Ideas

完整工作流程 / Complete Workflow

本 skill 严格按以下 5 个阶段执行，每个阶段完成后向用户汇报进度。

Phase 1: 加载导师研究画像 / Load Mentor Research Profile

目标：从导师 skill 中提取最新研究兴趣、核心专长和研究风格。

步骤：

1. 读取导师 skill 文件：~/.claude/skills/<mentor-name>/SKILL.md
2. 提取以下关键信息：
   • 核心研究领域（按重要度排序）
   • 最新研究兴趣（热度排序，关注 🔥 标记的方向）
   • 代表性贡献（用于定位独特优势）
   • 研究风格（理论型/应用型/混合型）
   • 审阅与评判偏好（用于后续打分）
3. 输出摘要：

📋 导师研究画像加载完成：
- 导师：<name> (<institution>)
- 核心领域：<fields>
- 最热方向：<top-3-directions>
- 研究风格：<style>

Phase 2: arxiv 前沿论文调研 / Frontier Paper Survey

目标：检索 arxiv 上最近 N 个月的论文，覆盖导师所有研究兴趣方向。

步骤：

1. 根据 Phase 1 提取的研究兴趣，构造搜索查询组（每个热门方向 2-3 个查询）
2. 使用 WebSearch 并行搜索 arxiv（按方向分组并行）
3. 对每个方向，收集 5-10 篇最相关的最新论文
4. 提取每篇论文的：标题、arXiv ID、日期、核心贡献（1-2句话）
5. 识别跨方向的 交叉趋势 和 研究空白
6. 加载互补课题组数据：检查 peers/ 目录是否存在该导师的 peers MD 文件（如 peers/peers_<mentor>_*.md），若存在则读取并提取各课题组的近期代表作和潜在交叉点，作为额外灵感来源

搜索策略：

对每个研究兴趣方向：
  - 查询 1：方向关键词 + "arxiv <year>"
  - 查询 2：方向关键词 + 导师核心专长交叉
  - 查询 3：方向关键词 + 最新技术热点（如 LLM、diffusion）

并行执行所有查询组（使用 Task tool 的 subagent 并行搜索）

输出摘要：

📚 前沿论文调研完成：
- 检索方向：<N> 个
- 收集论文：<M> 篇
- 时间范围：<start-date> ~ <end-date>
- 关键趋势：<trend-1>, <trend-2>, <trend-3>

Phase 3: Idea 生成 / Idea Generation

目标：以导师视角，结合前沿调研，生成 N 个新研究 idea。

生成原则：

1. 前沿灵感优先：互补课题组的近期工作是重要的灵感来源，优先级不低于导师自身的经典工作。鼓励从 peer 近期成果中自由获取启发，不限于简单的"导师方法 A + 外部方法 B"的机械组合
2. 导师专长优先：每个 idea 至少涉及导师的一个核心专长领域
3. 交叉创新：优先生成跨方向的交叉 idea（如导师核心专长 × 热门新方向）
4. 分类覆盖：确保 idea 分布在不同方向，避免过度集中
5. 理论+应用平衡：根据导师研究风格调整理论/应用比例
6. 难度梯度：包含不同难度级别的 idea（快速发表型、博士论文型、高风险高回报型）

每个 Idea 包含：

### Idea N: <标题（英文）>

**思路**：<详细描述，3-5 句话，包括>
- 问题动机（为什么这个问题重要）
- 核心方法（用什么工具/框架/技术解决）
- 关键创新点（与现有工作的本质区别）
- 预期贡献（理论结果 or 系统/方法）

- **科研价值**：X/10 — <简要理由>
- **可行性**：X/10 — <简要理由>

分类策略（以 20 个 idea 为例）：

- 最热方向 × 核心专长 交叉：5-6 个
- 热门方向 × 核心专长 交叉：4-5 个
- 核心专长内部深化：3-4 个
- 跨领域融合创新：3-4 个
- 探索性/高风险 idea：2-3 个

Phase 4: 全时段 arxiv 查重 / Full-Period Novelty Verification

目标：对每个生成的 idea 在 arxiv 全时段进行查重，确保没有已发表的重复工作。

步骤：

1. 对每个 idea 构造 3-4 个精准搜索查询（关键词组合）
2. 使用 Task tool 并行启动多个搜索 agent（每 5 个 idea 一组并行）
3. 每个 agent 搜索并评估：
   • 是否有 直接匹配 的已发表工作（ALREADY EXISTS）
   • 最接近的 相关工作 是什么（列出论文）
   • 相关工作与该 idea 的 关键区别 在哪里
4. 给出查重判定：

NOVEL — 确认新颖，无直接匹配工作
PARTIALLY NOVEL — 部分组件已有工作，但特定组合/角度新颖
ALREADY EXISTS — 核心思想已被发表

查重 Agent Prompt 模板：

Search arxiv (ALL time periods) to check if the following research idea
already exists. Search thoroughly and report:
(1) Whether there are existing papers doing the same thing
(2) The closest related work found (with arxiv IDs)
(3) Any new inspiration from related papers

Idea: <title>
Description: <description>

Search queries to try:
- <query 1>
- <query 2>
- <query 3>

Provide verdict: NOVEL / PARTIALLY NOVEL / ALREADY EXISTS, with evidence.

