metagalaxy-crystal 沁言学术 - AI选题分析
概述
本技能通过沁言学术OpenAPI大量检索相关文献，结合AI分析能力，为科研人员提供系统化的选题建议。分析涵盖选题方向、研究价值、研究内容概述、研究难点分析以及相关文献推荐。
学术诚信声明： 所有选题建议基于真实检索到的文献进行分析，不捏造文献或研究趋势。建议仅供参考，最终选题决策应结合导师意见和个人研究兴趣。
前置条件
使用前请确保：
- 已设置
QINYAN_API_KEY环境变量（前往 https://platform.qinyanai.com/ 申请） - 环境中可用
curl和python3
export QINYAN_API_KEY="your-api-key-here"
工作流程
第一步：大量检索相关文献
根据用户提供的研究领域/方向，使用 scripts/search.sh 从多个数据库大量检索文献。
检索策略：
- 中文领域：优先万方 + Google Scholar
- 英文领域：优先 Google Scholar + ArXiv/PubMed
- 医学类：必须检索 PubMed（中文query需翻译为英文）
- 理工计算机类：必须检索 ArXiv（中文query需翻译为英文）
- 每个相关数据库至少检索50-100条文献，确保充分覆盖
# 检索示例
bash scripts/search.sh google '{"query": "large language models education", "max_results": 20, "date_from": "2022"}'
bash scripts/search.sh arxiv '{"query": "large language models education", "max_results": 50, "date_from": "2022"}'
bash scripts/search.sh wanfang '{"query": "大语言模型 教育应用", "max_results": 50, "date_from": "2022"}'
搜索脚本参数格式同文献检索skill：
| 数据源 | 命令 | 特殊说明 |
|---|---|---|
| Google Scholar | bash scripts/search.sh google '<json>' |
单次最多20条 |
| 万方 | bash scripts/search.sh wanfang '<json>' |
支持中文，1-100条 |
| PubMed | bash scripts/search.sh pubmed '<json>' |
仅英文，1-200条 |
| ArXiv | bash scripts/search.sh arxiv '<json>' |
仅英文，1-100条 |
第二步：文献分析与选题生成
基于检索到的大量文献，分析研究现状、热点趋势、研究空白，生成选题建议。
第三步：输出结构化选题建议
输出格式
对每个推荐的选题，按以下结构输出：
选题建议模板
## 选题方向 [序号]：[选题名称]
### 选题方向
[具体的研究方向和切入点描述]
### 研究价值
[该选题的理论价值和实践意义，为什么值得研究]
### 研究内容概述
[该选题需要研究的主要内容、技术路线或方法框架]
### 研究难点分析
[该选题可能面临的主要技术难点、数据获取困难、方法挑战等]
### 相关文献
[列出5-10篇与该选题最相关的文献，标注来源]
- [1] 作者. 标题. 期刊/会议, 年份. DOI/URL
- [2] ...
分析要求
- 选题数量：根据文献覆盖面，推荐 3-5 个有差异化的选题方向
- 选题质量：
- 避免过于宽泛的选题（如"深度学习研究"）
- 避免过于狭窄的选题（如"某个特定数据集上的某个指标提升"）
- 选题应具有创新性，填补已有研究的空白
- 选题应具有可行性，在合理的时间和资源下可完成
- 文献支撑：每个选题的相关文献必须来自实际检索结果，不得捏造
- 趋势分析：结合文献的发表时间分布，分析研究趋势
- 差异化：不同选题之间应有明显差异，覆盖不同的研究视角
示例工作流
用户: 我是计算机专业硕士研究生，想研究大语言模型在教育领域的应用，帮我分析选题
步骤1: 检索文献
- ArXiv: "large language models education" (50条)
- Google Scholar: "LLM education application" (20条)
- 万方: "大语言模型 教育" (50条)
步骤2: 分析文献趋势和研究空白
步骤3: 输出3-5个差异化选题建议，每个包含完整的五要素分析