Scholar Deep Research
8-fazowy, sterowany skryptami przegląd literatury w 7 naukowych API z bibliografią zakotwiczoną w DOI.
Testowano · Działa
Co robi ten skill
Zamienia pytanie badawcze w cytowaną przegląd literatury, uruchamiając skrypty Pythona przeciwko OpenAlex, arXiv, Crossref, PubMed, DBLP, bioRxiv i Exa, deduplikując i przejrzyście oceniając wyniki, a następnie śledząc cytowania i wymuszając przejście samokrytyki przed renderowaniem raportu z kotwicami przypisów powiązanymi z rzeczywistymi artykułami. Wyzwalaj na żądania przeglądu literatury / stanu techniki / 'co wiadomo o X' / analizy porównawczej; pomijaj samouczki lub debugowanie kodu.
Raport z testu
Uruchomiono Fazy 0→2 na żywo przeciwko OpenAlex/arXiv/Crossref: uzyskano ocenioną, zakotwiczoną w DOI top-10 z rzeczywistymi artykułami o LLM-agentach z lat 2023-2026 i wyrenderowanym szkicem raportu z weryfikowalną bibliografią — punkt odniesienia oparty tylko na pamięci grozi sfabrykowanymi DOI w dokładnie tego typu zadaniach. Złapano jeden rzeczywisty błąd: przykład SKILL.md `research_state.py select --state research_state.json --top 20` zawodzi (kolejność argumentów); `--state` musi poprzedzać podkomendę, tak jak poprawnie pokazuje przykład `init` z Fazy 0.
Testowano: 2026-07-14 · Claude Code 2.x (agent harness)
Instalacja
git clone https://github.com/Agents365-ai/scholar-deep-research.git cd scholar-deep-research mkdir -p ~/.claude/skills cp -r skills/scholar-deep-research ~/.claude/skills/scholar-deep-research
Komendy i przykładowe prompty
/scholar-deep-research8-fazowy, sterowany skryptami przegląd literatury w 7 naukowych API z bibliografią zakotwiczoną w DOI.
Skille uruchamiają się na zwykłe polecenia — bez komend do zapamiętania. Po instalacji aktywują go prompty takie jak te (po angielsku):
Do a literature review on LLM agents for automated researchFind and rank papers on retrieval-augmented generation for meBuild me a DOI-anchored bibliography on this research question