# Idea Generation

> 學術研究的 Idea 產生技能——從發散到收斂，系統化地產出高品質研究構想。當使用者想腦力激盪研究方向、找新 research idea、或問「我接下來可以做什麼研究」時，一定要使用此技能。觸發詞包括：brainstorm、想 idea、研究方向、下一步做什麼、有什麼可以研究的、找 gap、research proposal。適用於任何階段的學術研究構想生成。

- Skill: `voidful/idea-generation` (Agent Skill, multi-file: 5 files)
- Install (CLI): `npx skillmds@latest add voidful/idea-generation`
- Raw SKILL.md: https://api.skillmd.com/api/skills/voidful/idea-generation/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Research & Search
- License: MIT
- Author: voidful (https://skillmd.com/u/voidful)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/voidful/idea-generation

---


# 02 — Idea Generation：學術研究構想產生

## 概述

本技能提供一套系統化的研究構想產生流程，幫助研究者從零開始產出具備新穎性、可行性與影響力的研究 idea。流程分為三個階段：**發散**、**文獻搜索驗證**、**收斂**，最終產出一份精煉的 1-page 研究提案。

本技能適用於：
- 碩博士生尋找論文題目
- 研究者開拓新研究方向
- 跨領域合作時激盪構想
- 研究團隊定期進行腦力激盪

---

## 三階段流程

### 總覽

```
階段一：發散          階段二：文獻搜索驗證        階段三：收斂
─────────────        ─────────────────        ──────────
產生 10-20 個         搜索相關文獻               篩選至 1 個
候選 idea            確認新穎性                 最佳 idea
                    建立文獻表

[10種發想框架]  →  [搜索策略 + 工具]  →  [評分矩陣 + 篩選標準]
```

---

## 階段一：發散 — 產生 10-20 個候選 Idea

### 目標

在不預設限制的情況下，盡可能產生大量候選構想。此階段的關鍵原則是**「量先於質」**——先求廣度，再求深度。

### 準備工作

1. **界定探索範圍**：確定你的研究大方向（例如：自然語言處理、電腦視覺、強化學習）
2. **蒐集素材**：回顧近期讀過的論文、參加過的演講、實驗中的觀察
3. **設定時間限制**：每個框架花 15-30 分鐘，避免過早陷入細節

### 10 種發想框架

以下提供十種不同角度的發想框架，建議至少使用其中 3-5 種來產生候選 idea。每種框架的詳細說明請參見 [references/brainstorming-frameworks.md](references/brainstorming-frameworks.md)。

