/research-plan

name: research-plan
description: 科研分析策略规划助手。根据用户的科研分析需求，通过调研顶尖期刊/会议论文的分析方法，制定个性化、可落地的最优分析策略。适用于需要制定实验设计、数据分析流程、技术路线的场景；兼容旧名 make-research-plan 的 prompt 触发。
metadata:
  author: Bensz Conan
  short-description: 基于文献调研制定科研分析策略
  keywords:
    - research-plan
    - make-research-plan
    - 科研规划
    - 文献调研
    - 分析策略
    - 实验设计
    - 技术路线
    - 方法学学习
    - 分析计划
    - 研究方案

Research Plan

BenszAPI 任务工作区

本 Skill 的新任务中间文件统一写入 `./.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/{skill名}/input|output|log/`。同一任务复用一个任务根目录；多 Skill 协作才创建 `shared/`。正式交付物不写入该目录，历史隐藏目录只允许显式兼容读取、迁移或清理。

与 bensz-collect-bugs 的协作约定

• 因本 skill 设计缺陷导致的 bug，先用 `bensz-collect-bugs` 规范记录到 `~/.bensz-skills/bugs/`，不要直接修改用户本地已安装的 skill 源码；若有 workaround，先记 bug，再继续完成任务。
• 只有用户明确要求“report bensz skills bugs”等公开上报时，才用本地 `gh` 上传新增 bug 到 `huangwb8/bensz-bugs`；不要 pull / clone 整个仓库。

**基于文献调研的科研分析策略规划助手**

旧名 `make-research-plan` 仅作为 prompt 兼容别名保留；`.make-research-plan/` 是稳定历史工作区名，不随 skill 目录重命名。

核心功能

本 Skill 通过系统化调研顶尖期刊/会议论文，为用户制定个性化、可落地的科研分析策略。

核心价值

• **证据驱动**：基于顶级期刊论文的方法学，而非凭空设计
• **系统性调研**：自动化的文献检索、筛选、下载流程
• **深度学习**：从 PDF 中提取分析方法和技术细节
• **可落地性**：输出清晰的目标/步骤，可直接执行

使用场景

• 制定实验设计方案
• 规划数据分析流程
• 设计技术路线图
• 确定统计方法选择
• 制定可视化策略

工作流程

阶段 0：初始化

**输入：**

• 用户需求描述
• 工作目录路径（可选，默认当前目录）

**操作：** 1. 验证工作目录存在且可写 2. 创建隐藏工作目录 `.make-research-plan/` 3. 明确告知用户创建的目录位置和用途

**输出：**

• `.make-research-plan/` 目录结构

**目录结构：**

.make-research-plan/
├── papers/              # 下载的 PDF 文献
├── metadata/            # 调研元数据
│   ├── theme.json      # 主题和关键词
│   └── search_history.json # 检索历史
├── extracted/           # 提取的文献信息
│   └── papers_info.json # 论文结构化信息
├── analysis-framework.md # 分析框架总结
└── plan.md             # 最终分析策略计划

阶段 1：主题提取与文献调研

步骤 1.1：主题提取

**目标：** 从用户需求中结构化提取研究主题和关键词

**方法：**

• 分析用户需求文本
• 识别核心研究领域
• 提取关键概念术语
• 生成多个相关主题（如适用）
• 为每个主题生成 3-5 个关键词

**输出：** `metadata/theme.json`

{
  "primary_topic": {
    "name": "主题名称",
    "description": "主题描述",
    "keywords": ["关键词1", "关键词2", "关键词3"]
  },
  "secondary_topics": [
    {
      "name": "相关主题1",
      "keywords": ["关键词1", "关键词2"]
    }
  ],
  "extracted_at": "2026-01-19T09:30:00Z"
}

步骤 1.2：文献检索

**检索策略：** 1. **多源检索**：

• PubMed（生物医学）
• Google Scholar（综合）
• IEEE Xplore（工程技术）
• arXiv（预印本）
• Semantic Scholar（AI 驱动）

2. **检索式构建：**

• 主主题关键词 AND 分析方法相关词
• 优先检索近 5 年文献
• 限定高影响因子期刊/顶级会议

3. **质量过滤：**

• 优先 peer-reviewed 文章
• 排除非英文文献（除非用户指定）
• 优先高引用论文

**输出：** `metadata/search_history.json`

{
  "searches": [
    {
      "topic": "主题名称",
      "query": "检索式",
      "source": "数据源",
      "results_count": 150,
      "timestamp": "2026-01-19T09:35:00Z"
    }
  ]
}

步骤 1.3：文献筛选与评分

**AI 逐篇评估：** 1. **语义相关性评分**（1-10 分）

• 标题匹配度
• 摘要相关性
• 关键词重叠

2. **子主题分组**：

• 方法学论文
• 应用案例
• 综述文章
• 工具/软件

3. **高分优先选取**：

• 保留评分 ≥ 7 分的论文
• 确保各子主题都有代表性
• 控制总数在 15-30 篇

**输出：** `metadata/papers_scored.json`

{
  "papers": [
    {
      "title": "论文标题",
      "authors": ["作者1", "作者2"],
      "year": 2024,
      "journal": "期刊名",
      "relevance_score": 9,
      "subtopic": "方法学",
      "doi": "10.xxxx/xxxxx",
      "url": "https://doi.org/..."
    }
  ]
}

