Skills
skills/jssfy/k-skills/field-papers-survey

field-papers-survey

Installation
SKILL.md

Field Papers Survey — 一键领域论文全景调研

输入研究领域名称，自动调研核心会议/期刊，并行采集各子领域重要论文，按子领域分类、年代时间线、发展脉络三种视角组织输出，并自动对 Top 论文进行轻量深度分析。

When to Use

当用户请求以下操作时触发：

  • "调研计算机视觉论文" / "调研 NLP 论文"
  • "NLP 领域论文调研" / "推荐系统论文全景"
  • "survey computer vision papers" / "survey NLP papers"
  • "计算机视觉有哪些重要论文" / "机器学习经典论文有哪些"
  • "调研计算机科学-系统方向论文"（完整子领域 + 仅深入系统方向）

Phase 0: 解析输入

根据用户输入，识别以下信息：

  1. 领域名称（必需）

    • 提取用户消息中的领域名称
    • "调研计算机视觉论文" → 计算机视觉
    • "survey NLP papers" → 自然语言处理

  2. 聚焦方向（可选）

    • "调研计算机科学-系统方向论文" → 聚焦方向 = 计算机系统
    • 未指定则为全面调研，所有子领域均深入采集

  3. 是否跳过深度分析

    • 默认：自动执行 Phase 4（对 Top 论文进行轻量深度分析）
    • 仅当用户明确说"仅列表"/"不分析"/"跳过分析"/"只要论文列表" 时，才跳过 Phase 4
    • {skip_analysis}: true/false

  4. 确定关键变量（后续所有阶段都需要用到）

    • {field}: 领域中文名称（如"计算机视觉"）
    • {field_en}: 领域英文名称，小写连字符分隔（如"computer-vision"）
    • {focus}: 聚焦方向名称（可选，如"目标检测"；未指定则为空）
    • {date}: 当天日期，格式 YYYY-MM-DD
    • {skip_analysis}: 是否跳过 Phase 4（默认 false）

  5. 输出目录: 当前工作目录

如果无法确定领域名称或对应英文名，先用一次 WebSearch 快速查询，不要跳过这一步。

Phase 1: 会议/期刊全景梳理（主线程）

通过四渠道信息源框架，全面梳理领域的核心会议和期刊，并识别子领域划分。

四渠道信息源框架

渠道 信息源类型 搜索策略 优先级
学术组织 CCF 推荐目录、CORE 排名、中科院分区表、JCR、IEEE/ACM 分类 "{field}" CCF 推荐 会议 期刊 / "{field}" CORE ranking 最高
学术索引 Google Scholar Metrics、DBLP、Semantic Scholar、CSRankings "{field}" top conferences journals h5-index 高
社区共识 awesome-xxx 列表、知名 survey 论文的 venue 分布、领域博客 "{field}" top venues survey / "{field}" 顶会 顶刊 推荐 中
引用网络 高被引论文的发表 venue 分布、best paper award 历史 "{field}" best paper award / "{field}" most cited venue 验证

领域-信息源映射示例

领域 学术组织 学术索引 社区共识 引用网络
计算机视觉 CCF 推荐目录 Google Scholar Metrics awesome-cv CVPR/ICCV/ECCV best papers
NLP CCF 推荐目录 ACL Anthology awesome-nlp ACL/EMNLP/NAACL best papers
机器学习 CCF/CORE CSRankings awesome-ml NeurIPS/ICML/ICLR best papers
数据库 CCF 推荐目录 DBLP db-readings SIGMOD/VLDB best papers
生物医学 JCR/中科院分区 PubMed/SJR — 高被引论文分布
经济学 SSCI/中科院分区 RePEc/IDEAS — 高被引论文分布

执行要求

  • 总共执行 5-8 次 WebSearch + 2-3 次 WebFetch，覆盖四个渠道
  • 搜索顺序：先学术组织（最权威的分级标准），再学术索引（量化指标），再社区共识和引用网络
  • WebFetch 优先访问：CCF 推荐目录官方页面、Google Scholar Metrics 排名页

