diff options
Diffstat (limited to '.agents/skills/research-ideation/references')
7 files changed, 1394 insertions, 0 deletions
diff --git a/.agents/skills/research-ideation/references/5w1h-framework.md b/.agents/skills/research-ideation/references/5w1h-framework.md new file mode 100644 index 0000000..d584134 --- /dev/null +++ b/.agents/skills/research-ideation/references/5w1h-framework.md @@ -0,0 +1,162 @@ +# 5W1H Framework for Research Ideation + +## 概述 + +5W1H 框架是一个系统化的思维工具，帮助研究者从多个维度构思和评估研究想法。通过回答6个关键问题，可以快速建立对研究主题的全面理解。 + +## 框架组成 + +### What (什么) + +**核心问题**: 研究什么问题或现象？ + +**思考维度**: +- 具体的研究对象是什么 +- 要解决的核心问题是什么 +- 研究的范围和边界在哪里 +- 预期的研究成果是什么 + +**示例**: +- "研究 Transformer 模型的可解释性" +- "探索少样本学习在医疗图像分析中的应用" +- "分析强化学习中的样本效率问题" + + +### Why (为什么) + +**核心问题**: 为什么这个问题重要？ + +**思考维度**: +- 这个问题的学术价值是什么 +- 解决这个问题有什么实际意义 +- 当前研究的局限性是什么 +- 为什么现在是研究这个问题的好时机 + +**评估标准**: +- **学术重要性**: 是否推动领域发展 +- **实际影响**: 是否解决真实问题 +- **时效性**: 是否符合当前研究趋势 +- **可行性**: 是否有足够的资源和技术支持 + +### Who (谁) + +**核心问题**: 目标受众和利益相关者是谁？ + +**思考维度**: +- 谁会关心这个研究 +- 谁会使用研究成果 +- 谁会从中受益 +- 需要与谁合作 + +**利益相关者分类**: +- **学术界**: 同领域研究者、审稿人、引用者 +- **工业界**: 产品团队、工程师、决策者 +- **用户**: 最终使用者、受影响群体 +- **合作者**: 导师、同事、跨学科专家 + +### When (何时) + +**核心问题**: 研究的时间范围和背景是什么？ + +**思考维度**: +- 研究的时间跨度是多久 +- 何时是最佳的研究时机 +- 相关技术和数据何时可用 +- 预期何时产出成果 + +**时间规划**: +- **短期** (3-6个月): 初步探索、文献综述、方法验证 +- **中期** (6-12个月): 完整实验、论文撰写、投稿 +- **长期** (1-2年): 系统研究、多篇论文、理论贡献 + + +### Where (何处) + +**核心问题**: 研究的应用场景和领域是什么？ + +**思考维度**: +- 研究应用在哪些具体场景 +- 在哪些领域或行业有价值 +- 地理或文化背景是否重要 +- 实验在哪里进行 + +**应用场景分类**: +- **学术场景**: 理论验证、方法比较、基准测试 +- **工业场景**: 产品开发、系统优化、问题诊断 +- **社会场景**: 政策制定、公共服务、社会影响 +- **跨领域**: 多学科交叉、技术迁移 + +### How (如何) + +**核心问题**: 初步的研究方法思路是什么？ + +**思考维度**: +- 采用什么研究方法或技术路线 +- 需要什么数据和资源 +- 如何验证研究假设 +- 预期的技术挑战是什么 + +**方法类型**: +- **理论研究**: 数学证明、理论分析、模型推导 +- **实验研究**: 算法设计、实验验证、性能评估 +- **应用研究**: 系统开发、案例研究、用户测试 +- **综合研究**: 文献综述、元分析、系统评价 + + +## 使用示例 + +### 示例 1: Transformer 可解释性研究 + +**What**: 研究 Transformer 模型的注意力机制可解释性 +**Why**: 提高模型透明度，增强用户信任，满足监管要求 +**Who**: NLP 研究者、模型开发者、监管机构 +**When**: 6-12个月，当前 Transformer 广泛应用但缺乏解释 +**Where**: 文本分类、机器翻译、问答系统等 NLP 任务 +**How**: 设计可视化工具，分析注意力权重，进行消融实验 + +### 示例 2: 少样本学习在医疗影像中的应用 + +**What**: 探索少样本学习方法在医疗图像诊断中的有效性 +**Why**: 医疗数据标注成本高，少样本学习可降低数据需求 +**Who**: 医疗 AI 研究者、放射科医生、医院 +**When**: 12-18个月，随着少样本学习技术成熟 +**Where**: X光片、CT扫描、MRI 等医疗影像诊断 +**How**: 元学习、迁移学习、数据增强，在真实医疗数据集上验证 + + +## 最佳实践 + +### 1. 迭代式思考 + +不要期望一次性回答所有问题。先快速过一遍6个问题，然后反复迭代细化。 + +### 2. 优先级排序 + +根据研究阶段调整关注重点： +- **早期**: 重点关注 What, Why, Who +- **中期**: 重点关注 How, When, Where +- **后期**: 全面审视所有维度 + +### 3. 团队协作 + +与导师、同事讨论 5W1H 问题，获得多角度反馈。 + +### 4. 文档记录 + +将 5W1H 分析结果记录下来，作为研究提案的基础。 + +## 与 superpowers:brainstorming 集成 + +可以调用 `superpowers:brainstorming` skill 进行交互式头脑风暴： + +**使用场景**: +- 需要快速生成多个研究想法 +- 需要评估想法的可行性 +- 需要团队协作式讨论 + +**集成方式**: +1. 使用 5W1H 框架初步构思想法 +2. 调用 superpowers:brainstorming 进行深入探索 +3. 将头脑风暴结果整理回 5W1H 框架 +4. 