#### 框架 1：Problem-First（從問題出發）

從實際問題或痛點出發，尋找尚未被妥善解決的研究問題。

- 觀察現有系統的瓶頸
- 收集使用者抱怨與需求
- 檢視 benchmark 上的失敗案例

#### 框架 2：Solution-First（從技術出發找應用）

從一個新技術或方法出發，探索它可以應用的場景。

- 一個新提出的演算法還能解決什麼問題？
- 某個領域的突破能否遷移到其他領域？

#### 框架 3：抽象階梯（Abstraction Ladder）

在不同抽象層次間移動，從具體問題上升到抽象原則，再下降到新的具體應用。

- 向上抽象：這個問題的本質是什麼？
- 向下具體：這個原則可以實例化為什麼？

#### 框架 4：矛盾獵尋（Contradiction Hunting）

找出現有方法中的矛盾、假設衝突或未被質疑的預設。

- 哪些「常識」其實缺乏證據？
- 兩篇論文的結論是否相互矛盾？

#### 框架 5：跨領域嫁接（Cross-Domain Transfer）

將其他領域的成功方法或概念引入自己的研究領域。

- 生物學的機制能否啟發演算法設計？
- 社會科學的理論能否解釋技術現象？

#### 框架 6：What Changed（關注最近的技術變化）

關注最近的技術突破或環境變化，思考這些變化開啟了哪些新的可能性。

- 新的硬體能力（更大的模型、更快的推理）
- 新的資料來源（多模態資料、合成資料）
- 新的社會需求（隱私、公平性、可解釋性）

#### 框架 7：失敗分析（Failure Analysis）

從失敗的嘗試、被拒的論文、或表現不佳的方法中尋找機會。

- 為什麼這個方法失敗了？能否修正？
- 失敗的原因是否指向一個更根本的問題？

#### 框架 8：簡單性測試（Simplicity Test）

用更簡單的方法挑戰複雜的現有方法，測試複雜性是否真的必要。

- 簡單的 baseline 是否被公平比較過？
- 複雜方法的哪些組件是真正必要的？

#### 框架 9：利害關係人旋轉（Stakeholder Rotation）

從不同使用者、利害關係人的角度重新思考問題。

- 終端使用者最在意什麼？
- 開發者最大的痛點是什麼？
- 決策者需要什麼資訊？

#### 框架 10：組合/分解（Combine / Decompose）

將現有的方法或概念進行組合或拆解，產生新的研究方向。

- 組合：A 方法 + B 方法能產生什麼效果？
- 分解：複雜系統的哪個子模組值得獨立研究？

### 發散階段的輸出

完成發散階段後，你應該有一份包含 10-20 個候選 idea 的列表，每個 idea 包含：

| 欄位 | 說明 |
|------|------|
| 編號 | 流水編號 |
| 標題 | 一句話描述 |
| 使用的框架 | 使用了哪個發想框架 |
| 簡述 | 2-3 句話的初步構想 |
| 直覺評分 | 1-5 的初步直覺分數 |

---

## 階段二：文獻搜索驗證 — 確認新穎性

### 目標

透過系統化的文獻搜索，驗證候選 idea 的新穎性，並建立相關文獻表。此階段的關鍵是**確認你的 idea 尚未被做過**，同時找到可以借鑑的相關工作。

### 搜索策略

詳細的搜索策略請參見 [references/paper-search-strategy.md](references/paper-search-strategy.md)，以下是簡要流程：

#### 步驟 1：關鍵字設計

- 為每個候選 idea 設計 3-5 組搜索關鍵字
- 使用同義詞、上位詞、下位詞擴展搜索範圍
- 結合英文與中文關鍵字

#### 步驟 2：多平台搜索

- **Semantic Scholar**：語義搜索，適合探索性搜索
- **Google Scholar**：覆蓋面廣，適合確認性搜索
- **arXiv**：最新預印本，適合追蹤前沿
- **DBLP**：電腦科學領域的完整索引
- **ACL Anthology**：NLP 領域專用

#### 步驟 3：滾雪球法

- 前向追蹤：找到關鍵論文後，看誰引用了它
- 後向追蹤：看關鍵論文引用了誰
- 作者追蹤：查看關鍵作者的其他工作

#### 步驟 4：新穎性判定

對每個候選 idea 進行新穎性判定：

| 判定結果 | 說明 | 行動 |
|----------|------|------|
| 全新 | 找不到直接相關的工作 | 保留，但需確認可行性 |
| 部分重疊 | 有相關但不完全相同的工作 | 找出差異點，精煉 idea |
| 已被做過 | 找到幾乎相同的工作 | 淘汰或大幅修改 |

### 文獻搜索驗證的輸出

完成此階段後，你應該有：

1. **篩選後的候選列表**：淘汰已被做過的 idea，通常剩 5-10 個
2. **文獻表**：每個存活的 idea 對應 5-10 篇相關文獻
3. **新穎性標註**：標註每個 idea 的新穎性判定結果與差異點

---

## 階段三：收斂 — 篩選至 1 個最佳 Idea

### 目標

從存活的候選 idea 中，透過系統化的評估與篩選，選出 1 個最佳 idea 進行深入發展。

### 收斂流程

詳細的收斂流程請參見 [references/idea-convergence.md](references/idea-convergence.md)，以下是簡要流程：

#### 步驟 1：淘汰（Eliminate）

快速淘汰明顯不可行的 idea：
- 技術上不可能在合理時間內完成
- 缺乏必要的資料或計算資源
- 新穎性不足

#### 步驟 2：合併（Merge）

檢查是否有可以合併的候選 idea：
- 兩個 idea 是否在解決同一個問題的不同面向？
- 合併後是否能產生更有力的研究貢獻？

#### 步驟 3：精煉（Refine）

對剩餘的候選 idea 進行精煉：
- 縮小研究範圍，使問題更具體
- 明確研究貢獻（Technical Contribution）
- 構想初步的實驗設計

#### 步驟 4：評分矩陣

使用評分矩陣進行量化評估。詳細的評分矩陣模板請參見 [references/evaluation-matrix.md](references/evaluation-matrix.md)。

評分維度：

| 維度 | 權重 | 說明 |
|------|------|------|
| 新穎性 | 25% | 與現有工作的差異程度 |
| 可行性 | 25% | 在現有資源下完成的可能性 |
| 影響力 | 20% | 對領域的潛在貢獻 |
| 時效性 | 15% | 是否符合當前研究趨勢 |
| 個人興趣 | 15% | 個人的熱情與動機 |