非 CS 领域适配：上述搜索策略默认适用于 CS 及相邻领域。对于非 CS 领域（如生物医学、材料科学、经济学），应将 CCF/CORE 替换为该领域的对应排名体系（如 SJR、Impact Factor、JCR 分区），CSRankings 替换为该领域的排名工具。

语言策略：学术论文以英文为主，搜索关键词同时使用中英文。对于中国特色较强的方向（如中文信息处理），以中文搜索为主。

子领域识别

在梳理 venue 的过程中，同时识别该领域的子领域划分（8-15 个）。交叉验证规则：

  • ≥2 个渠道提及 = 主流子领域
  • 仅 1 个渠道 = 新兴/小众子领域

每个子领域整理为：编号、子领域名称、一句话描述、核心研究问题 子领域总数预期 8-15 个；若超过 15 个，合并高度相关的子领域

输出格式

将梳理结果整理为结构化子领域列表：

子领域 N: {子领域名称}（{英文名}）
- 核心研究问题：{描述}
- 核心 Venue：
  | Venue 名称 | 类型 | 等级 | h5-index | 说明 |
  |------------|------|------|----------|------|
  | {name}     | 会议/期刊 | CCF-A/CORE-A* | {h5} | {一句话描述} |
- 信息源：{哪些渠道提及}
- 分类：主流子领域 / 新兴子领域

聚焦方向处理：如果用户指定了 {focus}，仍然输出完整子领域列表，但仅标记 {focus} 对应的子领域进入 Phase 2 深入采集。未指定则所有子领域均进入 Phase 2。

Phase 2: 并行论文采集（N 个 Subagent）

关键要求: 所有子领域的 Agent 必须放在同一条消息中发出，确保并行执行。

每个 Agent 使用 subagent_type: "general-purpose"。

每个子领域派出 1 个子代理，按以下 4 个渠道（优先级递减）采集重要论文：

优先级 渠道 采集目标 搜索策略
1（核心） Best Paper 各 venue 的最佳论文奖 "{venue_name}" best paper award list
2（重要） 高被引经典 被引 top 论文、里程碑论文 "{sub_field}" most cited papers / "{sub_field}" seminal papers
3（补充） Survey 引用 权威综述中高频引用的论文 "{sub_field}" survey review → 从 reference 提取
4（验证） 社区推荐 awesome 列表、学术社区推荐 "{sub_field}" must read papers / "{sub_field}" 必读论文

语言策略：学术论文以英文为主，搜索关键词同时使用中英文。对于中国特色较强的方向（如中文信息处理），以中文搜索为主。

子代理 Prompt 模板

每个子领域的子代理使用以下完整 prompt：

description: "采集{field}·{sub_field_name}方向重要论文"

prompt 模板:

你是学术论文调研专家。请为「{field}」领域的「{sub_field_name}」方向采集重要论文。

子领域编号：{sub_field_number}
子领域描述：{sub_field_description}
核心 Venue 列表：{venue_list}（来自 Phase 1）

任务：按以下 4 个渠道依次采集，至少执行 3 次 WebSearch + 1 次 WebFetch：

**渠道 1 — Best Paper（核心）**
搜索关键词：
- "{venue_name}" best paper award list
- "{sub_field_name}" best paper history
目标：找到各核心 venue 的最佳论文奖获奖论文。

**渠道 2 — 高被引经典（重要）**
搜索关键词：
- "{sub_field_name}" most cited papers
- "{sub_field_name}" seminal influential papers
目标：找到被引量最高的里程碑论文。

**渠道 3 — Survey 引用（补充）**
搜索关键词：
- "{sub_field_name}" survey review paper
目标：找到权威综述，从其 reference 中提取高频引用的论文。

**渠道 4 — 社区推荐（验证）**
搜索关键词：
- "{sub_field_name}" must read papers
- "{sub_field_name}" 必读论文 推荐
目标：通过社区推荐验证论文重要性，补充遗漏。

使用 WebFetch 访问至少 1 个搜索结果页面，验证论文信息的准确性。

输出格式（严格遵守）：

**{sub_field_number}. {sub_field_name} 重要论文**

| # | 标题 | 作者 | 年份 | Venue | 被引 | 脉络位置 | 承接关系 | 贡献描述 | TOP |
|---|------|------|------|-------|------|---------|---------|---------|-----|
| 1 | {标题} | {作者} | {年份} | {venue} | {被引} | {奠基/突破/改进/集大成/新范式} | {← 论文X / → 论文Y} | {一句话贡献} | [TOP] 或空 |