形成结构化的研究提案 + diff --git a/.agents/skills/research-ideation/references/gap-analysis-guide.md b/.agents/skills/research-ideation/references/gap-analysis-guide.md new file mode 100644 index 0000000..794847c --- /dev/null +++ b/.agents/skills/research-ideation/references/gap-analysis-guide.md @@ -0,0 +1,269 @@ +# Gap Analysis Guide for Research + +## 概述 + +Gap Analysis（研究空白分析）是识别现有研究中未被充分探索的领域、方法或应用的系统化过程。通过识别这些空白，研究者可以找到有价值的研究机会和创新方向。 + +## 为什么需要 Gap Analysis + +**学术价值**: +- 确保研究的原创性和新颖性 +- 避免重复已有的研究工作 +- 识别高影响力的研究方向 + +**实践价值**: +- 发现理论到实践的转化机会 +- 识别技术改进的空间 +- 找到跨学科合作的可能性 + + +## Gap Analysis 的类型 + +### 1. 文献空白 (Literature Gap) + +**定义**: 尚未被充分研究或完全未被研究的主题或问题。 + +**识别方法**: +- 系统化文献综述发现研究较少的子领域 +- 分析综述论文中提到的"未来工作" +- 识别被引用较少但重要的研究方向 +- 发现新兴技术或应用场景 + +**示例**: +- "Transformer 在时间序列预测中的应用研究较少" +- "少样本学习在医疗影像中的研究刚刚起步" +- "多模态学习在机器人控制中的应用尚未充分探索" + +### 2. 方法空白 (Methodological Gap) + +**定义**: 现有方法的局限性和改进机会。 + +**识别方法**: +- 分析现有方法的优缺点 +- 识别方法在特定场景下的失效情况 +- 发现计算效率或可扩展性问题 +- 识别理论与实践的差距 + +**示例**: +- "现有注意力机制在长序列上效率低下" +- "当前强化学习方法样本效率不足" +- "现有可解释性方法难以应用于大规模模型" + + +### 3. 应用空白 (Application Gap) + +**定义**: 理论到实践的转化机会，或在新场景中的应用潜力。 + +**识别方法**: +- 识别理论研究缺乏实际应用验证 +- 发现成功方法在新领域的应用机会 +- 识别工业界需求与学术研究的脱节 +- 发现技术迁移的可能性 + +**示例**: +- "自监督学习在工业质检中的应用尚未充分探索" +- "图神经网络在金融风控中的应用研究较少" +- "联邦学习在医疗数据隐私保护中的实际部署案例不足" + +### 4. 跨学科空白 (Interdisciplinary Gap) + +**定义**: 不同领域交叉产生的研究机会。 + +**识别方法**: +- 识别不同领域的相似问题 +- 发现方法在跨领域迁移的可能性 +- 识别需要多学科协作的复杂问题 +- 发现新兴交叉领域 + +**示例**: +- "认知科学与深度学习的交叉研究" +- "量子计算与机器学习的结合" +- "生物学启发的神经网络架构设计" + +### 5. 时间空白 (Temporal Gap) + +**定义**: 随时间变化产生的新研究需求。 + +**识别方法**: +- 识别新技术带来的新问题 +- 发现数据分布随时间变化的影响 +- 识别社会需求变化带来的新挑战 +- 发现技术演进产生的新机会 + +**示例**: +- "大语言模型时代的提示工程研究" +- "后疫情时代的远程协作技术" +- "隐私法规变化对机器学习的影响" + + +## 分析维度 + +### 1. 研究主题的覆盖程度 + +**评估指标**: +- 相关论文数量和质量 +- 研究的深度和广度 +- 主流会议和期刊的关注度 +- 研究团队的活跃程度 + +**判断标准**: +- **充分研究**: >100篇高质量论文，多个活跃团队 +- **适度研究**: 20-100篇论文，有一定关注 +- **研究不足**: <20篇论文，关注度低 +- **未被研究**: 几乎没有相关文献 + +### 2. 现有方法的优缺点对比 + +**评估内容**: +- 方法的理论基础 +- 实验性能表现 +- 计算复杂度 +- 可扩展性和泛化能力 +- 实际应用的可行性 + +**空白识别**: +- 所有方法都存在的共同局限 +- 特定场景下的失效情况 +- 理论与实践的差距 + + +### 3. 实验设置的完整性 + +**评估内容**: +- 实验场景的多样性 +- 基准数据集的覆盖范围 +- 评估指标的全面性 +- 消融实验的充分性 + +**空白识别**: +- 缺少特定场景的实验验证 +- 评估指标不够全面 +- 缺少与强基线的对比 + +### 4. 数据集和基准的可用性 + +**评估内容**: +- 公开数据集的数量和质量 +- 标准基准的建立情况 +- 数据集的多样性和代表性 +- 数据标注的质量 + +**空白识别**: +- 缺少特定领域的数据集 +- 现有数据集存在偏差或局限 +- 缺少标准化的评估基准 + +### 5. 理论与实践的差距 + +**评估内容**: +- 理论假设与实际情况的匹配度 +- 方法在实际应用中的可行性 +- 理论保证与实验结果的一致性 +- 工业界采用情况 + +**空白识别**: +- 理论研究缺乏实际验证 +- 实际问题缺乏理论支持 +- 技术转化存在障碍 + + +## 使用方法 + +### Step 1: 系统化文献综述 + +- 收集相关领域的代表性论文（20-100篇） +- 按主题、方法、应用场景分类 +- 识别研究趋势和热点 + +### Step 2: 构建对比矩阵 + +创建表格对比现有研究： + +| 研究 | 方法 | 数据集 | 性能 | 局限性 | +|------|------|--------|------|--------| +| Paper A | Method X | Dataset 1 | 85% | 计算复杂度高 | +| Paper B | Method Y | Dataset 2 | 82% | 泛化能力弱 | + +### Step 3: 识别空白模式 + +- 所有研究都未涉及的主题 +- 所有方法都存在的共同局限 +- 缺少的实验场景或数据集 +- 理论与实践的脱节 + +### Step 4: 评估空白的价值 + +对每个识别的空白评估： +- **重要性**: 解决这个空白的学术/实践价值 +- **新颖性**: 是否有人正在研究 +- **可行性**: 是否有足够的资源和技术支持 + + +## 示例分析 + +### 示例 1: Transformer 在时间序列预测中的应用 + +**文献综述发现**: +- Transformer 在 NLP 领域应用广泛（>1000篇论文） +- 在计算机视觉中也有大量研究（>500篇论文） +- 在时间序列预测中的研究较少（<50篇论文） + +**识别的空白**: +- **文献空白**: 时间序列领域的 Transformer 研究不足 +- **方法空白**: 现有方法未充分利用时间序列的特性 +- **应用空白**: 缺少在金融、能源等领域的应用验证 + +**研究机会**: 设计专门针对时间序列的 Transformer 变体 + +### 示例 2: 联邦学习的隐私保护 + +**文献综述发现**: +- 联邦学习理论研究充分（>200篇论文） +- 隐私保护机制研究较多（>150篇论文） +- 实际部署案例较少（<20篇论文） + +**识别的空白**: +- **应用空白**: 理论到实践的转化不足 +- **方法空白**: 现有方法在实际场景中效率低 +- **时间空白**: 新隐私法规带来的新挑战 + +**研究机会**: 开发高效的隐私保护联邦学习系统 + + +## 最佳实践 + +### 1. 保持客观性 + +避免为了找空白而找空白。真正的研究空白应该是： +- 有学术或实践价值的 +- 可行的（有资源和技术支持） +- 符合研究兴趣的 + +### 2. 多维度分析 + +不要只关注一种类型的空白，综合考虑： +- 文献空白 + 方法空白 = 创新方法 +- 应用空白 + 跨学科空白 = 新应用场景 +- 时间空白 + 文献空白 = 新兴研究方向 + +### 3. 验证空白的真实性 + +在确定研究方向前，再次验证： +- 是否有最新的相关工作（搜索最近3个月的论文） +- 是否有人正在研究（检查 arXiv 预印本） +- 是否有技术或数据限制 + +### 4. 记录分析过程 + +将 Gap Analysis 的结果记录下来： +- 识别的空白列表 +- 每个空白的评估（重要性、新颖性、可行性） +- 选择的研究方向和理由 + +### 5. 与导师和同行讨论 + +Gap Analysis 的结果应该与导师、同事讨论： +- 验证空白的真实性和价值 +- 获得不同角度的反馈 +- 避免主观偏见 + diff --git a/.agents/skills/research-ideation/references/literature-search-strategies.md b/.agents/skills/research-ideation/references/literature-search-strategies.md new file mode 100644 index 0000000..368dc9c --- /dev/null +++ b/.agents/skills/research-ideation/references/literature-search-strategies.md @@ -0,0 +1,203 @@ +# 文献搜索策略 + +系统化的文献搜索方法，帮助研究者高效地找到相关文献。 + +## 1. 关键词构建 + +### 1.1 核心概念识别 + +从研究兴趣中提取核心概念： + +**示例**：研究兴趣 "Transformer 模型的可解释性" +- 核心概念 1：Transformer +- 核心概念 2：Interpretability / Explainability + +### 1.2 同义词和变体 + +为每个核心概念列出同义词和变体： + +| 核心概念 | 同义词/变体 | +|---------|------------| +| Transformer | Attention mechanism, Self-attention, BERT, GPT | +| Interpretability | Explainability, Transparency, Understanding | + +### 1.3 布尔运算符 + +使用布尔运算符组合关键词： + +``` +(Transformer OR "attention mechanism" OR BERT OR GPT) +AND +(interpretability OR explainability OR transparency) +``` + +### 1.4 领域特定术语 + +添加领域特定的术语： + +- **方法术语**：probing, attention visualization, saliency maps +- **应用领域**：NLP, computer vision, speech recognition +- **评估指标**：faithfulness, plausibility, human evaluation + +## 2. 学术数据库选择 + +### 2.1 主要数据库 + +| 数据库 | 特点 | 适用场景 | +|--------|------|---------| +| **arXiv** | 预印本，更新快 | 获取最新研究进展 | +| **Semantic Scholar** | AI 驱动，引用分析 | 发现相关论文，分析影响力 | +| **Google Scholar** | 覆盖面广 | 全面搜索，找遗漏论文 | +| **ACL Anthology** | NLP 专业 | NLP 领域深度搜索 | +| **IEEE Xplore** | 工程技术 | 计算机视觉、硬件相关 | + +### 2.2 搜索策略 + +**arXiv 搜索**： +``` +cat:cs.LG AND (transformer OR attention) AND (interpretability OR explainability) +``` + +**Semantic Scholar 搜索**： +- 使用自然语言查询 +- 利用"Highly Influential Citations"筛选 +- 查看"Related Papers"发现相关工作 + +**Google Scholar 搜索**： +- 使用引号精确匹配："transformer interpretability" +- 限制时间范围：2020-2024 +- 排除专利：-patent + +## 3. 