academic-search
为模糊、跨学科或尚未确定领域的论文检索请求选择专业研究 Skill,并汇总跨领域证据。Use for 跨学科论文搜索、多个学科共同回答一个问题、尚不清楚应走哪个专业检索流程;明确的 AI/计算机任务直接用 ai-computing-research,明确的临床医学/健康任务直接用 biomedical-evidence。
SKILL.mdacademic-search/SKILL.md
GitHub学术检索编排器
本技能只做三件事:识别领域、把任务交给最窄的专业流程、合并不同领域的证据。不要在这里复制专业检索规则。
路由
- 读取 references/routing.md。
- 只有一个明确领域时,按路由表使用对应专业 Skill,不继续加载本技能的其他参考资料。
- 涉及两个以上领域时,为每个领域分别形成查询与证据账本,再按统一字段合并;不要用同一证据等级跨领域机械排序。
- 目标只是总结用户已给材料时,使用 research-summarizer;需要网页和非学术来源交叉核验时,组合 evidence-research。
- 尚无专业 Skill 的领域,采用 references/fallback.md 的保守通用流程,并在结果中标明“通用回退”。
共享工具
如环境中安装了 research-toolkit,用它完成元数据检索、规范化、去重和 DOI/PMID/arXiv/NCT 核验。工具输出只是候选证据,不替代专业质量判断。工具不可用时可使用已有连接器、官方 API 或浏览器,但保持同一证据字段。
跨领域合并规则
- 先按领域分别报告结论和证据强度,再说明它们能否共同支持最终判断。
- 冲突可能来自研究问题、因果标准、时间尺度或“证据”定义不同;先解释差异,不强行投票。
- 每个重要主张紧邻可核验引用;不存在或未核验的标识符绝不补造。
- “对生活有用”不等于立刻行动。医学建议始终服从 biomedical-evidence 的安全边界。
- 默认输出精选证据而非长链接清单,并附数据库、查询式、截至日期和主要缺口。
Token 纪律
- 先路由再加载:单领域任务只加载一个专业 Skill。
- 每个领域先看元数据/摘要,筛选后才读少量全文。
- 跨领域传递紧凑证据账本:主张—证据—强度—局限—标识符。
- 达到停止条件后停止,不用重复搜索制造“全面”的错觉。