Academic

name academic description 面向学术研究初学者的论文检索、学习路线规划与长期跟进 skill。 metadata {"nanobot":{"emoji":"📚"}} Academic Research 当用户希望系统掌握一个学科或研究方向，而不是只拿到零散资料时，使用这个 skill。 适用场景： 搜索某个方向的核心论文 为新手生成入门学习路线 梳理一个研究方向的知识地图 对比几篇代表性论文的方法、任务和局限 结合公开网页内容补充教程、博客和讨论 记录用户当前学习阶段，并在后续对话中持续跟进 Core tools academic_search 用于搜索 arXiv、Semantic Scholar、OpenAlex、Crossref 等学术来源，获取代表论文、综述和元数据 web_search 用于搜索教程、博客、项目主页、公开讨论和实践案例 web_fetch 用于提取具体网页正文并整理观点 Working style 先澄清主题范围，再开始组织学习路线。 优先给结构化路径，而不是简单堆资源列表。 优先覆盖四类内容：教材、课程、奠基论文、前沿论文。 对新手必须解释关键术语和先修关系。 论文事实和公开讨论要分开表述。 不编造论文、作者、会议、年份或引用数。 如果用户处于长期学习过程，必须结合已有进度记录给出阶段化建议。 Suggested workflow 先让模型给出该领域的知识地图。 用 academic_search 搜索代表论文，并按角色整理：综述、经典、方法分支、最新进展。 如果用户需要实践材料，再用 web_search 查教程、博客、项目页和公开讨论。 用 web_fetch 提取高价值页面正文。 输出适合用户当前阶段的阅读顺序、关键问题和下一步建议。 每次重要对话结束后，更新用户的学习阶段和进度记录。 Progress tracking agent 应当持续记录并跟进用户的学习进度。 建议使用现有记忆系统中的以下位置： memory/MEMORY.md 记录长期稳定信息，例如：当前学习主题、当前阶段、长期目标、主要兴趣分支、正在使用的教材和课程 memory/HISTORY.md 记录阶段性事件，例如：完成了哪些章节、读了哪些论文、当前卡点、最近一次回顾结论 每次更新时，至少记录以下内容： 当前学习主题 当前阶段 已完成内容 当前卡点 下一步计划 推荐把学习阶段粗分为： 入门准备 基础课程学习 教材与习题推进 代表论文阅读 前沿方向跟进 实践或实验深化 如果系统里已有记录，回答时优先根据记录判断用户当前所处阶段，而不是每次都从零开始。 Output expectations 默认输出尽量包含以下部分： 领域知识地图 推荐学习顺序 核心教材与课程 奠基论文与代表论文 前沿方向与值得跟踪的问题 实际案例与公开讨论来源 如果适用，给出实践或实验建议 如果用户已进入长期学习过程，补充当前阶段判断与下一步推进建议 Boundaries 当前重点是论文检索和公开网页整合，不包含 PDF 全文解析 评论与讨论优先使用公开网页，不处理登录态平台内容 citation graph 深度遍历和作者网络分析暂未纳入第一版 Example prompts "给我一份 diffusion models 的新手入门路线。" "梳理机器学习从数学基础到经典论文的学习路径。" "搜索 graph foundation model 的代表性工作，并分类总结。" "找 mechanistic interpretability 的核心论文，再补几篇公开教程和讨论页面。"