搜索技巧 + +### 3.1 迭代搜索 + +1. **初始搜索** - 使用核心关键词 +2. **分析结果** - 查看高引用论文的关键词 +3. **优化查询** - 添加新发现的术语 +4. **重复迭代** - 直到找到足够相关的论文 + +### 3.2 引用追踪 + +**前向引用**（Forward Citation）： +- 查看哪些新论文引用了这篇论文 +- 了解研究的后续发展 + +**后向引用**（Backward Citation）： +- 查看这篇论文引用了哪些论文 +- 了解研究的基础和背景 + +### 3.3 作者追踪 + +- 识别领域内的关键研究者 +- 查看他们的其他相关工作 +- 关注他们的最新研究 + +## 4. 论文筛选标准 + +### 4.1 初步筛选（基于标题和摘要） + +**包含标准**： +- 直接相关于研究主题 +- 发表在顶级会议/期刊（NeurIPS, ICML, ICLR, ACL, AAAI） +- 引用次数较高（相对于发表时间） +- 作者来自知名机构或研究组 + +**排除标准**： +- 与研究主题无关 +- 发表在低质量会议/期刊 +- 明显过时的方法（除非是经典论文） + +### 4.2 深度筛选（基于全文） + +**质量评估**： +1. **方法创新性** - 是否提出新方法或新视角 +2. **实验充分性** - 实验设计是否合理，结果是否可信 +3. **写作质量** - 论文是否清晰易懂 +4. **可重现性** - 是否提供代码和数据 + +**相关性评估**： +1. **直接相关** - 核心方法或问题直接相关 +2. **间接相关** - 相关技术或应用场景 +3. **背景知识** - 提供必要的背景和基础 + +### 4.3 文献管理 + +**集成工具**： +- **Zotero**（主要工具，已通过 MCP 集成） + - 通过 `zotero_add_items_by_identifier` 智能导入论文，优先落成 paper/preprint + - 通过 `zotero_create_collection` 自动创建和组织集合 + - 通过 PDF cascade（页面显式 PDF → direct PDF → Unpaywall）尽可能补齐 PDF + - 通过 `zotero_get_item_fulltext` 读取 PDF 全文进行分析 + - 通过 `zotero_search_items` 搜索已有论文避免重复导入 +- Mendeley - 社交功能，PDF 标注（备选） +- Papers - Mac 专用，界面优雅（备选） + +**组织策略**： + +使用 Zotero 集合结构组织文献： + +``` +📁 Research-{topic}-{date} + ├── 📁 Core Papers（核心论文） + ├── 📁 Methods（方法论文） + ├── 📁 Applications（应用论文） + ├── 📁 Baselines（基线论文） + └── 📁 To-Read（待读论文） +``` + +- 核心论文：直接相关、高引用的关键论文 +- 方法论文：技术方法参考，可借鉴的方法论 +- 应用论文：应用场景参考，领域实践 +- 基线论文：实验对比基准，需要复现的工作 +- 待读论文：初步筛选，待深入阅读 + +## 5. DOI 提取与自动导入 + +### 5.1 DOI 提取方法 + +从 WebSearch 搜索结果中提取 DOI 的常见方式： + +**URL 中的 DOI**： +- `https://doi.org/10.xxxx/xxxxx` - 直接 DOI 链接 +- `https://dl.acm.org/doi/10.xxxx/xxxxx` - ACM Digital Library +- `https://ieeexplore.ieee.org/document/xxxxx` - IEEE（需从页面提取） +- `https://arxiv.org/abs/xxxx.xxxxx` - arXiv（DOI 格式：`10.48550/arXiv.xxxx.xxxxx`） + +**常见 DOI 格式**： +- `10.xxxx/xxxxx` - 标准 DOI 前缀 +- 以 `10.` 开头，包含 `/` 分隔符 +- 例：`10.1038/s41586-023-06747-5`（Nature） +- 例：`10.48550/arXiv.2301.00234`（arXiv） + +### 5.2 自动导入流程 + +``` +WebSearch 搜索论文 + ↓ +从搜索结果中提取 DOI / arXiv ID / landing-page URL + ↓ +add_items_by_identifier 批量导入到 Zotero + ↓ +工具内部自动执行 PDF cascade + ↓ +必要时用 `zotero_reconcile_collection_duplicates` 做导入后去重清理 + ↓ +get_item_fulltext 读取全文进行分析 +``` + +**操作示例**： + +1. 使用 WebSearch 搜索 `"transformer interpretability" site:arxiv.org OR site:doi.org` +2. 从结果中收集 DOI 列表 +3. 调用 `zotero_add_items_by_identifier(..., attach_pdf=true)` 批量导入（建议每批不超过 10 篇，避免 API 速率限制） +4. 仅对仍然缺 PDF 的条目，再调用 `zotero_find_and_attach_pdfs` 做补挂 +5. 使用 `zotero_get_item_fulltext` 阅读关键论文全文 + +### 5.3 无 DOI 论文处理 + +部分论文可能没有标准 DOI： +- **arXiv 预印本**：使用 `10.48550/arXiv.{id}` 格式 +- **会议论文集**：尝试从出版商页面获取 DOI +- **无法获取 DOI**：优先识别 arXiv ID、页面中的 `citation_doi` / `citation_pdf_url`；只有都失败时才保存为 `webpage`。如果关键论文仍缺 PDF，请在 Zotero Desktop 中手动附加。 + diff --git a/.agents/skills/research-ideation/references/method-selection-guide.md b/.agents/skills/research-ideation/references/method-selection-guide.md new file mode 100644 index 0000000..f62d6b5 --- /dev/null +++ b/.agents/skills/research-ideation/references/method-selection-guide.md @@ -0,0 +1,217 @@ +# 方法选择指南 + +帮助研究者选择适合的研究方法和技术路线。 + +## 1. 常见研究方法分类 + +### 1.1 理论分析方法 + +**特点**：通过数学推导和理论分析来理解问题 + +**适用场景**： +- 需要理论保证的问题 +- 算法复杂度分析 +- 收敛性证明 +- 泛化界分析 + +**示例**： +- PAC 学习理论 +- 优化算法收敛性分析 +- 神经网络表达能力分析 + +**所需技能**： +- 数学基础（概率论、优化理论） +- 理论计算机科学 +- 证明技巧 + +### 1.2 实证研究方法 + +**特点**：通过实验验证假设和评估方法 + +**适用场景**： +- 新方法性能评估 +- 假设验证 +- 方法对比 +- 参数敏感性分析 + +**示例**： +- 在多个数据集上评估新模型 +- 消融实验分析组件贡献 +- 超参数搜索和优化 + +**所需资源**： +- 计算资源（GPU/TPU） +- 标准数据集 +- 评估指标和工具 + +### 1.3 系统构建方法 + +**特点**：构建完整的系统或工具 + +**适用场景**： +- 端到端应用系统 +- 工具和框架开发 +- 集成多个技术 +- 实际部署需求 + +**示例**： +- 对话系统 +- 推荐系统 +- 代码生成工具 +- 数据处理框架 + +**所需资源**： +- 工程能力 +- 系统设计经验 +- 用户反馈渠道 +- 维护和迭代能力 + +### 1.4 数据分析方法 + +**特点**：通过数据分析发现规律和洞察 + +**适用场景**： +- 探索性研究 +- 现象分析 +- 模型行为理解 +- 错误分析 + +**示例**： +- 注意力模式可视化 +- 模型预测错误分析 +- 数据集偏差分析 +- 训练动态分析 + +**所需技能**： +- 数据可视化 +- 统计分析 +- 模型解释技术 + +## 2. 方法选择决策框架 + +### 2.1 问题类型匹配 + +| 问题类型 | 推荐方法 | 原因 | +|---------|---------|------| +| 理论问题 | 理论分析 | 需要严格证明 | +| 性能提升 | 实证研究 | 需要实验验证 | +| 实际应用 | 系统构建 | 需要端到端解决方案 | +| 现象理解 | 数据分析 | 需要探索和发现 | + +### 2.2 资源约束考虑 + +**计算资源有限**： +- 优先选择轻量级方法 +- 使用预训练模型 +- 考虑模型压缩技术 +- 使用小规模数据集验证 + +**时间紧迫**： +- 选择成熟的方法 +- 使用现有工具和框架 +- 避免从零开始 +- 优先快速原型 + +**数据有限**： +- 使用迁移学习 +- 数据增强技术 +- Few-shot 学习方法 +- 合成数据生成 + +## 3. 方法优缺点对比 + +### 3.1 理论分析方法 + +**优点**： +- 提供理论保证 +- 深入理解问题本质 +- 结果具有普适性 +- 不依赖大量实验 + +**缺点**： +- 需要强数学背景 +- 可能与实际有差距 +- 证明过程耗时 +- 难以处理复杂系统 + +### 3.2 实证研究方法 + +**优点**： +- 直接验证性能 +- 结果直观可信 +- 易于复现 +- 适用范围广 + +**缺点**： +- 需要大量计算资源 +- 结果可能过拟合数据集 +- 缺乏理论解释 +- 超参数调优困难 + +### 3.3 系统构建方法 + +**优点**： +- 解决实际问题 +- 产生实用价值 +- 综合多种技术 +- 易于产业化 + +**缺点**： +- 工程量大 +- 维护成本高 +- 学术贡献可能有限 +- 难以发表顶会 + +### 3.4 数据分析方法 + +**优点**： +- 发现新现象 +- 提供洞察 +- 成本相对较低 +- 可视化效果好 + +**缺点**： +- 可能缺乏深度 +- 难以量化贡献 +- 结果可能主观 +- 需要领域知识 + +## 4. 资源需求评估 + +### 4.1 计算资源 + +| 方法类型 | GPU 需求 | 训练时间 | 存储需求 | +|---------|---------|---------|---------| +| 理论分析 | 无 | 无 | 低 | +| 小规模实验 | 1-2 GPU | 数小时-数天 | 中 | +| 大规模实验 | 4-8 GPU | 数天-数周 | 高 | +| 系统构建 | 可变 | 持续 | 高 | + +### 4.2 人力资源 + +**单人项目**： +- 理论分析（如有背景） +- 小规模实证研究 +- 数据分析 + +**团队项目**： +- 大规模实证研究 +- 系统构建 +- 跨领域研究 + +### 4.3 时间资源 + +**3个月内**： +- 小规模实验 +- 数据分析 +- 理论分析（简单问题） + +**6个月内**： +- 中等规模实验 +- 系统原型 +- 理论分析（复杂问题） + +**1年内**： +- 大规模实验 +- 完整系统 +- 深入理论研究 diff --git a/.agents/skills/research-ideation/references/research-planning.md b/.agents/skills/research-ideation/references/research-planning.md new file mode 100644 index 0000000..7813863 --- /dev/null +++ b/.agents/skills/research-ideation/references/research-planning.md @@ -0,0 +1,174 @@ +# 研究计划制定 + +系统化的研究计划制定方法，确保研究项目顺利推进。 + +## 1. 