**来源链接：**
- [{来源标题}]({url})
- ...

输出要求：
- 8-15 篇论文，按重要性排序：奠基之作 > 突破性论文 > 高被引经典 > 近年重要工作
- 标记 1-2 篇最重要的论文为 [TOP]（将进入自动深度分析）
- 总输出控制在 2500 字符以内
- 全部使用中文输出
- 来源链接必须为实际访问过的 URL，不得使用占位符
- 如某渠道无结果，注明"该渠道未找到相关论文"并跳过

子代理约束

  • 每个子代理输出 8-15 篇论文
  • 输出字符上限 2500 字符
  • 全部使用中文输出
  • 必须标注来源 URL
  • 排序：奠基之作 > 突破性论文 > 高被引经典 > 近年重要工作
  • Top 标记：1-2 篇 [TOP]

Phase 3: 整合与输出（主线程）

等待所有子代理返回后，在主线程中完成以下步骤。

Step 1: 数据聚合

  • 跨子领域去重：同一论文在多个子领域出现 → 标记为"跨领域经典"，在核心结论中特别提及
  • 一致性检查：验证论文信息（venue、年份、被引量）的一致性，同一论文保留在最相关的子领域，其他子领域以"见 XX 子领域"引用
  • 来源完整性：检查所有子领域的来源 URL 是否完整，缺失的标注"来源待补充"
  • 子代理失败处理：未返回结果的子领域标记为"数据不足，建议手动补充"
  • 统计汇总：计算总论文数、跨领域经典数、Top 论文数，用于核心结论和终端摘要

Step 2: 三视角组织

视角 1 — 子领域分类：按子领域分组展示论文列表（与子目录结构对应）

视角 2 — 时间线：按年代分段展示，分段根据领域发展节奏自动调整（如 ~2000 / 2001-2010 / 2011-2017 / 2018-present），标注每个时段的代表性论文和关键转折

视角 3 — 发展脉络：以技术演进路线图形式呈现论文之间的承接关系：

问题定义 → 经典方法 → 深度学习突破 → 预训练范式 → 当前前沿
[论文A]     [论文B,C]   [论文D]          [论文E,F]     [论文G]

Step 3: 生成主文档

文件名：{field_en}-papers-survey-{date}.md，保存在当前工作目录。

使用 Write 工具写入以下 Markdown 内容：

# {field} 核心会议/期刊与重要论文全景

> 调研日期：{date}
> 文档目标：梳理{field}领域的核心 venue 和重要论文，提供子领域分类、时间线、发展脉络三种视角

## 核心结论

{基于四渠道调研得出的 3-5 条核心发现，包括：子领域数量、总论文数、跨领域经典论文数量、最具影响力的 venue、领域发展的关键转折点、推荐入门阅读路径}

## 会议/期刊全景

| Venue | 类型 | 等级 | h5-index | 主要覆盖子领域 | 说明 |
|-------|------|------|----------|---------------|------|
| {name} | 会议/期刊 | CCF-A | {h5} | {子领域} | {说明} |
| ... | ... | ... | ... | ... | ... |

## 发展脉络总览

{技术演进路线图，展示关键论文之间的承接关系，按阶段组织}

## 时间线

### {时段1}: {时段主题}
{该时段的代表性论文和关键事件}

### {时段2}: {时段主题}
...

## {编号}. {子领域名称}（{英文名}）

**核心研究问题**：{该子领域的核心研究问题描述}

**核心 Venue**：{该子领域的主要会议/期刊列表}

### 重要论文

| # | 标题 | 作者 | 年份 | Venue | 被引 | 脉络位置 | 承接关系 | 贡献描述 | 状态 |
|---|------|------|------|-------|------|---------|---------|---------|------|
| 1 | {标题} | {作者} | {年份} | {venue} | {被引} | {脉络位置} | {承接关系} | {贡献} | 待分析/已分析 |
| ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |

