研究
literature-review
通过 PubMed、arXiv 和 Semantic Scholar 进行系统性文献回顾,包含人工智能驱动的综述、核实引用以及强制性的科学图表生成。
简介
此技能为需要高质量学术综述的研究人员、科学家和学生提供严谨的系统性文献回顾工具。通过自动搜索 PubMed、arXiv、bioRxiv 和 Semantic Scholar 等主要数据库,它能快速发现并汇集学术资源。该技能旨在支持各种审查类型,包括范畴审查、统合分析以及最先进的技术研究,确保研究发现能以主题式整合并以专业格式呈现。
-
通过 parallel-web (parallel-cli search)、gget 和 bioservices 进行多数据库整合,汇整跨领域研究。
-
提供主要学术格式(包含 APA、Nature 和 Vancouver)的自动引用核实与格式编排支持。
-
强制性科学可视化要求,利用 scientific-schematics 技能生成出版级高质量图表、PRISMA 流程图及概念架构图。
-
基于 PICO 架构的结构化工作流程管理,引导用户从初步研究范畴定义到最终 Markdown 或 PDF 文件生成。
-
针对研究设计、发表日期和来源类型的高级筛选功能,确保高质量证据的选取。
-
在缩小范围至专业数据库之前,请将 parallel-web 技能作为广泛范畴搜索的主要入口。
-
该技能要求至少包含一张人工智能生成的科学图表,以确保叙述的清晰度与专业级的视觉文件水准。
-
用户应在开始时明确定义纳入与排除标准,以确保文献回顾过程的可重复性。
-
确保从网络搜索中检索到的所有内容都已针对目标学术数据库进行准确性与同侪审查状态的核实。
-
生成的文件专为研究论文、论文写作与研究经费申请而设计,仅需极少的额外人工调整即可达到出版标准。
仓库统计
- Star 数
- 19,783
- Fork 数
- 2,207
- Open Issue 数
- 41
- 主要语言
- Python
- 默认分支
- main
- 同步状态
- 空闲
- 最近同步时间
- 2026年4月30日 10:08