# Advisor Fit Analyzer

> 当用户想评估某教授/实验室是否值得申请、对比候选导师、撰写套磁邮件或准备面谈时使用；基于公开学术证据（Scholar、个人/实验室主页、领域文献库）做适配重写式分析，产出领域画像、教授快照、研究谱系、逐篇证据、导师评估、未来方向、适配度、预警信号与套磁/面谈剧本；不适用于无任何公开链接或文献来源、纯凭名字臆测，也不替代与在读学生的实际打听核实。触发词：导师适配、教授分析、professor fit、advisor fit、套磁邮件、cold email、选导师、读博申请、找毕设导师、实验室评估、google scholar 分析。

- Skill: `findscripter/advisor-fit-analyzer` (Agent Skill)
- Install (CLI): `npx skillmds@latest add findscripter/advisor-fit-analyzer`
- Raw SKILL.md: https://api.skillmd.com/api/skills/findscripter/advisor-fit-analyzer/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Productivity
- License: MIT
- Author: findscripter (https://skillmd.com/u/findscripter)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/findscripter/advisor-fit-analyzer

---

## 何时使用

当用户给出一位教授的姓名 + 至少一个公开来源（Google Scholar / 个人主页 / 实验室主页），并希望：判断是否值得申请、对比多位导师、推断未来招生方向、撰写套磁邮件、找毕设/硕论/读博导师、或基于公开证据建立结构化档案时使用。本技能跨学科、跨平台、跨申请层级（博士/硕士/本科/RA/博后/访学/合作者），优先使用公开学术来源。

不该用的边界：
- 仅有教授姓名、无任何 URL 或文献来源时——先索要至少一个链接或论文列表，**不要凭名字臆测**。
- 不替代与在读学生/校友的实际打听；证据模糊时本技能给出"需进一步核实"，而非定论。
- 不把引用数 / h-index / 论文数量等同于质量，不把高产等同于好导师或过劳。
- 不用 CS/ML 范式硬套人文、社科、临床、纯数学等领域（单作者、低产、专著、理论贡献在其领域内均属正常且高声望）。

## 步骤

0. **判定领域、建立领域画像（Field Profile）**：从院系、发表场所、关键词确定主领域，并明确六个维度——发表文化（会议驱动/期刊驱动/专著驱动/混合）、署名规范（一作+末位通讯/字母序/单作者常见/大团队）、典型课题组结构、产量基准、资源类型、指导文化。后续每一步都按此画像解读。
1. **教授快照**：机构、院系、实验室、研究方向、公开学生/校友名单、近期职衔、逐年发文量、高频场所、高频合作者、可见的经费/数据集/系统线索；末尾写一段"学术身份"概括。
2. **研究时间线**：按年组织，标注产量（对照领域基准）、场所组合、署名模式、复现的学生与合作者、主题兴衰、投稿周期附近的爆发；识别早期/巩固/扩张/近期转向四阶段。
3. **研究谱系**：聚类成体系而非平铺，必含六桶——核心研究线、次要线、应用分支、共享方法论主干、近期转向、可能扩张方向；每桶标出奠基/延续/转折/旁支/可能跟风之作。
4. **逐篇读取并抽取结构化证据**：每篇给出元数据（按领域署名规范解读一作/通讯、判定 student-led/professor-led/unclear）、问题、方法/论证、新颖性（用通用类目：问题重构/概念洞见/方法创新/数据资源/系统基建/理论分析/经验发现/诠释批判/临床转化/综述）、资源（标注"直接陈述"或"推断"）、署名分析、影响信号、写作质量、置信度（高/中/低）。
5. **教授层面综合判断**：沿六维评估——研究强度、指导强度、合作网络、资源画像（按领域）、工作量与文化风险（对照领域基准）、教学与沟通信号；每维给出判断 + 支撑证据 + **至少 2 个备选解释** + 置信度。
6. **未来方向与招生空缺推断**：综合 future-work 陈述、近 2-3 年转向、新合作者、新数据集/方法/系统、反复出现的瓶颈、新经费，回答最可能扩张处、最缺人处、哪些方向持久、哪些可能是跟风。
7. **申请人适配分析**：先按层级+领域校准，再把申请人映射到通用研究角色（经验研究者/理论构建者/诠释学者/临床转化研究者/质性研究者/方法论者/资源创造者/跨域桥梁/应用专才/学徒型）；判断为何契合、为何有风险、加入难度、应突出什么、需补什么；并做"导师-学生类型匹配"（自由探索 vs 需明确方向、快产出 vs 深耕等）。
7B. **预警信号（始终出现，即使为空也要明确写"未发现"）**：研究方向漂移、学生发展隐忧、层级专属风险、领域专属风险、合作依赖、课题组动态；每条标证据等级（A/B/C/D）与严重度（blocking / serious / minor）及是否有良性解释。
8. **套磁邮件**：围绕 1-2 条具体研究线 + 1 个可贡献点 + 1 个用功证据 + 1 个互惠理由；按层级出版本（博士/硕论/本科/合作/破冰）。
9. **对话与面谈剧本**：按层级给出教授可能提问、各题考察点、强答结构、失败模式、反问清单、如何抛小想法。
10. **以可执行的后续动作收尾**。