时间线规划 + +### 1.1 研究阶段划分 + +**典型研究周期**（以6个月为例）： + +| 阶段 | 时间 | 主要任务 | 交付物 | +|------|------|---------|--------| +| **Phase 1: 准备** | 第1个月 | 文献调研、问题定义 | 文献综述、研究提案 | +| **Phase 2: 探索** | 第2-3个月 | 初步实验、方法验证 | 概念验证、初步结果 | +| **Phase 3: 开发** | 第4-5个月 | 方法优化、全面实验 | 完整实验结果 | +| **Phase 4: 完成** | 第6个月 | 论文撰写、代码整理 | 论文草稿、开源代码 | + +### 1.2 时间分配原则 + +**80/20 原则**： +- 80% 时间用于核心工作（实验、分析、写作） +- 20% 时间用于辅助工作（文献、工具、沟通） + +**缓冲时间**： +- 每个阶段预留 20% 缓冲时间 +- 应对意外情况和延期 + +**并行任务**： +- 文献调研贯穿整个过程 +- 论文写作可以提前开始（Introduction, Related Work） +- 代码整理与实验同步进行 + +## 2. 里程碑定义 + +### 2.1 关键里程碑 + +**Milestone 1: 研究提案完成** +- 时间：第1个月末 +- 标准： + - 文献综述完成（20-30篇核心论文） + - 研究问题明确定义 + - 方法路线初步确定 + - 实验计划制定 + +**Milestone 2: 概念验证** +- 时间：第3个月末 +- 标准： + - 初步实验完成 + - 方法可行性验证 + - 至少一个正面结果 + - 识别主要挑战 + +**Milestone 3: 完整实验** +- 时间：第5个月末 +- 标准： + - 所有实验完成 + - 结果达到预期 + - 消融实验完成 + - 可视化和分析完成 + +**Milestone 4: 论文提交** +- 时间：第6个月末 +- 标准： + - 论文草稿完成 + - 代码开源准备 + - 内部审阅通过 + - 准备投稿 + +### 2.2 检查点设置 + +**每周检查**： +- 进度回顾 +- 问题识别 +- 计划调整 + +**每月评审**： +- 里程碑评估 +- 风险评估 +- 资源调整 + +## 3. 风险识别与应对 + +### 3.1 常见风险 + +**技术风险**： +- 方法不work +- 实验结果不理想 +- 计算资源不足 +- 技术难度超预期 + +**应对策略**： +- 准备备选方案 +- 早期概念验证 +- 申请额外资源 +- 寻求技术支持 + +**时间风险**： +- 进度延期 +- 依赖项延迟 +- 意外事件 + +**应对策略**： +- 预留缓冲时间 +- 并行任务 +- 优先级管理 +- 及时调整计划 + +**资源风险**： +- GPU 不可用 +- 数据集问题 +- 人员变动 + +**应对策略**： +- 多个资源渠道 +- 数据集备选 +- 知识文档化 + +### 3.2 风险监控 + +**红色预警**（立即处理）： +- 核心方法失败 +- 关键资源缺失 +- 严重进度延期 + +**黄色预警**（密切关注）： +- 部分实验不理想 +- 资源紧张 +- 轻微延期 + +**绿色状态**（正常推进）： +- 按计划进行 +- 资源充足 +- 结果符合预期 + +## 4. 资源分配 + +### 4.1 计算资源 + +**GPU 分配**： +- 探索阶段：1-2 GPU +- 开发阶段：2-4 GPU +- 完成阶段：4-8 GPU（大规模实验） + +**存储分配**： +- 数据集：100-500 GB +- 模型检查点：50-200 GB +- 实验日志：10-50 GB + +### 4.2 人力分配 + +**单人项目**： +- 文献调研：20% +- 实验开发：50% +- 论文写作：20% +- 其他：10% + +**团队项目**： +- 研究负责人：规划、指导、写作 +- 研究助理：实验、分析、编码 +- 合作者：特定模块、审阅 + +### 4.3 时间分配 + +**每周时间**（40小时）： +- 核心研究：25-30小时 +- 文献阅读：5-8小时 +- 会议讨论：3-5小时 +- 其他事务：2-5小时 + +**每日时间**： +- 深度工作：4-6小时（上午） +- 实验监控：2-3小时 +- 文献和写作：1-2小时 +- 沟通协作：1小时 diff --git a/.agents/skills/research-ideation/references/research-question-formulation.md b/.agents/skills/research-ideation/references/research-question-formulation.md new file mode 100644 index 0000000..32616fc --- /dev/null +++ b/.agents/skills/research-ideation/references/research-question-formulation.md @@ -0,0 +1,180 @@ +# 研究问题制定 + +将研究兴趣转化为具体、可执行的研究问题的系统化方法。 + +## 1. SMART 原则 + +好的研究问题应该满足 SMART 原则： + +### 1.1 Specific (具体的) + +**不好的问题**： +- "如何提高模型性能？"（太宽泛） + +**好的问题**： +- "如何通过改进注意力机制来提高 Transformer 在长文本理解任务上的性能？" + +**关键要素**： +- 明确的研究对象（Transformer） +- 具体的改进方向（注意力机制） +- 明确的任务场景（长文本理解） +- 清晰的目标（提高性能） + +### 1.2 Measurable (可衡量的) + +研究问题应该有明确的评估标准： + +**示例**： +- "提高性能" → "在 SQuAD 数据集上提高 F1 分数" +- "改善可解释性" → "提高人类评估的 faithfulness 分数" + +**评估维度**： +- 定量指标：准确率、F1、BLEU、困惑度 +- 定性指标：人类评估、案例分析 +- 效率指标：训练时间、推理速度、内存占用 + +### 1.3 Achievable (可实现的) + +考虑资源和能力限制： + +**资源评估**： +- 计算资源：GPU 数量和类型 +- 数据资源：数据集的可获得性和质量 +- 时间资源：研究周期（3个月、6个月、1年） +- 人力资源：团队规模和专业技能 + +**可行性检查**： +- 是否有类似工作作为基础？ +- 所需技术是否已经成熟？ +- 数据集是否公开可用？ +- 计算成本是否在预算内？ + +### 1.4 Relevant (相关的) + +研究问题应该对学术界或工业界有价值： + +**学术价值**： +- 填补研究空白 +- 挑战现有假设 +- 提供新的理论视角 +- 推动方法论进步 + +**实际价值**： +- 解决实际应用问题 +- 提高系统性能 +- 降低成本或资源消耗 +- 改善用户体验 + +### 1.5 Time-bound (有时限的) + +设定合理的研究时间框架： + +**短期目标**（1-3个月）： +- 文献调研和问题定义 +- 初步实验和概念验证 + +**中期目标**（3-6个月）： +- 方法开发和优化 +- 全面实验和分析 + +**长期目标**（6-12个月）： +- 论文撰写和投稿 +- 代码开源和社区推广 + +## 2. 研究问题类型 + +### 2.1 探索性问题 (Exploratory) + +**特点**：探索未知领域，发现新现象 + +**示例**： +- "Transformer 的注意力机制在处理长文本时表现出什么模式？" +- "大语言模型在推理任务中使用了哪些内部表示？" + +**适用场景**： +- 新兴研究领域 +- 缺乏理论基础的现象 +- 需要深入理解的复杂系统 + +### 2.2 验证性问题 (Confirmatory) + +**特点**：验证假设或理论 + +**示例**： +- "增加模型深度是否能提高长文本理解性能？" +- "预训练是否对低资源语言任务有帮助？" + +**适用场景**： +- 有明确假设需要验证 +- 挑战现有理论或观点 +- 复现和扩展已有工作 + +### 2.3 应用性问题 (Applied) + +**特点**：解决实际应用问题 + +**示例**： +- "如何在保持性能的同时将模型大小减少50%？" +- "如何使对话系统更好地理解用户意图？" + +**适用场景**： +- 有明确的应用需求 +- 需要在约束条件下优化 +- 工业界合作项目 + +## 3. 研究问题评估标准 + +### 3.1 重要性 (Significance) + +**评估维度**： +- **学术影响**：是否推动领域发展？ +- **实际价值**：是否解决重要问题？ +- **受众规模**：有多少人关心这个问题？ + +**评分标准**（1-5分）： +- 5分：突破性问题，影响整个领域 +- 4分：重要问题，多个研究组关注 +- 3分：有价值问题，部分研究者关注 +- 2分：边缘问题，少数人关注 +- 1分：琐碎问题，几乎无人关注 + +### 3.2 新颖性 (Novelty) + +**评估维度**： +- **问题新颖性**：是否是新问题？ +- **方法新颖性**：是否用新方法？ +- **视角新颖性**：是否有新视角？ + +**评分标准**（1-5分）： +- 5分：全新问题或突破性方法 +- 4分：新问题或显著改进的方法 +- 3分：新视角或方法组合 +- 2分：增量改进 +- 1分：重复已有工作 + +### 3.3 可行性 (Feasibility) + +**评估维度**： +- **技术可行性**：现有技术能否实现？ +- **资源可行性**：资源是否充足？ +- **时间可行性**：时间是否合理？ + +**评分标准**（1-5分）： +- 5分：完全可行，资源充足 +- 4分：基本可行，资源足够 +- 3分：有挑战，需要努力 +- 2分：困难较大，需要突破 +- 1分：几乎不可行 + +### 3.4 综合评估 + +**决策矩阵**： + +| 重要性 | 新颖性 | 可行性 | 建议 | +|--------|--------|--------|------| +| 高 | 高 | 高 | 优先执行 | +| 高 | 高 | 中 | 值得尝试 | +| 高 | 中 | 高 | 稳妥选择 | +| 中 | 高 | 高 | 可以考虑 | +| 低 | * | * | 重新考虑 | + diff --git a/.agents/skills/research-ideation/references/zotero-integration-guide.md b/.agents/skills/research-ideation/references/zotero-integration-guide.md new file mode 100644 index 0000000..63002a4 --- /dev/null +++ b/.agents/skills/research-ideation/references/zotero-integration-guide.md @@ -0,0 +1,189 @@ +# Zotero MCP 集成指南 + +通过 Zotero MCP 服务器实现文献管理的自动化集成。 + +## 1. 可用工具 + +### 1.1 浏览工具 + +| 工具 | 功能 | 使用场景 | +|------|------|---------| +| `zotero_get_collections` | 列出所有集合 | 查看已有研究项目 | +| `zotero_get_collection_items` | 获取集合中的条目 | 浏览特定集合的论文 | +| `zotero_search_items` | 搜索库中的条目 | 按关键词查找已有论文 | +| `zotero_get_item_metadata` | 批量获取条目元数据 | 获取论文详细信息 | +| `zotero_get_item_fulltext` | 获取 PDF 全文 | 阅读论文内容 | + +### 1.2 添加工具 + +| 工具 | 功能 | 使用场景 | +|------|------|---------| +| `zotero_add_items_by_identifier` | 智能导入论文 | 先解析 DOI / arXiv / PDF，再尽量落成 paper 或 preprint | +| `zotero_add_items_by_doi` | 通过 DOI 添加论文 | 自动获取元数据，并默认尝试 PDF cascade | +| `zotero_add_items_by_arxiv` | 通过 arXiv ID 添加预印本 | 适合 arXiv-only 论文，并默认尝试 arXiv PDF | +| `zotero_add_item_by_url` | 保存网页为条目 | 仅在确实需要保留网页资源时使用 | +| `zotero_create_collection` | 创建集合 | 组织研究项目 | +| `zotero_find_and_attach_pdfs` | 批量补挂 PDF | 对已有条目再跑一遍 PDF cascade | +| `zotero_add_linked_url_attachment` | 附加 URL 链接 | 关联在线资源 | + +### 1.3 引用工具 + +| 工具 | 功能 | 使用场景 | +|------|------|---------| +| `inject_citations` | 注入引用到 Word | 生成引用格式 | + +## 2. 