步骤 1.4：生成参考文献清单

**输出：** `references.bib`

格式：标准 BibTeX，包含所有必要字段

步骤 1.5：下载 PDF

**方法：**

• 优先通过开放获取链接下载
• 使用 Unpaywall API 查找合法免费版本
• 保存到 `papers/` 目录，命名格式：`{第一作者姓氏}_{年份}_{期刊简写}.pdf`

**输出：** `papers/*.pdf`

**错误处理：**

• 记录下载失败的 DOI
• 不阻塞后续流程
• 在最终报告中说明哪些论文未能获取

阶段 2：深度学习分析策略

步骤 2.1：PDF 信息提取

**目标：** 从每篇 PDF 中提取分析方法和技术细节

**提取内容：**

• **研究设计**：实验类型、对照设置、样本量
• **数据预处理**：清洗步骤、归一化方法、质量控制
• **统计方法**：检验方法、多重比较校正、效应量
• **可视化策略**：图表类型、配色方案、工具
• **软件工具**：R/Python 包、版本、参数设置
• **验证方法**：交叉验证、bootstrap、灵敏度分析

**方法：**

• 使用 PDF 读取工具提取文本和表格
• AI 语义分析识别 Methods 章节内容
• 结构化存储提取的信息

**输出：** `extracted/papers_info.json`

{
  "papers": [
    {
      "id": "paper_001",
      "title": "论文标题",
      "methods": {
        "study_design": "队列研究",
        "preprocessing": ["质量控制", "归一化"],
        "statistical_tests": ["t检验", "ANOVA"],
        "correction": "FDR",
        "visualization": ["箱线图", "热图"],
        "software": {
          "R": ["limma", "ggplot2"],
          "parameters": {"adjust.method": "BH"}
        }
      },
      "strengths": ["大样本量", "预注册"],
      "limitations": ["单中心研究"]
    }
  ]
}

步骤 2.2：综合分析框架

**目标：** 综合所有论文，提炼最佳实践

**分析维度：**

1. **方法学共识**：

• 多篇论文共用的方法
• 领域内标准流程
• 推荐的最佳实践

2. **方法学差异**：

• 不同场景的适用方法
• 新兴方法 vs 传统方法
• 争议点

3. **工具生态**：

• 最常用的软件包
• 工具的优缺点比较
• 版本兼容性

4. **质量控制**：

• 数据验证标准
• 结果稳健性检验
• 可复现性实践

**输出：** `analysis-framework.md`

模板见：`research-plan/references/output-templates.md`

阶段 3：制定个性化计划

步骤 3.1：需求对齐

**分析用户需求：**

• 研究问题是什么？
• 有什么特殊约束？
• 期望的输出是什么？
• 技能水平如何？

**映射到分析框架：**

• 匹配相关方法学章节
• 识别适用的工具
• 确定质量控制点

步骤 3.2：计划生成

**输出：** `plan.md`

模板见：`research-plan/references/output-templates.md`

步骤 3.3：计划审查

**向用户呈现：** 1. 计划概要 2. 关键决策点说明 3. 可选方案对比 4. 修改建议邀请

**审查问题：**

• 计划是否覆盖了你的需求？
• 步骤是否清晰可行？
• 有没有遗漏的分析？
• 有没有需要调整的部分？

输入规范

必需输入

• **需求描述**：清晰描述要解决的问题和目标

可选输入

• **工作目录**：默认当前目录
• **文献年份范围**：默认近 5 年
• **目标期刊/会议**：指定特定来源
• **语言偏好**：默认英文
• **最大文献数**：默认 30 篇

输出规范

核心输出

1. **`plan.md`**：最终分析策略计划（用户友好格式） 2. **`analysis-framework.md`**：分析框架总结（详细技术文档） 3. **`references.bib`**：参考文献清单（可引用）

辅助输出

4. **`metadata/`**：调研元数据（可复现） 5. **`extracted/papers_info.json`**：论文信息结构化数据（可再利用）

限制与注意事项

功能边界

• ✅ **可以做的**：
• 调研文献并总结方法学
• 制定分析策略和步骤
• 推荐工具和最佳实践
• 生成可执行的计划文档

• ❌ **严禁做的**：
• 执行实际的数据分析
• 修改用户原始数据
• 撰写正式科研论文
• 做出科学结论

使用限制

1. **仅提供策略建议**，具体实施需要用户验证 2. **方法学推荐基于文献**，不能保证适用于所有场景 3. **PDF 依赖可获取性**，部分文献可能无法获取 4. **AI 提取可能有误差**，关键信息建议人工复核

质量保证

• 所有推荐都来自同行评议论文
• 明确标注证据强度（多论文共识 vs 单篇论文）
• 提供参考文献追溯
• 标注不确定性或争议点

最佳实践

对于用户

1. **需求描述要具体**：避免模糊表述 2. **明确约束条件**：数据类型、样本量、技能水平等 3. **审查计划时认真**：这是你的研究，你有最终决定权 4. **保留工作目录**：便于后续调整和复现

对于 AI 执行

1. **透明性**：明确告知每一步在做什么 2. **可追溯性**：所有推荐都有文献依据 3. **保守性**：不确定时承认而非编造