发现 |
+
+### 2.2 资源约束考虑
+
+**计算资源有限**：
+- 优先选择轻量级方法
+- 使用预训练模型
+- 考虑模型压缩技术
+- 使用小规模数据集验证
+
+**时间紧迫**：
+- 选择成熟的方法
+- 使用现有工具和框架
+- 避免从零开始
+- 优先快速原型
+
+**数据有限**：
+- 使用迁移学习
+- 数据增强技术
+- Few-shot 学习方法
+- 合成数据生成
+
+## 3. 方法优缺点对比
+
+### 3.1 理论分析方法
+
+**优点**：
+- 提供理论保证
+- 深入理解问题本质
+- 结果具有普适性
+- 不依赖大量实验
+
+**缺点**：
+- 需要强数学背景
+- 可能与实际有差距
+- 证明过程耗时
+- 难以处理复杂系统
+
+### 3.2 实证研究方法
+
+**优点**：
+- 直接验证性能
+- 结果直观可信
+- 易于复现
+- 适用范围广
+
+**缺点**：
+- 需要大量计算资源
+- 结果可能过拟合数据集
+- 缺乏理论解释
+- 超参数调优困难
+
+### 3.3 系统构建方法
+
+**优点**：
+- 解决实际问题
+- 产生实用价值
+- 综合多种技术
+- 易于产业化
+
+**缺点**：
+- 工程量大
+- 维护成本高
+- 学术贡献可能有限
+- 难以发表顶会
+
+### 3.4 数据分析方法
+
+**优点**：
+- 发现新现象
+- 提供洞察
+- 成本相对较低
+- 可视化效果好
+
+**缺点**：
+- 可能缺乏深度
+- 难以量化贡献
+- 结果可能主观
+- 需要领域知识
+
+## 4. 资源需求评估
+
+### 4.1 计算资源
+
+| 方法类型 | GPU 需求 | 训练时间 | 存储需求 |
+|---------|---------|---------|---------|
+| 理论分析 | 无 | 无 | 低 |
+| 小规模实验 | 1-2 GPU | 数小时-数天 | 中 |
+| 大规模实验 | 4-8 GPU | 数天-数周 | 高 |
+| 系统构建 | 可变 | 持续 | 高 |
+
+### 4.2 人力资源
+
+**单人项目**：
+- 理论分析（如有背景）
+- 小规模实证研究
+- 数据分析
+
+**团队项目**：
+- 大规模实证研究
+- 系统构建
+- 跨领域研究
+
+### 4.3 时间资源
+
+**3个月内**：
+- 小规模实验
+- 数据分析
+- 理论分析（简单问题）
+
+**6个月内**：
+- 中等规模实验
+- 系统原型
+- 理论分析（复杂问题）
+
+**1年内**：
+- 大规模实验
+- 完整系统
+- 深入理论研究

文档润色流和知识库构建流/claude-scholar/skills/research-ideation/references/research-contract.md

@@ -0,0 +1,111 @@
+# Research Contract
+
+Use this contract to carry research state across Claude Scholar workflows.
+
+The goal is to preserve:
+- what question is being studied,
+- what evidence currently exists,
+- what claim is allowed by that evidence,
+- what uncertainty remains,
+- what decision or next action should happen.
+
+## Research Question Card
+
+Use this card when a vague idea becomes a research direction.
+
+```md
+## Research Question Card
+
+Question:
+Type: exploratory | confirmatory | applied
+Hypothesis:
+Why it matters:
+Current evidence:
+Missing evidence:
+What would support it:
+What would falsify it:
+Minimal next action:
+Decision: explore | read more | run experiment | stop
+```
+
+## Evidence Record
+
+Use this record for paper evidence, project notes, experiment outputs, and analysis artifacts.
+
+```md
+## Evidence Record
+
+Evidence ID:
+Source:
+Source type: full paper | preprint | dataset | experiment artifact | project note | abstract-only | webpage placeholder
+Supports:
+Contradicts:
+Method / dataset / metric:
+Limitation:
+Project relevance:
+Claim strength: speculative | observed | supported | strong
+```
+
+Evidence ID format:
+- Use `ER-YYYYMMDD-shortslug-NN`, for example `ER-20260513-tta-eeg-01`.
+- Keep IDs unique within the project or research thread.
+- Use stable, human-readable slugs. Do not use vague IDs such as `E1`, `paper1`, or `source-a`.