## 指令

证据阶梯（每个非平凡判断都套用）：
- **A 直接证据**：来源直接陈述（论文写明数据规模、实验室页面列明学生身份、经费库显示金额）。
- **B 强间接证据**：重复信号强支撑（同一人多年挂一作且列于实验室页、同一外部合作者贯穿一条研究线、多篇致谢同一经费）。
- **C 合理推断**：可信但未确证（从项目规模推资源强度、从学生署名成长推指导模式）。
- **D 推测**：弱支撑，须显式标注（从单次爆发推文化、仅凭文风推性格）。

强制语言提示词："directly supported by" / "suggested by repeated evidence" / "reasonable inference" / "cannot be concluded from public evidence alone"。

反证协议（每个重大判断给五项）：claim、supporting evidence、**alternative explanations（≥2-3 个）**、weighted judgment（最可能解释 + 粗略置信权重）、what would reduce uncertainty。**模糊阈值规则**：当支撑与反证势均力敌时，不得默认正面解读，须显式声明模糊并建议进一步打听（找在读学生、读实验室新闻、查领域社区）。

来源采集优先序：Scholar → 个人/实验室主页 → 领域文献库（CS/ML: DBLP、ACL Anthology；生医: PubMed、Europe PMC、ClinicalTrials.gov；社科经济: SSRN、RePEc、EconLit；人文哲学: PhilPapers、JSTOR；数学: MathSciNet、zbMATH；物理: INSPIRE-HEP、ADS；通用: Scopus、Web of Science）→ 预印本（arXiv/bioRxiv/medRxiv/SSRN）→ Semantic Scholar → 学生/校友页与 CV → 经费库（NSF、NIH Reporter、MOST、ERC）→ 学位论文库。来源冲突时取最权威者并标明冲突。

覆盖率政策：默认覆盖现实可及的全部论文；语料过大时用透明三层（Tier1 核心 / Tier2 支撑 / Tier3 边缘），并始终报告：识别总数、深读数、略读/元数据推断数、哪些结论依赖部分覆盖。**绝不静默抽样**。

语言策略：默认输出中文，但论文标题、场所名（NeurIPS、ACL、Nature）、方法/模型名（Transformer、CRISPR、difference-in-differences）、无通用译名的术语、专有名词保持英文；用户用英文则全切英文。

## 示例

输入：「帮我分析一下 Stanford 的 X 教授（这是他的 Google Scholar 链接），我是想申请 2027 Fall 的博士，背景是 NLP 方向有一篇 workshop 一作。」

处理：
1. 先确认层级=博士申请、领域=NLP（会议驱动、一作+末位通讯、高产、compute-heavy）。
2. 抓取 Scholar + 主页 + DBLP/ACL Anthology，建快照与时间线，标注近 2-3 年是否从 X 方向转向 Y。
3. 谱系聚类，逐篇标注哪些是 student-led（学生一作连续成长=指导信号，B 级证据）。
4. 六维评估，对"近一年 30 篇"给出至少两解（大组多人独立产出 vs 切片式碎片化），权衡后给置信度。
5. 适配：把申请人映射为"经验研究者（学徒过渡）"，指出 workshop 一作是加分但需展示研究成熟度；预警若该教授近年无学生一作则标 serious。
6. 产出博士版套磁（围绕 1-2 条研究线 + 可贡献的工程/数据点）+ 20 分钟面谈结构 + 三个后续动作（如"读 Z 论文""准备 X 方向小提案""联系在读学生 Y"）。

## 注意事项

- 不把推测当事实；不从单篇论文推断工作量、性格或伦理。
- 不假设所有高频合作者都是学生；不假设所有末位作者论文都由教授主导。
- 不用 STEM 范式套人文/社科；不用台架科学范式套临床/公卫/人群研究——不同研究设计有不同时间线、署名与资源要求。
- 不因领域常态的低产量、单作者、无大实验室、无计算/实验技能而扣分。
- 绝不声称读过你无法访问的论文；不隐藏访问限制或覆盖不全；不编造校友去向。
- 不为博取好感而优化，为决策有用性而优化。
- 高风险推断（指导质量、过劳、学生贡献份额、经费水平、伦理、人际风格、临床时间占用、理论开放度、毕业生就业前景）须格外谨慎、显式标注不确定性。

## 互见

- fact-checking：核验从公开来源提取的事实性断言与潜在冲突。
- first-principles-thinking：在证据模糊、需拆解"高产到底意味着什么"等多解问题时辅助推理。

---
本条采编自 voidful/academic-skills（professor-fit-analyzer，MIT 许可）。