ScholarMap · 学术星图
围绕用户给出的一个研究关键词，检索 IEEE Xplore、arXiv、Semantic Scholar 等主流学术数据库，产出一份可交互的 HTML 研究图谱报告：知识图谱 + 研究方向梳理 + 技术路线 + 创新方向 + 核心文献。
总体工作流
- 解析关键词：确认研究主题；若关键词有歧义（如多义词、缩写），先用一次快速检索确认领域含义，再继续。扩展出 3-5 组同义/相关词（例如 "subspace identification" → "subspace system identification", "SSI modal", "state-space identification"）。
- 多库并行检索（见下节"检索策略"）：至少覆盖 Semantic Scholar API + 通用学术 Web 搜索，两路并行调用。搜索词组合必须包含三类：
- 综述类：<keyword> survey / review / overview
- 前沿类：<keyword> recent advances <当前年份-2>..<当前年份>（覆盖近三年）
- 应用类：<keyword> application <用户领域>（若用户提及领域） - 结构化归纳：将检索结果归纳为 4-8 个研究簇（cluster），每簇包含：代表方法/论文、关键人物、里程碑年份、开放问题。按
references/analysis-framework.md的节点/边类型构建知识图谱数据。 - 深度分析：按
references/analysis-framework.md完成研究方向梳理、技术路线（按时间轴）、创新方向（识别研究空白）三部分。 - 生成交付物：产出单文件交互式 HTML 报告（可用内置 Visualizer 的 show_widget 做轻量预览，最终报告必须是完整 HTML 文件）。报告结构固定为：标题与摘要 → 交互式知识图谱（力导向图，节点可点击）→ 研究方向 → 技术路线时间轴 → 创新方向 → 核心文献列表（带链接）。
- 命名与发布：按用户喜好为报告/系列研究取名字并写介绍；用户要求发布时，用发布类能力将 HTML 报告发布为在线链接，方便下载分享。
- 可信度要求：每条关键论断和每篇文献必须带来源链接；检索不到的内容明确标注"未检索到"，不得编造文献。年份、作者、venue 以检索结果为准。
检索策略
优先级从高到低，至少使用前两个：
- Semantic Scholar API（结构化、免费、无需密钥）：
https://api.semanticscholar.org/graph/v1/paper/search?query=<keyword>&fields=title,abstract,year,citationCount,authors,venue,externalIds&limit=20
用 WebFetch 抓取，可按year=2020-过滤近五年高被引论文。这是获取引用数排序的核心来源。 - 通用学术 Web 搜索：针对
<keyword> + survey/review、<keyword> + recent advances、<keyword> + application分别检索，重点命中 IEEE Xplore（ieeexplore.ieee.org）、ScienceDirect、Springer、arXiv 页面。 - arXiv：对偏理论/机器学习交叉的主题，检索
arxiv.org对应分类（如 cs.LG、eess.SY）。 - IEEE Xplore 页面：对命中的关键论文，用 WebFetch 打开 ieeexplore 文档页补充摘要与会议/期刊信息（部分页面有反爬，失败则依赖搜索结果摘要，不要反复重试）。
检索规模基准：每类搜索词 1-2 次、总计 4-8 次检索；命中 25-40 篇文献后即可归纳，不要无限展开。
交付物规范
- 知识图谱：力导向无向图；节点类型：经典方法、理论/统计性质、方法扩展、交叉融合、应用领域；边类型：继承/改进、对比/统一、扩展、应用。核心节点 12-20 个，避免过密。使用纯原生 JS 实现力模拟（不依赖 CDN，保证离线可打开）。
- 研究方向：每个方向给出"是什么—代表文献—当前水平—瓶颈"四要素。
- 技术路线：时间轴形式，按里程碑年份组织（1985→至今），标注代表工作。
- 创新方向：3-6 条，每条说明"空白在哪、为什么可行、切入做法"，基于研究簇之间的交叉与文献中明确指出的 limitations。
- 报告文件：单 HTML 文件，浅色主题、中文撰写（除非用户指定其他语言），文件名
<关键词英文短名>-knowledge-map.html。 - 命名与介绍：为该主题的图谱报告取一个名字（贴合主题意象），写 2-3 句介绍；用户未指定风格时取简洁中文学术风。
边界与降级
- 用户只给关键词、未指定领域时，默认覆盖"方法理论 + 主要应用领域"两条线。
- 检索工具完全不可用时，基于已有知识生成报告，但必须在报告显著位置声明"本次为离线知识版本，未经实时文献检索核验"。
- 用户要求部署/发布 skill 本体时，先获得用户确认，再打包安装到用户级技能目录。
使用示例
- 用户："帮我调研 subspace identification" → 触发本技能：三路检索 → 归纳出"经典方法统一理论、闭环辨识、频域扩展、非线性/深度学习融合、统计性质、SHM/MPC 应用"等研究簇 → 输出含交互知识图谱的 HTML 报告。
- 用户："我想做电池热管理方向的博士选题，帮我画个知识图谱" → 触发本技能：检索 survey + 近三年热点 + 应用两线，重点在"创新方向"部分给出可选题的研究空白。
- 用户："整理一下联邦学习的研究现状" → 触发本技能：以综述与高被引工作为骨架构建图谱，输出研究方向与技术路线时间轴。
- 用户："对比一下扩散模型和 GAN 的技术路线" → 触发本技能：分别构建两条技术路线时间轴并做对照，指出各自的开放问题与交叉创新点。
- 不触发：用户只是问某个具体概念的定义（直接回答）；用户要写代码或做数据分析（走相应能力）。
