scholaraio: Skill for Claude Code

研究空白识别

从工作区文献中系统性地发现研究空白和开放问题。

前提

用户必须指定一个 workspace（--ws NAME），且工作区中应有足够数量的论文（建议 10+ 篇）。 报告语言由用户指定（中文 / English）。

执行逻辑

1. 全局扫描

scholaraio ws show <name>                    # 论文列表
scholaraio topics                             # 主题聚类（如已建模）

对工作区论文做 L2 扫描（标题 + 摘要），建立领域地图。show 命令会自动展示已有的 notes.md 历史笔记，优先复用已有发现。

2. 多维度分析

维度 1：主题覆盖度

scholaraio topics                             # 全库主题分布
scholaraio topics --topic <ID>                # 各主题下的论文

工作区论文是否集中在某几个主题？哪些相关主题缺乏覆盖？

维度 2：时间趋势

按年份统计工作区论文分布，识别：

• 哪些方向在近几年论文激增（热点）
• 哪些方向论文渐少（可能已成熟或被放弃）
• 哪些方向有早期工作但近年无跟进（潜在空白）

直接用 Python 读取 configured papers library 下的 */meta.json 做统计分析。

维度 3：方法论对比

扫描工作区论文的方法部分（L3-L4），绘制方法论矩阵：

scholaraio show <paper-id> --layer 3          # 结论中通常提及方法

• 哪些方法被广泛使用？
• 哪些方法组合尚未被尝试？
• 某方法在 A 问题上成功，是否可迁移到 B 问题？

维度 4：引用图谱空洞

scholaraio shared-refs "<id1>" "<id2>"        # 共同引用
scholaraio refs "<id>"                        # 参考文献
scholaraio citing "<id>"                      # 被引论文

• 哪些论文互相引用但观点矛盾？（未解决的争议）
• 哪些论文被大量引用但缺乏后续验证/复现？
• 哪些关键参考文献不在工作区中？（可能是盲区）

维度 5：论文自述的 Future Work

加载工作区中高引论文的 L3（结论），提取作者自己提出的未来方向：

scholaraio show <paper-id> --layer 3

这些 future work 是否已有人做了？交叉搜索验证：

scholaraio usearch "<future work 关键词>"

3. 输出报告

生成结构化的研究空白报告，保存到 workspace/<name>/research-gaps.md。

对每个发现的空白，按类型分类：

空白类型	含义	示例
知识空白	某个现象/问题尚无人研究	"高 Re 下的 X 效应尚未被测量"
方法空白	已有结论但方法存在缺陷或局限	"现有研究均为 RANS，缺乏 DNS 验证"
矛盾空白	不同研究给出矛盾结论	"A 组报告正效应，B 组报告负效应"
迁移空白	某方法/发现尚未被推广到相关领域	"该方法在 2D 有效，3D 尚未尝试"
规模空白	只有小规模/受限条件的结果	"仅低 Re 数据，工程 Re 下未验证"

报告结构：

1. 领域现状概述（2-3 段）
2. 已识别的研究空白（按优先级排序）
   • 空白类型 + 描述
   • 支撑证据（哪些论文暗示了这个空白）
   • 潜在研究问题
   • 可行性评估（数据/方法/资源是否可及）
3. 未解决的争议（如有）
4. 建议的下一步

量化辅助：必要时编写 Python 代码从 meta.json 批量提取数据，做统计图表（年份分布、方法频次、参数范围覆盖等），用可视化支撑空白发现。

分析笔记持久化：对深度分析过的论文，必须通过 CLI 将关键发现写入笔记：

scholaraio show "<paper-id>" --append-notes "## YYYY-MM-DD | <workspace> | research-gap
- 关键发现"