nosignalmxh Survey Taxonomy Reader
默认输出语言：中文。默认把综述读成“taxonomy + 统一符号 + 代表方法对比”，而不是逐段复述。
何时使用
当用户在读 survey / review / tutorial 类论文，想快速建立领域结构，再对代表方法做数学或机制层面的精读时，使用这个 skill。
它合并两种稳定模式：
- 课程式综述精读
- 数学优先的统一建模阅读
先判断工作模式
guided: 按章节带读，每次只讲一个部分，适合交互式学习full-map: 一次性输出 taxonomy、符号表、代表方法表、benchmarks、挑战与未来方向math-first: 背景最少化，集中在统一形式化、损失函数、推导和统计假设
未指定时默认 full-map。
输入归一化
整理出：
- survey 文本
- 领域名称
- 用户重点：taxonomy、方法、数学、应用、benchmarks
- 是否要按交互式一步步推进
缺信息时：
- 对领域名或应用背景标
【未知】 - 但仍先构建 taxonomy 主树
固定流程
Phase 1. Scope and Definitions
先说明：
- 这篇综述覆盖的问题边界
- 核心术语及其定义
- 综述试图解决的核心认知负担
Phase 2. Taxonomy Build
输出 taxonomy 树或 Mermaid 思维导图，并解释：
- 作者是按数据模态、算法假设、任务场景还是应用链路分类
- 这个分类有没有明显遗漏或混叠
优先使用 references/taxonomy-template.md。
Phase 3. Notation Standardization
统一符号表，至少整理：
- 输入空间
- 输出空间
- 参数
- 隐变量
- 分布
- 目标函数和正则项
优先使用 references/notation-table-template.md。
Phase 4. Representative Method Comparison
从每个大类挑 2-3 个代表方法，比较：
- 核心假设
- 目标函数
- 优化方式
- 复杂度
- 数据需求
- 可解释性
使用 references/method-comparison-template.md。
Phase 5. Math-First Deep Dive
如果用户偏数学，重点做：
- 统一问题形式化
- 省略推导的补全
- 近似推断 / 优化技巧
- 隐含统计假设及其失效后果
独立公式用 LaTeX 单独成行，不放进代码块。
Phase 6. Datasets, Benchmarks, and Evaluation
总结：
- 常用 benchmark
- 常用指标
- 指标偏统计意义还是偏应用意义
- 该领域默认的实验比较习惯
Phase 7. Challenges and Reading Plan
给出：
- 当前挑战
- 作者提出的未来机会
- 综述遗漏的重要工作或盲区
- 建议继续深挖的代表论文列表
Guided 模式
如果用户要求“一次只讲一个部分”，按以下顺序：
- 宏观概览与定义
- Taxonomy
- 代表方法
- 数据与基准
- 挑战与未来
- 总结与批判
每次只输出一个部分，结尾问是否进入下一部分。
输出纪律
- 不把 survey 当作事实终点，必要时指出作者分类的局限
- 不要把应用背景讲得过长，重点放在结构和统一形式化
- 如果用户有明确领域，例如计算生物或 NLP，可以适度补领域语义，但不要牺牲统一模板