+- Reuse the same Evidence ID when the same evidence record is referenced downstream; create a new ID only for a distinct source, artifact, or analysis result.
+
+## Claim Candidate
+
+Use this candidate when an analysis or synthesis suggests language that may later enter a report, paper, rebuttal, or project plan.
+
+```md
+## Claim Candidate
+
+Claim:
+Source evidence:
+Allowed wording:
+Forbidden stronger wording:
+Uncertainty:
+Next check:
+Decision: keep | weaken | revise | discard
+```
+
+## Source Trust Levels
+
+Use source trust to decide whether a note can support downstream synthesis.
+
+- `full paper` / `preprint`: can support `observed`, `supported`, or `strong` claims when the relevant method, dataset, metric, and limitation are named.
+- `dataset` / `experiment artifact`: can support project claims when the unit of analysis, metric, provenance, and analysis limits are named.
+- `project note`: can support hypotheses and plans, but not literature-backed claims unless it links to separate evidence records.
+- `abstract-only` / `webpage placeholder`: can support discovery and `To-Read` routing only. Do not use it to support `Knowledge`, manuscript, or rebuttal claims unless it is later replaced by a full paper, preprint, or verified artifact.
+
+## Claim Promotion Gate
+
+Before a claim moves into `Knowledge`, `Writing`, a report, a manuscript draft, or a rebuttal, check:
+
+1. The claim has at least one Evidence Record ID.
+2. The source type is strong enough for the intended claim.
+3. The claim strength is not silently upgraded.
+4. The allowed wording and forbidden stronger wording are both recorded.
+5. Contradictory evidence or missing evidence is preserved.
+
+If any item fails, keep the claim as a hypothesis, motivation, warning, or `To-Read` item. Do not polish it into a durable conclusion.
+
+## Proposal Readiness Gate
+
+Generate a `research-proposal.md` only when:
+
+- one Research Question Card is selected,
+- current evidence is enough to justify the question and method,
+- missing evidence is explicit and tractable,
+- the minimal next action is more specific than "read more",
+- citations or evidence records are available for the key motivation claims.
+
+If these conditions are not met, generate `research-question-card.md`, a gap note, or an intake summary instead of a proposal.
+
+## Strength Rules
+
+- `speculative`: plausible idea, weak or indirect evidence only.
