·literature-engineer
</>

literature-engineer

Espansione della letteratura multi-percorso + normalizzazione dei metadati per indagini basate sull'evidenza. Produce un ampio pool di candidati (`papers/papers_raw.jsonl`, target ≥1200) con ID e provenienza stabili, pronti per la deduplica/classificazione + generazione di citazioni. **Trigger**: raccoglitore di prove, ingegnere letterario, 文献扩充, 多路召回, valanga, citato da, riferimenti, 元信息增强, provenienza. **Utilizzare quando**: 需要把候选文献扩充到 ≥1200 篇并补齐可追溯 meta(indagine pipeline 的 Stage C1,写作前置 prova). **Salta se**: 已经有高质量 `papers/papers_raw.jsonl`(≥1200 且每条都有稳定标识+来源记录). **Rete**: 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) e provenienza;不写 output/prosa.

24Installazioni·1Tendenza·@willoscar

Installazione

$npx skills add https://github.com/willoscar/research-units-pipeline-skills --skill literature-engineer

Come installare literature-engineer

Installa rapidamente la skill AI literature-engineer nel tuo ambiente di sviluppo tramite riga di comando

  1. Apri il terminale: Apri il tuo terminale o strumento da riga di comando (Terminal, iTerm, Windows Terminal, ecc.)
  2. Esegui il comando di installazione: Copia ed esegui questo comando: npx skills add https://github.com/willoscar/research-units-pipeline-skills --skill literature-engineer
  3. Verifica l'installazione: Dopo l'installazione, la skill verrà configurata automaticamente nel tuo ambiente AI di coding e sarà pronta all'uso in Claude Code, Cursor o OpenClaw

Fonte: willoscar/research-units-pipeline-skills.

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.

Espansione della letteratura multi-percorso + normalizzazione dei metadati per indagini basate sull'evidenza. Produce un ampio pool di candidati (`papers/papers_raw.jsonl`, target ≥1200) con ID e provenienza stabili, pronti per la deduplica/classificazione + generazione di citazioni. **Trigger**: raccoglitore di prove, ingegnere letterario, 文献扩充, 多路召回, valanga, citato da, riferimenti, 元信息增强, provenienza. **Utilizzare quando**: 需要把候选文献扩充到 ≥1200 篇并补齐可追溯 meta(indagine pipeline 的 Stage C1,写作前置 prova). **Salta se**: 已经有高质量 `papers/papers_raw.jsonl`(≥1200 且每条都有稳定标识+来源记录). **Rete**: 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) e provenienza;不写 output/prosa. Fonte: willoscar/research-units-pipeline-skills.

Fatti (pronti per citazione)

Campi e comandi stabili per citazioni AI/ricerca.

Comando di installazione
npx skills add https://github.com/willoscar/research-units-pipeline-skills --skill literature-engineer
Categoria
</>Sviluppo
Verificato
Prima apparizione
2026-02-01
Aggiornato
2026-03-10

Browse more skills from willoscar/research-units-pipeline-skills

Risposte rapide

Che cos'è literature-engineer?

Espansione della letteratura multi-percorso + normalizzazione dei metadati per indagini basate sull'evidenza. Produce un ampio pool di candidati (`papers/papers_raw.jsonl`, target ≥1200) con ID e provenienza stabili, pronti per la deduplica/classificazione + generazione di citazioni. **Trigger**: raccoglitore di prove, ingegnere letterario, 文献扩充, 多路召回, valanga, citato da, riferimenti, 元信息增强, provenienza. **Utilizzare quando**: 需要把候选文献扩充到 ≥1200 篇并补齐可追溯 meta(indagine pipeline 的 Stage C1,写作前置 prova). **Salta se**: 已经有高质量 `papers/papers_raw.jsonl`(≥1200 且每条都有稳定标识+来源记录). **Rete**: 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) e provenienza;不写 output/prosa. Fonte: willoscar/research-units-pipeline-skills.

Come installo literature-engineer?

Apri il tuo terminale o strumento da riga di comando (Terminal, iTerm, Windows Terminal, ecc.) Copia ed esegui questo comando: npx skills add https://github.com/willoscar/research-units-pipeline-skills --skill literature-engineer Dopo l'installazione, la skill verrà configurata automaticamente nel tuo ambiente AI di coding e sarà pronta all'uso in Claude Code, Cursor o OpenClaw

Dov'è il repository sorgente?

https://github.com/willoscar/research-units-pipeline-skills