literature-engineer

SKILL.md

Goal: build a large, verifiable candidate pool for downstream dedupe/rank, mapping, notes, citations, and drafting.

This skill is intentionally evidence-first: if you can't reach the target size with verifiable IDs/provenance, the correct behavior is to block and ask for more exports / enable network, not to fabricate.

Multi-Route-Literaturerweiterung + Metadatennormalisierung für Evidence-First-Umfragen. Erzeugt einen großen Kandidatenpool („papers/papers_raw.jsonl“, Ziel ≥1200) mit stabilen IDs und Herkunft, bereit für die Deduplizierung/Rang- und Zitatgenerierung. **Auslöser**: Beweissammler, Literaturingenieur, 文献扩充, 多路召回, Schneeballeffekt, zitiert von, Referenzen, 元信息增强, Herkunft. **Verwenden, wenn**: ≥1200 篇并补齐可追溯 Meta（Survey Pipeline 的 Stage C1，写作前置 Beweise）. **Überspringen, wenn**: 已经有高质量 `papers/papers_raw.jsonl`（≥1200 且每条都有稳定标识+来源记录）. **Netzwerk**: 可离线（靠 imports）；雪崩/在线检索需要网络. **Guardrail**: 不允许编造论文；每条记录必须带稳定标识（arXiv id / DOI / 可信 URL）和 Provenance；不写 Output/ Prosa。 Quelle: willoscar/research-units-pipeline-skills.

Öffnen Sie Ihr Terminal oder Kommandozeilen-Tool (Terminal, iTerm, Windows Terminal, etc.) Kopieren Sie diesen Befehl und führen Sie ihn aus: npx skills add https://github.com/willoscar/research-units-pipeline-skills --skill literature-engineer Nach der Installation wird der Skill automatisch in Ihrer KI-Programmierumgebung konfiguriert und ist bereit zur Verwendung in Claude Code oder Cursor

Original anzeigen