+- `observed`: seen in a paper, note, or experiment, but not yet enough for a durable conclusion.
+- `supported`: backed by explicit evidence such as a paper result, experiment, or analysis bundle.
+- `strong`: supported by multiple evidence anchors or statistically rigorous project evidence.
+
+Do not promote a claim to a stronger level without naming the evidence that justifies the upgrade.

文档润色流和知识库构建流/claude-scholar/skills/research-ideation/references/research-planning.md

@@ -0,0 +1,174 @@
+# 研究计划制定
+
+系统化的研究计划制定方法，确保研究项目顺利推进。
+
+## 1. 时间线规划
+
+### 1.1 研究阶段划分
+
+**典型研究周期**（以6个月为例）：
+
+| 阶段 | 时间 | 主要任务 | 交付物 |
+|------|------|---------|--------|
+| **Phase 1: 准备** | 第1个月 | 文献调研、问题定义 | 文献综述、研究提案 |
+| **Phase 2: 探索** | 第2-3个月 | 初步实验、方法验证 | 概念验证、初步结果 |
+| **Phase 3: 开发** | 第4-5个月 | 方法优化、全面实验 | 完整实验结果 |
+| **Phase 4: 完成** | 第6个月 | 论文撰写、代码整理 | 论文草稿、开源代码 |
+
+### 1.2 时间分配原则
+
+**80/20 原则**：
+- 80% 时间用于核心工作（实验、分析、写作）
+- 20% 时间用于辅助工作（文献、工具、沟通）
+
+**缓冲时间**：
+- 每个阶段预留 20% 缓冲时间
+- 应对意外情况和延期
+
+**并行任务**：
+- 文献调研贯穿整个过程
+- 论文写作可以提前开始（Introduction, Related Work）
+- 代码整理与实验同步进行
+
+## 2. 里程碑定义
+
+### 2.1 关键里程碑
+
+**Milestone 1: 研究提案完成**
+- 时间：第1个月末
+- 标准：
+  - 文献综述完成（20-30篇核心论文）
+  - 研究问题明确定义
+  - 方法路线初步确定
+  - 实验计划制定
+
+**Milestone 2: 概念验证**
+- 时间：第3个月末
+- 标准：
+  - 初步实验完成
+  - 方法可行性验证
+  - 至少一个正面结果
+  - 识别主要挑战
+
+**Milestone 3: 完整实验**
+- 时间：第5个月末
+- 标准：
+  - 所有实验完成
+  - 结果达到预期
+  - 消融实验完成
+  - 可视化和分析完成
+
+**Milestone 4: 论文提交**
+- 时间：第6个月末
+- 标准：
+  - 论文草稿完成
+  - 代码开源准备
+  - 内部审阅通过
+  - 准备投稿
+
+### 2.2 检查点设置
+
+**每周检查**：
+- 进度回顾
+- 问题识别
+- 计划调整
+
+**每月评审**：
+- 里程碑评估
+- 风险评估
+- 资源调整
+
+## 3. 风险识别与应对
+
+### 3.1 常见风险
+
+**技术风险**：
+- 方法不work
+- 实验结果不理想
+- 计算资源不足
+- 技术难度超预期
+
+**应对策略**：
+- 准备备选方案
+- 早期概念验证
+- 申请额外资源
+- 寻求技术支持
+
+**时间风险**：
+- 进度延期
+- 依赖项延迟
+- 意外事件
+
+**应对策略**：
+- 预留缓冲时间
+- 并行任务
+- 优先级管理
+- 及时调整计划
+
+**资源风险**：
+- GPU 不可用
+- 数据集问题
+- 人员变动
+
+**应对策略**：
+- 多个资源渠道
+- 数据集备选
+- 知识文档化
+
+### 3.2 风险监控
+
+**红色预警**（立即处理）：
+- 核心方法失败
+- 关键资源缺失
+- 严重进度延期
+
+**黄色预警**（密切关注）：
+- 部分实验不理想
+- 资源紧张
+- 轻微延期
+
+**绿色状态**（正常推进）：
+- 按计划进行
+- 资源充足
+- 结果符合预期
+
+## 4. 资源分配
+
+### 4.1 计算资源
+
+**GPU 分配**：
+- 探索阶段：1-2 GPU
+- 开发阶段：2-4 GPU
+- 完成阶段：4-8 GPU（大规模实验）
+
+**存储分配**：
+- 数据集：100-500 GB
+- 模型检查点：50-200 GB
+- 实验日志：10-50 GB
+
+### 4.2 人力分配
+
+**单人项目**：
+- 文献调研：20%
+- 实验开发：50%
+- 论文写作：20%
+- 其他：10%
+
+**团队项目**：
+- 研究负责人：规划、指导、写作
+- 研究助理：实验、分析、编码
+- 合作者：特定模块、审阅
+