集合组织策略 + +### 2.1 命名规范 + +``` +Research-{主题关键词}-{YYYY} +``` + +示例： +- `Research-TransformerInterpretability-2026` +- `Research-BrainDecoding-2026` +- `Research-RLHF-2026` + +### 2.2 标准子集合结构 + +``` +📁 Research-{topic}-{date} + ├── 📁 Core Papers（核心论文） + ├── 📁 Methods（方法论文） + ├── 📁 Applications（应用论文） + ├── 📁 Baselines（基线论文） + └── 📁 To-Read（待读论文） +``` + +各子集合用途： + +| 子集合 | 收录标准 | 典型数量 | +|--------|---------|---------| +| Core Papers | 直接相关、高引用的关键论文 | 5-15 篇 | +| Methods | 技术方法参考，可借鉴的方法论 | 10-20 篇 | +| Applications | 应用场景参考，领域实践 | 5-10 篇 | +| Baselines | 实验对比基准，需要复现的工作 | 3-8 篇 | +| To-Read | 初步筛选，待深入阅读 | 不限 | + +## 3. 自动化工作流 + +### 3.1 论文发现与导入 + +``` +WebSearch 搜索论文 + ↓ +从搜索结果中提取 DOI / arXiv ID / landing-page URL + ↓ +add_items_by_identifier 智能导入到 Zotero + ↓ +工具内部先尝试页面显式 PDF，再回退到 Unpaywall + ↓ +如果 Zotero Web API 无法直接挂上 PDF，而本地 Zotero Desktop 正在运行，则自动走本地修复路径 + ↓ +必要时运行 `zotero_reconcile_collection_duplicates` 做标准导入后去重 + ↓ +get_item_fulltext 读取全文进行分析 +``` + +默认终端输出只需要告诉用户： +- Imported as paper + PDF attached +- Imported as paper +- Saved as webpage + PDF attached +- Saved as webpage +- Collection dedupe summary: duplicate groups N, duplicates trashed M +- Missing PDF postpass: repaired N items + +只有在调试时，才展开 `route`、`pdf_source` 等实现细节。import ledger 属于内部状态，不应假设存在公开 MCP tool 用于读取它。 + +### 3.2 DOI 提取技巧 + +**从搜索结果 URL 中识别 DOI**： +- `https://doi.org/10.xxxx/xxxxx` — 直接 DOI 链接 +- `https://dl.acm.org/doi/10.xxxx/xxxxx` — ACM Digital Library +- `https://arxiv.org/abs/xxxx.xxxxx` — arXiv（DOI：`10.48550/arXiv.xxxx.xxxxx`） + +**常见 DOI 格式**： +- 以 `10.` 开头，包含 `/` 分隔符 +- 例：`10.1038/s41586-023-06747-5`（Nature） +- 例：`10.48550/arXiv.2301.00234`（arXiv） +- 例：`10.1145/3580305.3599256`（ACM/KDD） + +**CrossRef 查询**： +- 当 URL 中没有明显 DOI 时，可通过论文标题在 CrossRef 搜索获取 DOI + +### 3.3 全文阅读与笔记 + +``` +get_item_fulltext 获取全文 + ↓ +分析论文内容 + ↓ +提取关键信息 + ↓ +生成结构化笔记 +``` + +### 3.4 笔记模板 + +每篇论文的结构化笔记应包含： + +```markdown +## [论文标题] + +**基本信息**： +- 作者： +- 会议/期刊： +- 年份： +- DOI： + +**研究问题**： +- 解决什么问题？ +- 为什么重要？ + +**核心方法**： +- 主要技术路线 +- 关键创新点 + +**关键发现**： +- 主要实验结果 +- 重要结论 + +**局限性**： +- 方法局限 +- 实验局限 + +**与本研究的关联**： +- 可借鉴之处 +- 差异和改进空间 +``` + +## 4. 常见问题 + +### 4.1 API 速率限制 + +Zotero API 有速率限制，批量添加时建议： +- 每批不超过 10 篇论文 +- 批次之间适当间隔 +- 如遇到 429 错误，等待后重试 + +### 4.2 PDF 全文索引延迟 + +新上传的 PDF 需要时间索引： +- `zotero_get_item_fulltext` 返回空时，稍后重试 +- Zotero 客户端需要运行才能完成索引 +- 大型 PDF 索引时间较长 + +### 4.3 DOI 无法识别 + +部分论文可能没有标准 DOI： +- arXiv 预印本：使用 `10.48550/arXiv.{id}` 格式 +- Workshop 论文：尝试从出版商页面获取 +- 无法获取 DOI：优先尝试识别 arXiv ID 或页面中的 `citation_doi` / `citation_pdf_url`；只有仍无法确认 identifier 时，才回退为 `webpage` + +### 4.4 OA PDF 不可用 + +非开放获取论文无法通过 Unpaywall 获取 PDF： +- 检查作者主页是否有预印本版本 +- 检查 arXiv 是否有对应版本 +- 若仍拿不到 PDF，可在 Zotero Desktop 中手动附加 PDF，之后再运行全文或注释相关工作流 |