{对每个子领域重复上述区块}

## 参考来源

**学术组织：**
- [{来源标题}]({url})

**学术索引：**
- [{来源标题}]({url})

**社区共识：**
- [{来源标题}]({url})

**引用网络：**
- [{来源标题}]({url})

**各子领域论文采集：**
- {子领域1}: [{来源标题}]({url}), ...
- {子领域2}: [{来源标题}]({url}), ...
- ...

## 下一步

本文档为领域论文全景调研结果，每个子领域的论文已整理在对应子目录中。如需对某篇论文进行深度分析，可使用 `/analyze-paper` 技能：

1. 进入感兴趣的子领域子目录
2. 查看该子领域的 README.md 了解论文列表
3. 对目标论文执行 `/analyze-paper {论文标题或URL}` 生成深度分析

建议优先从"核心结论"中推荐的入门路径开始，逐步扩展到其他子领域。

Markdown 填写规则:

  • 将模板中的占位符替换为实际数据
  • 核心结论基于四渠道交叉验证结果撰写，必须具体可操作
  • 跨领域经典论文在首次出现的子领域中详细列出，其他子领域注明"见 XX 子领域"
  • 「参考来源」区块必填：将 Phase 1 和 Phase 2 的所有来源链接按类别分组填入；不得省略、不得使用占位符 URL

Step 4: 创建子目录骨架

使用 Bash 工具创建目录结构。

命名规则：01-{sub_field_en}/, 02-{sub_field_en}/, ...

{sub_field_en} 使用 Phase 1 识别的英文名，小写连字符分隔（如 object-detection、natural-language-processing）。

示例（计算机视觉）：01-image-classification/, 02-object-detection/, 03-semantic-segmentation/, ...

每个子目录中创建 README.md，使用 Write 工具写入以下内容：

# {子领域名称}（{英文名}）

> 所属领域：{field}
> 调研日期：{date}

## 子领域简介

{核心研究问题、代表性 venue}

## 重要论文

| # | 标题 | 作者 | 年份 | Venue | 被引 | 脉络位置 | 承接关系 | 贡献描述 | 状态 |
|---|------|------|------|-------|------|---------|---------|---------|------|
| 1 | {标题} | {作者} | {年份} | {venue} | {被引} | {脉络位置} | {承接关系} | {贡献} | 待分析 |
| ... | ... | ... | ... | ... | ... | ... | ... | ... | 待分析 |

## 深度分析

如需对某篇论文进行深度分析，可使用：
- `/analyze-paper {论文标题或URL}` — 生成七维度完整深度分析

Step 5: 终端输出进度信息，然后立即继续

在终端打印以下进度信息：

📋 Phase 1-3 完成：{field} 论文全景调研已生成

📄 主文档：{field_en}-papers-survey-{date}.md
📁 子目录：{N} 个子领域目录已创建
📚 论文总计：{总论文数} 篇（跨领域经典 {N} 篇）
🏆 Top 论文：{M} 篇待深度分析

目录结构：
  {列出所有子目录名称}

⚠️ 注意：打印以上进度信息后，任务尚未完成。

  • 如果 {skip_analysis} 为 true：打印 "ℹ️ 已跳过论文深度分析（用户指定仅列表）"，然后结束。
  • 否则：立即开始执行 Phase 4，不得停止。

Phase 4: 自动论文轻量分析（默认执行）

仅当用户明确说"仅列表"/"不分析"/"跳过分析"/"只要论文列表"时才跳过此阶段。 默认情况下，Phase 3 完成后自动进入 Phase 4。

与 /analyze-paper 的区别：Phase 4 是轻量分析——每篇论文由 1 个 Agent 串行完成 7 维度（而非 /analyze-paper 的 7 个并行 Agent + 论文原文提取 + 断言校验）。输出质量适合快速了解，如需完整深度分析（含 paper_locator_map、断言-证据清单、Phase 3.5 校验），用户应对目标论文单独执行 /analyze-paper。