+### 4.3 时间分配
+
+**每周时间**（40小时）：
+- 核心研究：25-30小时
+- 文献阅读：5-8小时
+- 会议讨论：3-5小时
+- 其他事务：2-5小时
+
+**每日时间**：
+- 深度工作：4-6小时（上午）
+- 实验监控：2-3小时
+- 文献和写作：1-2小时
+- 沟通协作：1小时

文档润色流和知识库构建流/claude-scholar/skills/research-ideation/references/research-question-formulation.md

@@ -0,0 +1,210 @@
+# 研究问题制定
+
+将研究兴趣转化为具体、可执行的研究问题的系统化方法。
+
+## 1. SMART 原则
+
+好的研究问题应该满足 SMART 原则：
+
+### 1.1 Specific (具体的)
+
+**不好的问题**：
+- "如何提高模型性能？"（太宽泛）
+
+**好的问题**：
+- "如何通过改进注意力机制来提高 Transformer 在长文本理解任务上的性能？"
+
+**关键要素**：
+- 明确的研究对象（Transformer）
+- 具体的改进方向（注意力机制）
+- 明确的任务场景（长文本理解）
+- 清晰的目标（提高性能）
+
+### 1.2 Measurable (可衡量的)
+
+研究问题应该有明确的评估标准：
+
+**示例**：
+- "提高性能" → "在 SQuAD 数据集上提高 F1 分数"
+- "改善可解释性" → "提高人类评估的 faithfulness 分数"
+
+**评估维度**：
+- 定量指标：准确率、F1、BLEU、困惑度
+- 定性指标：人类评估、案例分析
+- 效率指标：训练时间、推理速度、内存占用
+
+### 1.3 Achievable (可实现的)
+
+考虑资源和能力限制：
+
+**资源评估**：
+- 计算资源：GPU 数量和类型
+- 数据资源：数据集的可获得性和质量
+- 时间资源：研究周期（3个月、6个月、1年）
+- 人力资源：团队规模和专业技能
+
+**可行性检查**：
+- 是否有类似工作作为基础？
+- 所需技术是否已经成熟？
+- 数据集是否公开可用？
+- 计算成本是否在预算内？
+
+### 1.4 Relevant (相关的)
+
+研究问题应该对学术界或工业界有价值：
+
+**学术价值**：
+- 填补研究空白
+- 挑战现有假设
+- 提供新的理论视角
+- 推动方法论进步
+
+**实际价值**：
+- 解决实际应用问题
+- 提高系统性能
+- 降低成本或资源消耗
+- 改善用户体验
+
+### 1.5 Time-bound (有时限的)
+
+设定合理的研究时间框架：
+
+**短期目标**（1-3个月）：
+- 文献调研和问题定义
+- 初步实验和概念验证
+
+**中期目标**（3-6个月）：
+- 方法开发和优化
+- 全面实验和分析
+
+**长期目标**（6-12个月）：
+- 论文撰写和投稿
+- 代码开源和社区推广
+
+## 2. 研究问题类型
+
+### 2.1 探索性问题 (Exploratory)
+
+**特点**：探索未知领域，发现新现象
+
+**示例**：
+- "Transformer 的注意力机制在处理长文本时表现出什么模式？"
+- "大语言模型在推理任务中使用了哪些内部表示？"
+
+**适用场景**：
+- 新兴研究领域
+- 缺乏理论基础的现象
+- 需要深入理解的复杂系统
+
+### 2.2 验证性问题 (Confirmatory)
+
+**特点**：验证假设或理论
+
+**示例**：
+- "增加模型深度是否能提高长文本理解性能？"
+- "预训练是否对低资源语言任务有帮助？"
+
+**适用场景**：
+- 有明确假设需要验证
+- 挑战现有理论或观点
+- 复现和扩展已有工作
+
+### 2.3 应用性问题 (Applied)
+
+**特点**：解决实际应用问题
+
+**示例**：
+- "如何在保持性能的同时将模型大小减少50%？"
+- "如何使对话系统更好地理解用户意图？"
+
+**适用场景**：
+- 有明确的应用需求
+- 需要在约束条件下优化
+- 工业界合作项目
+
+## 3. 研究问题评估标准
+
+### 3.1 重要性 (Significance)
+
+**评估维度**：
+- **学术影响**：是否推动领域发展？
+- **实际价值**：是否解决重要问题？
+- **受众规模**：有多少人关心这个问题？
+
+**评分标准**（1-5分）：
+- 5分：突破性问题，影响整个领域
+- 4分：重要问题，多个研究组关注
+- 3分：有价值问题，部分研究者关注
+- 2分：边缘问题，少数人关注
+- 1分：琐碎问题，几乎无人关注
+
+### 3.2 新颖性 (Novelty)
+
+**评估维度**：
+- **问题新颖性**：是否是新问题？
+- **方法新颖性**：是否用新方法？
+- **视角新颖性**：是否有新视角？
+
+**评分标准**（1-5分）：
+- 5分：全新问题或突破性方法
+- 4分：新问题或显著改进的方法
+- 3分：新视角或方法组合
+- 2分：增量改进
+- 1分：重复已有工作
+
+### 3.3 可行性 (Feasibility)
+
+**评估维度**：
+- **技术可行性**：现有技术能否实现？
+- **资源可行性**：资源是否充足？
+- **时间可行性**：时间是否合理？
+
+**评分标准**（1-5分）：
