literature-review
作者 K-Dense-AIliterature-review 技能支持 Academic Research 的系统化文献综述工作流，包括来源发现、引文核验、主题综合，以及精美的 markdown 或 PDF 输出。可用于文献综述指南类任务、meta-analyses、scoping reviews，以及跨科学与技术领域的 research briefs。
该技能得分为 84/100，属于目录中相当稳妥的候选项：用户应该能获得足够的工作流指引和引文相关能力，从而较有信心地安装使用，但它并非完全自包含。仓库证据显示，这是一个面向系统性文献综述和研究综合的成熟技能，并且结构完整，相比通用提示词能显著减少试错成本。
- 对系统综述、meta-analyses、scoping reviews 以及文献综述章节都有明确适用场景，触发条件清晰。
- 操作内容扎实：`SKILL.md` 很长、标题层级丰富，包含工作流与约束信号，并明确支持引文核验和文档生成。
- 面向学术检索与综合的工具定位具体（并行网页搜索 + 专门数据库访问），相比通用提示词更能发挥 agent 能力。
- 未提供安装命令、支持文件或补充资源，因此采用时可能需要用户自行推断配置方式和可用工具。
- 所见仓库证据没有展示端到端运行示例或快速上手步骤，因此首次使用的把握度可能取决于是否仔细通读完整技能说明。
literature-review 技能概览
literature-review 技能能帮你跑一套严肃、可追溯、基于来源的文献综述流程，而不是只靠一个通用提示词。它最适合 Academic Research 场景，尤其是你需要广泛检索、核验引用、做主题综合，并最终输出 markdown 或 PDF 成品时。
这个 literature-review 技能适合做什么
当你需要跨多个学术来源系统性梳理一个主题，而不只是概括几篇论文时，就该用 literature-review 技能。它适用于系统综述、范围综述、meta-analysis、论文章节和研究简报。
谁最适合用这个 literature-review 技能
它适合研究人员、研究生、分析师和技术写作者，尤其是那些需要一套可复现的文献综述指南、希望减少漏检来源并提升引用规范性的人。如果你的目标是“检索、核验、综合、呈现”，这个技能很对口。
它的突出之处
和普通的 literature-review 提示词不同，这个技能是围绕多数据库检索、引用核查和文档生成设计的。也正因为如此，当你特别看重来源质量、可追溯性和最终格式时，它会更有用。
如何使用 literature-review 技能
安装并检查工作流
使用 npx skills add K-Dense-AI/claude-scientific-skills --skill literature-review 安装，然后先阅读 SKILL.md。这个 repo 里没有额外的支持文件需要拆包，所以核心工作流就写在技能文档本身。
给这个技能一份适合研究的简报
一份高质量的 literature-review 使用请求，应当包含研究问题、范围、时间区间、领域和输出类型。比如：“综述 2020–2025 年间关于 X 在生物医学场景中的证据，优先使用综述级来源，从主题上比较发现，并返回 APA 引用和一段简短的方法说明。”
用能减少歧义的输入
如果你只说“写一篇关于 AI 在医疗中的 literature review”，结果往往会很宽泛，也不均衡。更好的输入会明确人群、干预、对照、结局、排除规则，以及你想要的是 narrative review、systematic review 草稿，还是 source map。
repo 里的实际阅读顺序
先读 SKILL.md，再查看其中链接的参考资料或内嵌工作流说明。由于这个 repository 的文件树很浅，真正的采用问题与其说是“文件在哪”，不如说是“这个工作流是否适合我的综述协议”。
literature-review 技能常见问题
literature-review 技能只适合学术场景吗？
不是。它同样适用于任何需要 Academic Research 式文献综述的任务，包括产品研究、技术尽调和证据摘要。关键在于你需要的是有来源支撑的综合，而不是随手头脑风暴。
它和普通提示词有什么不同？
普通提示词可以概括几篇已知论文，但 literature-review 技能是为检索、核验和结构化综合而设计的。这一点在你需要更完整覆盖、并尽量减少引用错误时尤其重要。
它适合新手吗？
适合，只要你能把问题定义清楚，并接受结构化工作流。新手最常见的风险，是在没有约束条件的情况下把题目提得太大，最后得到的覆盖面往往很浅。
什么时候不该用它？
如果你只是想快速要一个观点、单篇来源总结，或者做非学术头脑风暴，就不该用 literature-review 技能。若你并不需要经过核验的引用，也不需要站得住脚的检索过程，更简单的提示词会更快。
如何改进 literature-review 技能
先收窄问题，再发起请求
提升质量最大的办法，就是先把题目收紧。把“review machine learning in medicine”改成类似“review transformer models for radiology report generation, 2021–2025, with emphasis on evaluation metrics and clinical limitations”这样的表述。
明确什么算证据
当你定义清楚可接受的来源类型时，literature-review 指南会更好用：综述文章、原始研究、临床试验、preprints，还是会议论文。如果你在意时效性、方法质量或数据库覆盖，也要直接说出来。
要求综合结构，而不只是把论文堆出来
当你明确想要的结构时，输出质量会更高：主题、时间线、争议点、证据表、差距分析，或者论文某一章节的结论。这会迫使 literature-review 技能组织发现，而不是只做收集。
结合缺失来源检查反复迭代
第一轮结束后，继续追问哪些内容被排除了、哪些数据库或主题簇偏薄，以及是否需要扩展关键术语。实践中，这也是提升 literature-review 安装决策质量最快的方法：你能直接看出这套工作流对你的主题是否足够全面。