总量上限

Phase 4 最多分析 10 篇论文。如果所有子领域的 TOP 论文总数超过 10 篇，按子领域顺序优先处理，超出部分保持"待分析"状态。

执行策略

按子领域逐个处理（避免同时启动过多子代理），每个子领域内的 Top 论文并行分析：

子领域1: Top论文A ──┐
         Top论文B ──┼── 并行 → 全部完成 → 子领域2: Top论文C ──┐
                    ┘                              Top论文D ──┼── 并行 → ...
                                                              ┘

如果用户指定了聚焦方向 {focus}，则仅对该子领域执行 Phase 4。

对每个子领域的处理

对子领域 M 中的所有 Top 论文（假设有 K 篇），在同一条消息中发出 K 个 Agent 调用：

每个 Agent 使用 subagent_type: "general-purpose"。

description: "轻量分析论文《{paper_title}》"

prompt 模板:

你是论文深度分析专家。请对论文《{paper_title}》（{authors}, {year}, {venue}）进行七维度轻量深度分析。

所属领域：{field}
所属子领域：{sub_field_name}
工作目录：{sub_field_directory}（分析结果保存到此目录）

## 任务

按照以下七个维度分析。对每个维度，执行至少 1 次 WebSearch + 1 次 WebFetch 验证：

### 维度 1: 背景与动机
搜索："{paper_title} motivation background" / "{paper_title} 研究背景"
整理：研究领域现状 + 核心问题与动机

### 维度 2: 团队与作者背景
搜索："{first_author} site:scholar.google.com OR site:dblp.org" / "{corresponding_author} homepage"
整理：核心作者介绍 + 研究脉络
约束：仅写作者主页/Scholar/DBLP 可验证的信息，无法验证的不写

### 维度 3: 技术方法与创新点
搜索："{paper_title} method explained" / "{paper_title} 方法解析"
整理：核心方法 + 2-3 个创新点（标注与前人工作的区别）

### 维度 4: 实验与结果评估
搜索："{paper_title} results benchmark comparison"
整理：实验设计（数据集/基线/指标）+ 关键结果 + 消融实验

### 维度 5: 优缺点与局限性
搜索："{paper_title} limitations criticism" / "{paper_title} review openreview"
整理：优点 + 局限性（区分作者自述和外部评价）+ 改进方向

### 维度 6: 社区反馈与影响力
搜索："{paper_title} site:scholar.google.com" / "{paper_title} github implementation"
整理：引用量（标注来源+抓取日期）+ 社区评价 + 开源实现

### 维度 7: 术语表与延伸阅读
搜索："{paper_title} related papers survey"
整理：10-15 个关键术语 + 前置阅读 2-3 篇 + 后续工作 3-4 篇

## 来源规则

- 论文原文是唯一事实权威，关键数字必须标注具体 Section/Table/Figure
- 外部来源标注层级：L1（论文/作者主页）> L2（Scholar/DBLP）> L3（博客/社区）> L4（新闻稿，不得支撑事实）
- 段内引用，禁止末尾堆链接
- 无法验证的不写

## 输出

使用 Write 工具将分析结果保存为 Markdown 文件：

文件路径：./{sub_field_directory}/{paper_name_en}-paper-analysis-{date}.md

文件名规则：{paper_name_en} 使用论文标题的英文简写形式（小写连字符），如：
- Attention Is All You Need → attention-is-all-you-need
- ResNet: Deep Residual Learning → resnet
- BERT → bert

Markdown 格式：

# 《{paper_title}》论文轻量分析

> **作者**: {authors} | **发表**: {venue} {year} | **分析日期**: {date}
> ⚠️ 本分析为轻量版。如需完整深度分析（含论文原文定位、断言校验），请执行 `/analyze-paper {paper_title}`

