# Bear Propose

> 给一个研究 idea，依次执行撞车检测、安静区支撑检索、潜在挑战检索，在一份综合报告里呈现这个 idea 的立项前证据格局——撞车风险在哪、安静区里有没有文献支撑、最需要提前想清楚的挑战是什么。底层走真实检索（scimaster-cli），绝不编造引用。 **以下情况请主动触发本技能**：用户想"开题前评估一下"、"这个 idea 值不值得做"、"立项前做个全面的文献调研"、"帮我评估这个研究方向"——即使没有说"bear-propose"，只要意图是**在正式投入一个研究方向之前做综合评估**，就使用本技能。 不适用于：只查撞车（用 bear-scoop）、只找支持（用 bear-support）、只找反对（用 bear-counter）、概念地图（用 bear-map）、溯源演化史（用 bear-trace）。

- Skill: `xuzhougeng/bear-propose` (Agent Skill, multi-file: 3 files)
- Install (CLI): `npx skillmds add xuzhougeng/bear-propose`
- Raw SKILL.md: https://api.skillmd.com/api/skills/xuzhougeng/bear-propose/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: xuzhougeng (https://skillmd.com/u/xuzhougeng)
- Updated: 2026-09-09
- Page: https://skillmd.com/skills/xuzhougeng/bear-propose

---


# bear-propose · 研究立项前评估

一个工作流：在你正式投入之前，把撞车风险、安静区的证据基础、潜在挑战这三件事同时查清楚。这三步不是简单串联——撞车检测的结果会影响后两步的检索方向：支持和挑战的检索聚焦在**安静区**，而不是整个 idea 的全貌。这让 bear-propose 比分别跑三个 skill 更有价值。

先读 `references/sci-cli.md`——CLI 检测步骤、用法和铁律。
再读 `references/output-system.md`——HTML 外壳规范和设计 token。

## 步骤（固定顺序）

**Step 0 — 确认 CLI 可用**
运行 `sci --version`。未安装就给安装命令并停止；认证错误就提示 `sci init` 并停止。

**Step 1 — 压缩 idea，执行撞车检测**
把 idea 提炼成一句话。从 5–6 个正交角度检索（字面表述 / 方法中心 / 问题中心 / 结论中心 / 相邻领域 / 抢发者标题），宽泛角度用 `ultra_low`，有收获的角度用 `low` 复跑，合并去重，按四层分类（直接撞车 / 方法孪生 / 问题孪生 / 邻居）。

告知用户本次将执行约 15–20 次检索，然后直接开始，不等待确认。

**Step 2 — 识别安静区**
根据撞车结果，明确哪些角度拥挤、哪些角度安静。安静区是后续检索的重点——在安静区里找支撑，才是真正有意义的文献基础。

**Step 3 — 安静区支撑检索**
针对安静区的 1–2 个核心角度，执行 `sci search`（`--mode low`，`--limit 15`），找出能支撑这个 idea 在安静区里有意义的文献。按四级口径筛选。如果安静区里支撑信号很弱，如实说——这意味着这个方向确实少有人做，但也可能是因为做了没有价值。

**Step 4 — 潜在挑战检索**
针对安静区的核心主张，执行反对文献检索（聚焦直接矛盾和方法批评两类，各用一次 `low` 检索），找出需要提前想清楚的挑战。不需要覆盖所有五类，只检索与立项最相关的两类。

**Step 5 — 综合判断**
基于三个 phase 的检索结果写 3–5 句立项前的证据格局描述：撞车风险级别、安静区的支撑信号强度、最需要在研究设计中提前应对的挑战类型。不做"这个 idea 值不值得做"的最终判断。

## 输出物

检索结束后，在当前目录创建 `{topic-slug}/` 子文件夹，输出四个东西：

1. **终端** — 直接 print 综合摘要：撞车风险级别 + 安静区主要角度 + 最需提前想清楚的挑战
2. **`report.md`** — 稳定 YAML front matter + 综合判断 + 撞车分层 + 安静区支撑 + 潜在挑战 + 检索透明度
3. **`report.html`** — 综合报告，见下方 HTML 规范
4. **`references.bib`** — 合并所有 query 的 `.bib`，去重后只保留报告引用的文献

## HTML 报告规范

强调色 `#d97706`（琥珀，体现"决策前"的审慎感，区别于 bear-scoop 的蓝和 bear-counter 的红）。

**首屏：综合判断面板**

`.verdict` 区块横向三段：
- 左：撞车风险摘要（级别 + 最近撞车候选，蓝色 accent）
- 中：证据格局描述 3–5 句（琥珀 accent，核心位置）
- 右：最关键挑战（类型 + 一句核心挑战内容，红色 accent）

`.metric-strip`：直接撞车数 / 安静区有效支撑文献数 / 高威胁挑战数 / 需要提前应对的关键点数

**三阶段详细内容（tabs，三个 tab）**

tab「撞车检测」：SVG 四层同心圆雷达（同 bear-scoop 规范），下方四层文献列表。雷达悬停 tooltip 用 JS mousemove 实现。

tab「安静区支撑」：证据阶梯（直接支撑 / 部分支撑 / 间接相关），含安静区说明——为什么这些文献对立项有价值（它们支撑的是别人还没做的角度）。文献卡片含 DOI 链接和中文学术摘要折叠。

tab「潜在挑战」：按两类挑战方向展示（直接矛盾 / 方法批评），每张卡片含威胁等级 + `回应思路：...` + DOI 链接 + 中文学术摘要折叠。

三个 tab 中最重要的卡片（最近撞车、安静区最强支撑、最高威胁挑战）加 `.card-primary` class，摘要默认展开。

**检索透明度**（底部）：列出所有查询词和各 phase 的检索分布，说明安静区如何确定、后两步如何聚焦。

## 诚实边界

安静区是基于本次撞车检测的相对判断，不代表没有人在做——付费墙后、近期预印本、中文文献均可能遗漏。安静区支撑信号弱可能意味着方向新颖，也可能意味着前人试过但没有发表价值。报告呈现的是检索到的内容，不做"值不值得做"的判断。

## Gotchas

- **Step 3 和 Step 4 必须聚焦在安静区**，不要对整个 idea 做宽泛的支持和反对检索——那样就和分别跑三个 skill 没有区别
- **安静区支撑信号弱不是坏事**，要在报告里如实呈现，不要为了"看起来有支撑"而降低筛选口径
- **三个 tab 的配色用各自原 skill 的强调色**（蓝/绿/红）作为 accent，整体报告用琥珀色作为框架色，不要混淆
- **如果撞车检测发现直接撞车超过 5 篇**，在 Step 3 开始前先提示用户：安静区很窄，后续检索会聚焦在更细分的角度，本次报告的参考价值取决于用户是否愿意在细分方向上继续调整 idea