deepscan-monitor

deepscan-monitor 技能专为需要执行复杂、多阶段 PapersFlow DeepScan 研究工作流程的研究人员与分析师而设计，这些流程通常超过标准互动式 LLM 查询的时长。此技能允许用户启动长时间运行的研究任务，并通过主动轮询与状态管理来维持可视性。它非常适合需要中间结果、检查点审查或跨多个研究主题进行最终整合的场景。

• 使用 run_deepscan 启动异步 DeepScan 任务，进行全面的文献与数据探索。

• 提供实时状态更新，包括进度百分比、当前阶段、检查点问题以及发现的重要论文。

• 在处理完成后，可立即存取部分摘要、关键发现与最终报告。

• 支持使用 summarize_evidence 函数进行跨报告分析，将历史 DeepScan 数据整合为连贯的概述。

• 支持使用 run_python_plot 对稳定的报告指标进行自动化数据可视化，例如引用分布、发表场域趋势及年度研究产出。

• 用户应将该代理视为研究助理，代理会定期轮询长时间运行任务的更新信息。

• 代理优先使用 get_deepscan_live_snapshot 以确保传达最准确的状态，优于轻量级状态检查。

• 在尝试生成图表前，请确保所有报告数据已达到稳定状态，以维持可视化质量。

• 请记住 MCP 服务器不会自动推送通知，需指示代理执行轮询以检查完成状态。

• 状态更新应保持简洁，除非用户明确要求深度分析，否则应优先强调关键发现与进度状态。