+- 5分：完全可行，资源充足
+- 4分：基本可行，资源足够
+- 3分：有挑战，需要努力
+- 2分：困难较大，需要突破
+- 1分：几乎不可行
+
+### 3.4 综合评估
+
+**决策矩阵**：
+
+| 重要性 | 新颖性 | 可行性 | 建议 |
+|--------|--------|--------|------|
+| 高 | 高 | 高 | 优先执行 |
+| 高 | 高 | 中 | 值得尝试 |
+| 高 | 中 | 高 | 稳妥选择 |
+| 中 | 高 | 高 | 可以考虑 |
+| 低 | * | * | 重新考虑 |
+
+## 4. 支持与证伪检查
+
+每个研究问题都必须说明什么结果会支持它，什么结果会削弱或推翻它。
+
+### 4.1 必填字段
+
+```md
+Question:
+Hypothesis:
+Current evidence:
+Missing evidence:
+What would support it:
+What would falsify it:
+Minimal next action:
+Decision: explore | read more | run experiment | stop
+```
+
+### 4.2 决策含义
+
+- `explore`：问题可能有价值，但还缺少基本文献或问题边界。
+- `read more`：需要先补关键相关工作、baseline、dataset 或 metric。
+- `run experiment`：问题、假设、支持证据和最小实验已经足够明确。
+- `stop`：重要性、新颖性、可行性或证据边界不足，不建议继续投入。
+
+### 4.3 写作要求
+
+- 不要只写“值得研究”；必须说明为什么值得研究。
+- 不要只写“需要更多实验”；必须说明最小下一步实验是什么。
+- 不要只写“有文献支持”；必须列出当前证据和缺失证据。
+- 不要把探索性问题写成已经验证的结论。

文档润色流和知识库构建流/claude-scholar/skills/research-ideation/references/zotero-integration-guide.md

@@ -0,0 +1,189 @@
+# Zotero MCP 集成指南
+
+通过 Zotero MCP 服务器实现文献管理的自动化集成。
+
+## 1. 可用工具
+
+### 1.1 浏览工具
+
+| 工具 | 功能 | 使用场景 |
+|------|------|---------|
+| `zotero_get_collections` | 列出所有集合 | 查看已有研究项目 |
+| `zotero_get_collection_items` | 获取集合中的条目 | 浏览特定集合的论文 |
+| `zotero_search_items` | 搜索库中的条目 | 按关键词查找已有论文 |
+| `zotero_get_item_metadata` | 批量获取条目元数据 | 获取论文详细信息 |
+| `zotero_get_item_fulltext` | 获取 PDF 全文 | 阅读论文内容 |
+
+### 1.2 添加工具
+
+| 工具 | 功能 | 使用场景 |
+|------|------|---------|
+| `zotero_add_items_by_identifier` | 智能导入论文 | 先解析 DOI / arXiv / PDF，再尽量落成 paper 或 preprint |
+| `zotero_add_items_by_doi` | 通过 DOI 添加论文 | 自动获取元数据，并默认尝试 PDF cascade |
+| `zotero_add_items_by_arxiv` | 通过 arXiv ID 添加预印本 | 适合 arXiv-only 论文，并默认尝试 arXiv PDF |
+| `zotero_add_item_by_url` | 保存网页为条目 | 仅在确实需要保留网页资源时使用 |
+| `zotero_create_collection` | 创建集合 | 组织研究项目 |
+| `zotero_find_and_attach_pdfs` | 批量补挂 PDF | 对已有条目再跑一遍 PDF cascade |
+| `zotero_add_linked_url_attachment` | 附加 URL 链接 | 关联在线资源 |
+
+### 1.3 引用工具
+
+| 工具 | 功能 | 使用场景 |
+|------|------|---------|
+| `inject_citations` | 注入引用到 Word | 生成引用格式 |
+
+## 2. 集合组织策略
+
+### 2.1 命名规范
+
+```
+Research-{主题关键词}-{YYYY}
+```
+
+示例：
+- `Research-TransformerInterpretability-2026`
+- `Research-BrainDecoding-2026`
+- `Research-RLHF-2026`
+
+### 2.2 标准子集合结构
+
+```
+📁 Research-{topic}-{date}
+  ├── 📁 Core Papers（核心论文）
+  ├── 📁 Methods（方法论文）
+  ├── 📁 Applications（应用论文）
+  ├── 📁 Baselines（基线论文）
+  └── 📁 To-Read（待读论文）