Phase 5: 修订与输出 / Revision and Output

目标：根据查重结果修订 idea 列表，生成最终报告。

修订规则：

1. ALREADY EXISTS → 替换为新 idea（重新生成 + 重新查重）
2. PARTIALLY NOVEL → 增强描述，将与已有工作的区分点自然融入思路中
3. NOVEL → 保留原样
4. 在报告末尾挑选 3-5 个最适合 LLM agent 自迭代实现的 idea

输出风格要求：

• 不使用 emoji
• idea 标题不附加任何查重状态标签（如 [NOVEL]、[ENHANCED] 等）
• 不强调查重前后的差异（用户看不到查重前版本），不需要"查重总结"对比表
• 对于 PARTIALLY NOVEL 的 idea，将与已有工作的区分自然写入思路描述，不单独设"查重结论"或"增强方向"段落
• 整体呈现为一份干净的最终报告

最终输出格式：

# <N> 个研究 Idea：<主题>

> 基于 <mentor-name> 教授最新研究兴趣，结合 arxiv <date-range> 最新论文生成
> 生成日期：<date>
> 评分标准：科研价值（Novelty/Impact）和可行性（Feasibility）各 1-10 分
> 全部 idea 已通过 arxiv 全时段查重

---

## [分类标题]

### Idea N: <标题>

**思路**：<详细描述，包括与最相近已有工作的区分>

- **科研价值**：X/10 -- <简要理由>
- **可行性**：X/10 -- <简要理由>

---

## 总结排名

| 排名 | Idea # | 标题 | 科研价值 | 可行性 | 综合推荐 |
|:---:|:---:|:---|:---:|:---:|:---:|
| ... | ... | ... | ... | ... | ... |

---

## 建议

### 第一梯队：最推荐立即启动
### 第二梯队：高新颖度
### 第三梯队：适合快速发表
### 第四梯队：高风险高回报

---

## LLM Agent 自迭代实现推荐

从以上 idea 中，挑选 3-5 个最适合交给 LLM agent（如 Claude Code）通过"写代码->运行->看结果->迭代"方式自主推进的 idea。

评判维度：代码闭环性、工具链成熟度、LLM 自反性、评估可量化性。

| 推荐 | Idea # | 标题 | 推荐理由（1句话） |
|:---:|:---:|:---|:---|
| 1 | #X | ... | ... |
| 2 | #X | ... | ... |
| 3 | #X | ... | ... |

---

## 参考文献
### 最相近的已有工作
### 查重中发现的启发性工作

文件保存：

<save-dir>/ideas_<YYYY-MM-DD>.md

评分标准 / Scoring Criteria

以导师的学术审美和研究偏好为基准打分：

科研价值 (Novelty/Impact) 1-10

可行性 (Feasibility) 1-10

综合推荐

S = 科研价值 >= 9 且 可行性 >= 7，或两者之和 >= 16
A = 科研价值 >= 8 且 可行性 >= 6，或两者之和 >= 14
B = 其他

使用示例 / Examples

基本用法

/ideas your-mentor

生成 20 个 idea，基于导师的研究画像，检索最近 3 个月 arxiv 论文，全时段查重后输出到 ideas/ 目录。

自定义参数

/ideas your-mentor --count 10 --months 2 --save ./my-ideas

生成 10 个 idea，检索最近 2 个月论文，保存到 ./my-ideas/ 目录。

仅查重已有 idea

/ideas your-mentor --verify-only

对 ideas/ 目录中最新的 idea 文件执行全时段查重。

无指定导师（自动检测）

/ideas

自动搜索 ~/.claude/skills/ 中的导师 skill，若只有一个则直接使用，多个则让用户选择。

与导师 Skill 的关系 / Relationship with Mentor Skills

本 skill 是导师 skill 的 下游消费者：

distill-mentor → 生成导师 skill (<mentor-name>/SKILL.md)
                       ↓
ideas skill   → 读取导师研究画像 → 生成 idea → 查重 → 输出

前置依赖：需要先通过 distill-mentor 生成至少一个导师 skill。

信息提取：从导师 SKILL.md 中提取以下结构化信息：

• ## 最新研究兴趣 — 热门方向列表
• ## 代表性贡献 — 核心优势领域
• ## 研究风格 / ## 你的研究风格 — 理论/应用偏好
• ## 典型回复模式 — 审阅和讨论 idea 的模式

注意事项 / Important Notes

1. 查重的局限性：arxiv 搜索无法覆盖所有期刊/会议论文，建议在正式启动研究前再做一轮针对性 literature search
2. 时效性：research landscape 变化快，生成的 idea 建议在 1-2 个月内评估启动
3. 导师视角：idea 的评分基于导师的研究偏好和审美，不代表绝对的学术价值评判
4. 隐私：不上传导师 skill 中的个人信息到外部 API，仅用于本地 idea 生成

版本历史 / Version History

• 1.0.0 (2026-04-06): Initial release
  • 5-phase workflow: load → survey → generate → verify → revise
  • Parallel arxiv search via Task subagents
  • Full-period novelty verification
  • Structured output with scoring and ranking