多篇论文创新点对比与交叉研究#

概述#

此 skill 对文件夹内多篇科研论文（≤20 篇）进行系统性分析：逐篇总结创新点，与已读论文对比，发现相似处时深度挖掘可结合的创新研究方向，最终生成一份综合对比报告（.docx）。

工作流程#

第零步：环境准备#

1. 确认 python-docx 已安装： pip install python-docx

第一步：扫描文件夹#

1. 询问用户论文所在文件夹路径（如果用户未提供）

2. 使用 Bash 列出文件夹内所有 PDF 和 DOCX 文件： text

   ls "<folder_path>"/*.pdf "<folder_path>"/*.docx 2>/dev/null
   
   

3. 数量检查：如果文件数量 > 20，提示用户该 skill 最多支持 20 篇，请用户选择最重要的 20 篇

4. 将文件列表保存到 <folder_path>/paper_list.json，格式如下： json

   {
     "folder": "<folder_path>",
     "total": 5,
     "files": [
       {"filename": "paper1.pdf", "status": "pending"},
       {"filename": "paper2.docx", "status": "pending"}
     ]
   }
   
   

第二步：逐篇处理与对比（核心流程）#

按以下循环处理每篇论文，直到所有论文处理完毕：

2.1 选取未读论文

从 paper_list.json 中找第一篇 status: "pending" 的文件。

2.2 调用单篇总结 Skill 进行总结

使用 Skill 工具调用 paper-innov-summary，对当前论文进行分层总结，生成该论文的 _summary.docx 文件。

效率提醒：单篇总结时遵循"读关键章节"原则——提取前2-3页（标题+摘要+引言）和最后1-2页（结论），中间方法和实验部分按需提取。禁止逐页全量输出。不做无用功。

2.3 保存摘要数据

读取刚生成的 _summary.docx（或从 Skill A 调用返回的结果中提取），将摘要信息追加保存到 paper_list.json 中该论文的条目下：

json

{
  "filename": "paper1.pdf",
  "status": "summarized",
  "summary": {
    "title": "...",
    "core_contribution": "...",
    "innovations": ["...", "..."],
    "method": "..."
  }
}

2.4 与已读论文对比（仅当已读论文数 ≥ 1 时）

将当前论文的摘要与 paper_list.json 中所有 status: "summarized" 的论文进行对比分析，重点关注以下维度：

1. 研究问题相似度：是否试图解决同一类问题？
2. 方法相似度：是否使用了相同或相关的技术路线？
3. 数据集重叠：是否使用了相同的数据集或评测基准？
4. 互补性：一篇论文的方法是否可以弥补另一篇的不足？
5. 矛盾点：两篇论文的结论是否存在不一致之处？

对比结果以简洁的文字记录，用于后续深度分析判断。

2.5 深度对比分析（发现相似/互补时触发）

当对比发现两篇论文存在有意义的相似性或互补性时，执行以下深度分析：

2.5.1 定向重读（优先读取方法与讨论部分）

深度对比的核心信息集中在论文的 方法/模型 和 讨论/结论 部分。为节省 token 并聚焦关键内容，采用分层读取策略：

第一层（必读）：方法与讨论部分

• 使用 Read 工具重新打开论文，快速定位到以下章节：
  • Method / Approach / Model / 方法 / 模型 章节
  • Discussion / Conclusion / 讨论 / 结论 章节
  • Experiment Setup 中的关键配置信息（数据集、评估指标、对比基线）
• 如果论文章节标题不明确（如某些 PDF 无清晰书签），阅读论文的后半部分（通常方法在中间，讨论在末尾），通过关键词搜索定位

第二层（按需补充）：

• 如果方法部分引用了 Introduction 或 Related Work 中定义的核心概念，回读相关段落
• 如果讨论部分的结论依赖特定的实验结果表格，回读实验部分的对应数据
• 一般无需重新阅读完整的 Introduction 和 Related Work

原则： 以方法细节和讨论结论为锚点，按需回溯，避免全文重读。

2.5.2 方向级分析（宏观层面）

基于重读内容，分析以下维度：

• 两篇论文所属的研究方向/子领域
• 该方向当前的整体发展趋势
• 两篇论文在该方向中的定位（开创性/改进性/应用性）

2.5.3 方法级分析（微观层面）

深入到技术细节：

• 具体哪些技术组件可以结合
• 结合后的潜在优势是什么
• 结合可能面临的挑战
• 给出一个具体的混合方案构想

2.5.4 保存分析结果

将深度分析结果保存到 paper_list.json 中：

json

{
  "cross_analyses": [
    {
      "pair": ["paper1.pdf", "paper2.pdf"],
      "similarity_type": "方法相似",
      "direction_analysis": "...",
      "method_analysis": "...",
      "combined_idea": "..."
    }
  ]
}

2.6 更新状态

将该论文在 paper_list.json 中的状态更新为 summarized，然后回到 2.1 继续处理下一篇。

第三步：生成最终综合报告#

所有论文处理完毕后，使用 python scripts/create_compare_docx.py 生成综合对比报告。

将 paper_list.json 和所有交叉分析数据整理为 JSON 输入，通过 stdin 传给脚本。JSON 结构参见脚本文件头部的注释。

报告结构：

text

# 多篇论文创新点对比分析报告

## 概览
（论文总数、研究主题分布、时间跨度等宏观信息）

## 各论文创新点总结
（每篇论文的分层总结 —— 来自 Skill A 的输出）

## 交叉对比分析
### 相似研究方向
（按相似度分组，列出每组论文的异同）

### 可结合的创新方向
（每个方向包含：
  - 方向级分析：研究趋势、结合的必要性
  - 方法级分析：具体技术结合方案
  - 潜在创新点：可以进一步研究的切入点）

## 总结与建议
（最具潜力的 2-3 个交叉研究方向推荐）

输出文件命名： comparison_report.docx，保存在论文所在文件夹内。

第四步：向用户汇报#

生成报告后，向用户简要汇报：

• 总共处理了多少篇论文
• 发现了多少组相似/互补关系
• 给出了多少个潜在创新研究方向
• 报告文件路径

重要原则#

• 进度不可丢失：每处理完一篇论文立即更新 paper_list.json，确保中断后可以续传
• 对比要有深度：不要停留在表面相似度判断，要深入到方法层面思考结合可能性
• 尊重论文边界：提出的结合方案应标注置信度——哪些是论文直接支持的，哪些是推测的
• 定向重读：深度对比时优先重读方法和讨论章节（方法细节 + 结论分析是交叉创新点的核心来源），按需回溯其他章节，避免全文重读造成 token 浪费
• 使用中文输出：报告和对话均使用中文，技术术语保留英文
• 禁止啰嗦：所有 Bash 命令和 Python 脚本直接执行，不需要用户确认；汇报总结要简洁，不逐页输出论文原文；用户说了"继续"就直接执行下一步

文件清单#

• paper_list.json：进度追踪和中间数据存储（位于论文文件夹内）
• comparison_report.docx：最终综合报告（位于论文文件夹内）
• scripts/create_compare_docx.py：生成综合报告的脚本

依赖#

• Python 3.x
• python-docx 库： pip install python-docx
• 依赖 Skill: paper-innov-summary（用于单篇论文总结）

自我进化机制#

每次执行完本 Skill 后：

1. 评估输出是否达成目标（pass / fail）
2. fail 时反思失败原因，在 diary/YYYY-MM-DD.md 追加「失败案例 + 修复建议」
3. 某条修复建议在最近 3 次执行中被反复提及时，提炼为正式规则，提交 PR 修改本 SKILL.md