#### 步驟 5：最終決策

- 選擇加權總分最高的 idea
- 但也要考慮：直覺是否認同？是否有足夠的熱情去執行？
- 如果理性與直覺衝突，花時間釐清原因

### 常見陷阱

在收斂階段，需要警惕以下認知偏誤：

1. **確認偏誤**：只搜索支持自己偏好的證據
2. **沉沒成本**：因為已經投入時間而不願放棄劣質 idea
3. **新奇偏誤**：過度追求新穎而忽視可行性
4. **從眾效應**：因為某個方向很熱門就跟風
5. **完美主義**：等待「完美」的 idea 而遲遲不開始

---

## 最終輸出

完成三個階段後，你應該產出以下四份文件：

### 1. 候選列表

所有候選 idea 的完整列表，包含狀態標記（存活/淘汰/合併）。

### 2. 文獻表

每個存活 idea 的相關文獻清單，格式：

```
## Idea: [標題]

1. [作者] (年份). [論文標題]. [會議/期刊].
   - 相關性：[高/中/低]
   - 與本 idea 的關係：[簡述]

2. ...
```

### 3. 評分矩陣

所有存活 idea 的量化評分，包含各維度分數與加權總分。

### 4. 1-Page 提案

最終選定 idea 的一頁提案，包含以下段落：

```
# [研究標題]

## 問題陳述（Problem Statement）
- 要解決什麼問題？為什麼重要？

## 現有方法與不足（Related Work & Gap）
- 現有方法怎麼做？有什麼不足？

## 提議方法（Proposed Approach）
- 你打算怎麼做？核心想法是什麼？

## 預期貢獻（Expected Contributions）
- 預期的研究貢獻是什麼？

## 初步實驗計畫（Preliminary Experiment Plan）
- 打算用什麼資料集？什麼指標？什麼 baseline？

## 風險與備案（Risks & Mitigation）
- 主要風險是什麼？備案是什麼？

## 時間表（Timeline）
- 預計的里程碑與時間安排
```

---

## 流程檢查清單

### 發散階段

- [ ] 設定探索範圍與時間限制
- [ ] 至少使用 3 種發想框架
- [ ] 產生至少 10 個候選 idea
- [ ] 每個 idea 有標題、簡述、直覺評分
- [ ] 沒有在此階段過早篩選

### 文獻搜索驗證階段

- [ ] 為每個 idea 設計搜索關鍵字
- [ ] 使用至少 2 個搜索平台
- [ ] 執行滾雪球法追蹤關鍵文獻
- [ ] 標註每個 idea 的新穎性判定
- [ ] 建立文獻表

### 收斂階段

- [ ] 淘汰明顯不可行的 idea
- [ ] 檢查可合併的 idea
- [ ] 精煉剩餘候選
- [ ] 完成評分矩陣
- [ ] 選定最終 idea
- [ ] 撰寫 1-page 提案
- [ ] 檢查是否有認知偏誤

---

## 時間建議

| 階段 | 建議時間 | 說明 |
|------|----------|------|
| 發散 | 2-4 小時 | 可分散在 2-3 天內 |
| 文獻搜索驗證 | 4-8 小時 | 每個 idea 約 30-60 分鐘 |
| 收斂 | 2-3 小時 | 建議一次完成 |
| 撰寫提案 | 1-2 小時 | 在收斂後立即進行 |
| **合計** | **9-17 小時** | **約 1-2 週** |

---

## 參考資源

- [發想框架詳細說明](references/brainstorming-frameworks.md)
- [文獻搜索策略](references/paper-search-strategy.md)
- [收斂流程與篩選標準](references/idea-convergence.md)
- [評分矩陣模板](references/evaluation-matrix.md)

---

## 進階建議

### 建立 Idea Bank

- 平時閱讀論文時，隨手記錄觸發的想法
- 定期回顧 idea bank，將舊想法與新知識結合
- 使用標籤系統分類（按領域、方法、問題類型）

### 與他人互動

- 向不同領域的人解釋你的 idea，收集反饋
- 參加讀書會或研討會，在討論中激盪新想法
- 找一個「idea buddy」定期交流

### 迭代式發想

- 不要期望一次就找到完美的 idea
- 允許自己回到發散階段，用新的資訊重新發想
- 好的 idea 往往是多次迭代的結果

### 記錄與反思

- 記錄每次發想過程，包括最終沒被選上的 idea
- 反思哪些框架對你最有效
- 建立個人的發想流程與偏好檔案