agentsclimarketplace
Sign in

Research topic extractor

Skill dongzhigang13305312738-art/paper-skills/research-topic-extractor

当用户明确要求"从文件/图片/网页/描述中提取综述主题"、"生成主题+关键词+核心问题结构化输出"，或要求使用旧名 get-review-theme skill 时使用。支持文件（PDF/Word/Markdown/Tex）、文件夹、图片、自然语言描述、网页 URL 等多种输入源，自动识别输入类型并提取内容，生成可直接用于 research-literature-review 及其他文献综述技能的结构化输出。From its SKILL.md

Install
npx -y skills add dongzhigang13305312738-art/paper-skills --skill research-topic-extractor

Assembled from the repository path, not quoted from the project. Check it against their README if it does not work.

3 things to look at

  • 22 days oldThe repository was created 22 days ago. New is not bad, but a brand new repository carrying a familiar-sounding name is the shape a typosquat arrives in, and there has been no time for anyone else to find a problem with it.
  • no licenseNo license file was found in the repository. Code published without one is not open source by default, so using it at work is a question for whoever answers licensing questions where you are.
  • 0 stars0 stars. Stars are a popularity signal and not a quality one, but at this level it is likely that nobody has read this closely except its author, and you would be relying on your own review.

SKILL.md

3.9 KB, ~1.1k tokens by cl100k_base, as published. Nobody here has run it

Research Topic Extractor

BenszAPI 任务工作区

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。

与 bensz-collect-bugs 的协作约定

  • 当用户环境中出现因本 skill 设计缺陷导致的 bug 时，优先使用 bensz-collect-bugs 按规范记录到 ~/.bensz-skills/bugs/，严禁直接修改用户本地 Claude Code / Codex 中已安装的 skill 源码。
  • 若 AI 仍可通过 workaround 继续完成用户任务，应先记录 bug，再继续完成当前任务。
  • 当用户明确要求“report bensz skills bugs”等公开上报动作时，调用本地 gh 与 bensz-collect-bugs，仅上传新增 bug 到 huangwb8/bensz-bugs；不要 pull / clone 整个 bug 仓库。

定位

  • 从文件、图片、网页、文件夹或自然语言描述中提取结构化综述主题。
  • 输出直接服务 research-literature-review 或其他文献综述工作流。
  • 兼容旧名 get-review-theme 的 prompt 触发；系统级旧目录由安装器清理。
  • 最高原则：主题要可操作、关键词要能检索、核心问题要具体。

输入

必需：

  • {输入源}：文件路径、URL、文件夹路径、图片路径，或直接文本描述

可选：

  • {输出格式}：text / yaml / json，默认 text

输出

始终包含三项：

  • 主题
  • 关键词
  • 核心问题

格式由用户选择：

  • text
  • yaml
  • json

工作流

1. 识别输入类型

  • 自然语言描述
  • 图片
  • URL
  • 文本文件
  • PDF
  • Word
  • 文件夹

2. 提取内容

  • 自然语言：直接使用
  • 图片：依赖 LLM 原生视觉能力
  • URL：优先网页读取工具，失败则请用户提供正文
  • 文本 / PDF / Word：直接读取
  • 文件夹：递归扫描并合并 .md/.txt/.pdf 等核心材料

原则：

  • 优先用宿主原生能力和现有标准工具
  • 工具不可用时优雅降级，不额外引入脚本依赖

3. 语义提取

围绕以下任务输出：

  • 用一句话概括主题
  • 提取 5-10 个英文标准术语
  • 提取 2-5 个具体研究问题或挑战

4. 格式化

  • text：适合直接复制给下游 skill
  • yaml / json：适合结构化衔接

质量要求

  • 主题要包含研究对象与核心问题或方法
  • 关键词优先用标准检索术语
  • 核心问题必须具体，避免“意义重大/挑战很多”这种空话

错误处理

  • 文件不存在：提示用户改路径或直接粘贴内容
  • 格式不支持：提示转换
  • 内容提取失败：让用户手动提供文本
  • URL 解析失败：让用户复制网页正文或提供 PDF
  • 图片语义不清：请用户补一句描述

与下游技能的关系

  • topic 可直接喂给 research-literature-review
  • keywords 可补充检索策略
  • core_questions 可作为综述边界和纳排参考

What ships with it: 4 files

10.1 KB alongside SKILL.md

references/

Keep looking

Skills are one crate of 326,696. Ordering is by how many stacks a row turns up in, so the top of any crate is what has actually been picked rather than what has the most stars.