+```
+
+各子集合用途：
+
+| 子集合 | 收录标准 | 典型数量 |
+|--------|---------|---------|
+| Core Papers | 直接相关、高引用的关键论文 | 5-15 篇 |
+| Methods | 技术方法参考，可借鉴的方法论 | 10-20 篇 |
+| Applications | 应用场景参考，领域实践 | 5-10 篇 |
+| Baselines | 实验对比基准，需要复现的工作 | 3-8 篇 |
+| To-Read | 初步筛选，待深入阅读 | 不限 |
+
+## 3. 自动化工作流
+
+### 3.1 论文发现与导入
+
+```
+WebSearch 搜索论文
+    ↓
+从搜索结果中提取 DOI / arXiv ID / landing-page URL
+    ↓
+add_items_by_identifier 智能导入到 Zotero
+    ↓
+工具内部先尝试页面显式 PDF，再回退到 Unpaywall
+    ↓
+如果 Zotero Web API 无法直接挂上 PDF，而本地 Zotero Desktop 正在运行，则自动走本地修复路径
+    ↓
+必要时运行 `zotero_reconcile_collection_duplicates` 做标准导入后去重
+    ↓
+get_item_fulltext 读取全文进行分析
+```
+
+默认终端输出只需要告诉用户：
+- Imported as paper + PDF attached
+- Imported as paper
+- Saved as webpage + PDF attached
+- Saved as webpage
+- Collection dedupe summary: duplicate groups N, duplicates trashed M
+- Missing PDF postpass: repaired N items
+
+只有在调试时，才展开 `route`、`pdf_source` 等实现细节。import ledger 属于内部状态，不应假设存在公开 MCP tool 用于读取它。
+
+### 3.2 DOI 提取技巧
+
+**从搜索结果 URL 中识别 DOI**：
+- `https://doi.org/10.xxxx/xxxxx` — 直接 DOI 链接
+- `https://dl.acm.org/doi/10.xxxx/xxxxx` — ACM Digital Library
+- `https://arxiv.org/abs/xxxx.xxxxx` — arXiv（DOI：`10.48550/arXiv.xxxx.xxxxx`）
+
+**常见 DOI 格式**：
+- 以 `10.` 开头，包含 `/` 分隔符
+- 例：`10.1038/s41586-023-06747-5`（Nature）
+- 例：`10.48550/arXiv.2301.00234`（arXiv）
+- 例：`10.1145/3580305.3599256`（ACM/KDD）
+
+**CrossRef 查询**：
+- 当 URL 中没有明显 DOI 时，可通过论文标题在 CrossRef 搜索获取 DOI
+
+### 3.3 全文阅读与笔记
+
+```
+get_item_fulltext 获取全文
+    ↓
+分析论文内容
+    ↓
+提取关键信息
+    ↓
+生成结构化笔记
+```
+
+### 3.4 笔记模板
+
+每篇论文的结构化笔记应包含：
+
+```markdown
+## [论文标题]
+
+**基本信息**：
+- 作者：
+- 会议/期刊：
+- 年份：
+- DOI：
+
+**研究问题**：
+- 解决什么问题？
+- 为什么重要？
+
+**核心方法**：
+- 主要技术路线
+- 关键创新点
+
+**关键发现**：
+- 主要实验结果
+- 重要结论
+
+**局限性**：
+- 方法局限
+- 实验局限
+
+**与本研究的关联**：
+- 可借鉴之处
+- 差异和改进空间
+```
+
+## 4. 常见问题
+
+### 4.1 API 速率限制
+
+Zotero API 有速率限制，批量添加时建议：
+- 每批不超过 10 篇论文
+- 批次之间适当间隔
+- 如遇到 429 错误，等待后重试
+
+### 4.2 PDF 全文索引延迟
+
+新上传的 PDF 需要时间索引：
+- `zotero_get_item_fulltext` 返回空时，稍后重试
+- Zotero 客户端需要运行才能完成索引
+- 大型 PDF 索引时间较长
+
+### 4.3 DOI 无法识别
+
+部分论文可能没有标准 DOI：
+- arXiv 预印本：使用 `10.48550/arXiv.{id}` 格式
+- Workshop 论文：尝试从出版商页面获取
+- 无法获取 DOI：优先尝试识别 arXiv ID 或页面中的 `citation_doi` / `citation_pdf_url`；只有仍无法确认 identifier 时，才回退为 `webpage`
+
+### 4.4 OA PDF 不可用
+
+非开放获取论文无法通过 Unpaywall 获取 PDF：
+- 检查作者主页是否有预印本版本
+- 检查 arXiv 是否有对应版本
+- 若仍拿不到 PDF，可在 Zotero Desktop 中手动附加 PDF，之后再运行全文或注释相关工作流