## 核心结论
{3-5 句总结}

## 一、背景与动机
{研究领域现状 + 核心问题与动机}

## 二、团队与作者背景
{核心作者介绍 + 研究脉络}

## 三、技术方法与创新点
{核心方法 + 创新点}

## 四、实验与结果评估
{实验设计 + 关键结果}

## 五、优缺点与局限性
{优点 + 局限性 + 改进方向}

## 六、社区反馈与影响力
{引用量 + 社区评价 + 开源实现}

## 七、术语表与延伸阅读
{关键术语 + 前置阅读 + 后续工作}

## 参考来源
{按维度分组的来源链接}

全部使用中文输出。来源链接必须为实际访问过的 URL。

完成后更新 README.md

每篇论文分析完成后，更新该子领域子目录的 README.md，将对应论文的"状态"列从"待分析"改为"已分析"。

终端输出

每完成一个子领域的所有 Top 论文分析后，打印进度：

📖 子领域 {M}/{总子领域数} [{sub_field_name}] 完成：{K} 篇论文已分析

全部完成后打印：

✅ 全部 Top 论文轻量分析完成

📊 统计：{总子领域数} 个子领域，{总论文数} 篇论文已分析
📁 分析结果已保存到各子领域子目录

💡 如需完整深度分析（含论文原文定位、断言-证据清单），可对目标论文执行：
   /paper-analysis {论文标题或URL}

Error Handling

  • 领域无法识别：提示用户确认领域名称，并给出常见领域建议列表（计算机视觉、NLP、推荐系统、信息检索、数据库、操作系统、计算机网络、人工智能、机器学习、软件工程等）
  • 子代理失败（Phase 2）：在主文档中该子领域标记为"数据不足，建议手动补充"，不影响其他子领域的输出
  • 论文分析子代理失败（Phase 4）：该论文在 README.md 中保持"待分析"状态，打印失败提示，继续分析其他论文
  • 子领域过多（>15 个）：默认全部并行派出子代理；如遇平台并发限制，分两轮执行（优先主流子领域，再执行新兴子领域）
  • 聚焦方向不在分类结果中：提示用户确认方向名称，展示已识别的子领域列表供选择
  • Venue 分级信息冲突：不同渠道对 venue 等级有差异时，保留多种分级方案（CCF/CORE/JCR），在文档中注明差异及各自来源
  • Phase 1 未找到相关 Venue：领域过于小众或新兴时，降级为直接搜索该领域的高被引论文（跳过 venue 全景），在文档中注明"领域尚无公认的核心 venue 体系"

Notes

  • 子代理输出字符上限（2500 字符）防止主线程上下文溢出
  • Phase 3 重点是 交叉验证和三视角整合，不是简单拼接各子代理输出
  • 全部输出使用中文
  • 来源 URL 必须为实际访问过的链接，不得使用占位符
  • Phase 4 仅分析 Top 1-2 篇（非全部），且总量上限 10 篇，是与 field-survey 的关键差异
  • Phase 4 每个 Agent 串行完成 7 维度分析（非嵌套 7 个子代理），避免子代理嵌套复杂度
  • Phase 4 输出为轻量分析版，不含 paper_locator_map 和断言校验；用户可对重要论文另行执行 /analyze-paper 获得完整版
  • Phase 1 的四渠道不是每个领域都有完整的四个维度——例如纯理论领域可能缺少"社区共识"维度，此时在文档中注明并跳过
  • 子目录 README.md 中的"状态"列初始值全部为"待分析"，Top 论文分析完成后更新为"已分析"
  • 如果用户指定了聚焦方向，仍创建所有子领域的子目录，但仅聚焦子领域的 README.md 包含完整论文列表，其他子领域 README.md 仅包含子领域简介和提示"如需论文列表，请重新执行调研或手动补充"
  • Phase 4 按子领域逐个处理是为了控制并发量；如领域子领域较少（≤5），可考虑所有子领域同时并行
Weekly Installs
8
Repository
jssfy/k-skills
GitHub Stars
2
First Seen
Mar 20, 2026
Security Audits
Gen Agent Trust HubPass
SocketPass
SnykWarn