---
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
---
# Research Plan

### 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

### 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

## 流程

### 输入

按用户请求和配置文件提供必要输入；缺失信息应明确列出并停止依赖该输入的步骤。

### 执行步骤

- 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；历史 `.make-research-plan/` 仅作显式兼容读取、迁移或清理，新运行统一使用任务级工作区。

### 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. 创建任务级隐藏工作目录 `.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/research-plan/`
3. 明确告知用户创建的目录位置和用途

**输出：**
- `.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/research-plan/` 目录结构

**目录结构：**
```
.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/research-plan/
├── input/papers/        # 下载的 PDF 文献
├── input/metadata/      # 调研元数据
│   ├── theme.json      # 主题和关键词
│   └── search_history.json # 检索历史
├── output/extracted/    # 提取的文献信息
│   └── papers_info.json # 论文结构化信息
├── output/analysis-framework.md # 分析框架总结
├── output/plan.md             # 任务内草稿
└── log/                       # 命令、验证与错误日志
```

### 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`

```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`

```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`

```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`

```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？

### 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
4. **用户中心**：计划要符合用户实际约束

实现/脚本状态与职责边界见：`research-plan/references/implementation-notes.md`

变更记录见：`research-plan/CHANGELOG.md`（版本号以 `research-plan/config.yaml:skill_info.version` 为准）

### 输出

### 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）

### 输出管理

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。

### 校验

完成后执行 Skill 已有的静态检查、脚本验证或人工复核，并记录通过标准。

### 失败与恢复

### 常见问题

**Q: 无法下载某些 PDF**
A: 记录失败的 DOI，可以在最终报告中说明，或尝试手动获取

**Q: 提取的方法信息不完整**
A: 使用补充材料（supplementary materials）或联系作者

**Q: 文献数量太少**
A: 放宽检索条件（年份、关键词范围）

**Q: 不同论文方法冲突**
A: 在分析框架中标注争议点，提供多方案选择

## 约束

### 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

### 公共硬约束

- 任务需要落盘时，使用唯一的 `./.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/` 根目录；共享材料放入 `shared/`，Skill 专属材料放入该 Skill 的 `input/`、`output/`、`log/`。
- 正式交付物、源代码和正式计划按项目约定保存，不写入任务工作区；未经授权不覆盖、删除、迁移或远程写入。
- 项目维护变更检查 BAC 可用性并记录需求、AI 产出、工具结果、文件改动和验证摘要；BAC 只做过程审计，不替代署名、责任或合规判断。
- 不记录 API Key、访问令牌、密码、Cookie、环境/凭据文件、私有 Prompt、身份信息、本地用户名、主机名或不必要的大体积原始数据。
- 文件路径必须规范化并限制在授权项目范围内；外部 URL、子进程和网络访问遵循最小权限，防止路径遍历、SSRF 和命令注入。
- Skill 版本唯一记录在自身 `config.yaml:skill_info.version`；公开 API、协议、目录或配置变更同步文档与 `CHANGELOG.md`。
- 仅将 Skill 或 Bensz 基础设施本身的设计缺陷交给 `bensz-collect-bugs`；先脱敏写入 `~/.bensz-skills/bugs/`，当前任务不中断，只有用户明确要求才公开上报，禁止直接修改用户已安装的 Skill 源码。
<!-- End of canonical common constraints. -->

### Skill 专属约束

不得超出本 Skill description 和上方流程所声明的范围；不将未验证的信息伪装成确定结论。