名称: 研究项目协调 描述: 管理需要经过多阶段发现、分析和综合的大规模研究项目。适用于用户正在撰写综述论文、学位论文章节或综合性研究项目时使用。 工具:
- 创建研究问题
- 运行问题发现
- 列出研究问题
- 列出文章
- 搜索文章
- 集合统计
- 比较文章
- 回答研究问题
- 探索引用网络
研究项目协调
协调需要随时间进行系统性发现、文献收集和综合的多阶段研究项目。
使用的工具
此技能使用多个类别的工具：
发现阶段:
create_research_question- 创建搜索查询run_discovery_for_question- 执行搜索list_available_sources- 选择来源
收集阶段:
list_articles- 浏览论文search_articles- 筛选集合collection_stats- 跟踪进度
分析阶段 (委托给研究分析师):
compare_articles- 跨论文分析answer_research_question- 带引用的综合总结explore_citation_network- 引用关系映射
管理:
list_skills- 根据需要加载其他技能load_skill- 获取专业指导
项目类型
综述论文
覆盖整个领域的多主题综合性文献综述。
学位论文章节
针对特定研究问题及其背景的深入探讨。
基金申请背景
为支持研究方向主张而进行的证据收集。
竞争性分析
对某个领域内方法/途径的系统性比较。
项目阶段
阶段 1: 范围界定与规划
1. 定义项目范围
- 主要研究问题
- 需要涵盖的子主题
- 预期产出（综述、论文等）
- 时间限制
2. 创建项目结构
项目: [名称]
├── 主题 1: [子主题]
│ └── 查询: [列表]
├── 主题 2: [子主题]
│ └── 查询: [列表]
└── 主题 N: [子主题]
└── 查询: [列表]
3. 设定收集目标
- 每个主题的论文数: [数量]
- 质量阈值: [值]
- 时间范围: [年份]
阶段 2: 系统性发现
对于每个子主题：
1. 创建针对性查询
create_research_question(
title="[项目名称]的[主题]",
keywords=["具体", "术语"],
sources=["合适的", "来源"],
max_papers=50
)
2. 执行发现
run_discovery_for_question(question_id="...")
3. 跟踪进度
collection_stats()
4. 根据需要调整
- 结果太少 → 拓宽关键词
- 焦点错误 → 精炼术语
阶段 3: 文献收集与整理
1. 审阅发现的论文
list_articles(limit=100, sort_by="relevance")
2. 识别每个主题的关键论文
search_articles(query="[主题关键词]", limit=20)
3. 检查覆盖缺口
- 是否遗漏了开创性论文？
- 是否包含了近期工作？
- 所有方法是否都有代表？
4. 通过针对性搜索填补缺口
阶段 4: 分析与综合
委托给研究分析师：
send_message_to_agent(
agent_name="Research Analyst",
message="对于[项目名称]项目，请：
1. 分析[主题]类别中的论文
2. 为[章节名称]生成综合总结
3. 识别关键主题和研究缺口
待分析论文: [ID列表]
输出格式: [结构化摘要 / 比较表格 / 叙述性总结]"
)
阶段 5: 整合
将分析结果整合为最终产出：
1. 从研究分析师处收集章节摘要
2. 识别跨领域主题
3. 突出研究缺口
4. 提出未来方向建议
进度跟踪
在对话中维护项目状态：
## 项目: [名称]
状态: [第 X 阶段 / 共 5 阶段]
开始时间: [日期]
### 主题进度:
| 主题 | 查询数 | 论文数 | 已分析 | 状态 |
|-------|---------|--------|----------|--------|
| 主题 1 | 2 | 45 | 20 | ✓ 完成 |
| 主题 2 | 3 | 62 | 0 | 进行中 |
| 主题 3 | 1 | 0 | 0 | 待处理 |
### 下一步行动:
1. [立即行动]
2. [即将进行的行动]
工作流程示例
示例 1: 关于大语言模型效率的综述论文
用户: “我正在撰写一篇关于高效大语言模型的综述论文”
阶段 1: 范围界定
"让我们规划您的综述。我将此分解为以下子主题：
1. **架构效率**
- 稀疏注意力机制
- 状态空间模型
- 专家混合
2. **训练效率**
- 参数高效微调
- 蒸馏方法
- 课程学习
3. **推理优化**
- 量化
- 剪枝
- 推测解码
4. **硬件感知设计**
- 内存优化
- 硬件协同设计
对于每个主题，我将创建针对约30-50篇论文的发现查询。
总目标：跨主题约150-200篇论文。
是否按此结构继续？"
阶段 2: 发现（针对每个主题）
create_research_question(
title="大语言模型效率综述：稀疏注意力",
keywords=["稀疏注意力", "高效Transformer", "线性注意力"],
sources=["arxiv", "semantic_scholar"],
max_papers=50
)
run_discovery_for_question(...)
阶段 3: 跟踪进度
"发现进度更新：
| 主题 | 发现论文数 | 状态 |
|-------|--------------|--------|
| 稀疏注意力 | 47 | ✓ |
| 状态空间模型 | 38 | ✓ |
| 专家混合 | 52 | ✓ |
| 参数高效微调 | 61 | 进行中 |
| ... | ... | ... |
总计：198篇论文。可以开始分析了吗？"
阶段 4: 分析（委托）
send_message_to_agent(
agent_name="Research Analyst",
message="大语言模型效率综述分析请求：
章节：稀疏注意力机制
论文：[47篇论文ID列表]
请提供：
1. 方法分类体系
2. 比较分析表格
3. 演进时间线（2020-2024）
4. 关键研究缺口
5. 章节摘要（约500字）"
)
示例 2: 学位论文背景章节
用户: “帮助我为关于多模态学习的学位论文构建背景章节”
阶段 1: 范围界定
"对于学位论文背景，我们需要：
1. **基础性工作**（2020年前）
- 早期多模态方法
- 关键理论框架
2. **核心方法**（2020-2023）
- 视觉-语言模型
- 音频-视觉学习
- 跨模态注意力
3. **最新进展**（2023至今）
- 统一架构
- 规模化研究
- 涌现能力
4. **您的具体聚焦领域**
- [用户的论文主题]
我将优先考虑开创性论文和高引用工作。
目标：总计约80-100篇论文。"
阶段 2-4: [系统性地执行]
阶段 5: 整合
"背景章节结构已准备就绪：
## 2. 背景与相关工作
### 2.1 多模态学习基础
[基于基础性论文的综合总结]
### 2.2 视觉-语言模型
[基于VLM论文的综合总结]
### 2.3 跨模态注意力机制
[基于注意力论文的综合总结]
### 2.4 最新进展与开放挑战
[基于近期论文的综合总结]
### 2.5 总结与研究缺口
[引出您的贡献]
每个章节都已草拟并附有适当引用。
您希望我细化任何章节吗？"
项目模板
综述论文模板
章节：6-8个主题领域
每个章节论文数：20-40
总论文数：150-300
时间线：4-8周
分析深度：全面的分类体系 + 比较
学位论文背景模板
章节：4-5个领域
每个章节论文数：15-25
总论文数：60-100
时间线：2-4周
分析深度：历史背景 + 最新技术
基金申请模板
章节：2-3个关键领域
每个章节论文数：10-15
总论文数：30-50
时间线：1-2周
分析深度：支持主张的证据 + 缺口识别
协调说明
- 检查点：每个阶段后与用户一起审阅
- 迭代：预计进行2-3轮细化
- 委托：使用研究分析师进行深度分析
- 文档记录：保持项目状态更新
- 灵活性：根据发现调整结构