← 返回 Skills 市场
huixiaheyu

领域调研

作者 huixiaheyu · GitHub ↗ · v1.0.0 · MIT-0
cross-platform ⚠ suspicious
62
总下载
0
收藏
0
当前安装
1
版本数
在 OpenClaw 中安装
/install field-research
功能描述
输入中文关键词后，生成中英双语关键词与文献检索结果表：中文来源知网、英文来源Google Scholar，近10年、相关性排序、按年份降序输出标准Markdown表格；优先可见浏览器人工验证。
使用说明 (SKILL.md)

双语文献检索表（浏览器优先）

适用场景

当用户提出以下需求时使用本 skill：

  • 输入中文关键词，自动生成双语关键词并检索文献
  • 需要中文（知网）+ 英文（Google Scholar）双来源
  • 需要固定字段、可复制进论文的标准 Markdown 表格

核心规则（必须遵守）

  1. 双语关键词

    • 中文：使用用户提供的原始中文关键词（不改写主语义）。
    • 英文：给出标准学术翻译（精准、专业、学术常用表达）。

  2. 检索来源

    • 中文来源：知网（CNKI）。
    • 英文来源：Google Scholar。

  3. 检索筛选条件

    • 时间范围：近 10 年（2016–2026）。
    • 平台内排序：按相关性（Relevance）。

  4. 结果总表排序

    • 严格按 出版年份 降序（最新在前）。

  5. 数据真实性

    • 不得编造任何条目、指标或字段。
    • 无法确认的数据留空或填写 -。
    • 若整体无可用结果，明确说明"未检索到满足条件的数据"，并输出空表结构。

  6. 固定表头（不得变更）

    • 标题、期刊/会议名、分区、方法、被引次数、出版年份、使用技术

  7. 输出格式

    • 仅输出标准 Markdown 表格（可直接复制到论文）。

浏览器优先策略（核心规则）

为提升可验证性并降低反爬影响，执行检索时遵循：

1. 验证码处理流程（重要）

遇到验证码时必须暂停，等待用户手动处理：

  • 当检测到验证码页面时，立即停止操作
  • 提示用户："检测到验证码，请手动完成验证，完成后告诉我'继续'"
  • 等待用户确认后，再继续后续操作
  • 严禁在验证码未处理的情况下继续尝试访问

2. 浏览器启动

  • 启动 Chrome：/Applications/Google\ Chrome.app/Contents/MacOS/Google\ Chrome --remote-debugging-port=18800 --user-data-dir=/tmp/openclaw_chrome_profile
  • 使用 browser 工具进行导航和检索

3. 知网检索流程

  • 打开 https://kns.cnki.net/kns8s/search
  • 在搜索框输入中文关键词
  • 点击搜索按钮
  • 检查是否出现验证码，如出现则暂停并提示用户
  • 使用 browser snapshot 提取检索结果
  • 如需进入详情页，点击文献标题链接
  • 详情页如出现验证码，同样暂停等待用户处理

4. Google Scholar 检索流程

  • 打开 https://scholar.google.com/scholar?q=\x3C英文关键词>&hl=en&as_sdt=0,5&as_ylo=2016&as_yhi=2026
  • 检查是否出现验证码，如出现则暂停并提示用户
  • 使用 browser snapshot 提取检索结果

5. 数据提取策略

  • 从 browser snapshot 中解析表格数据
  • 提取字段：标题、期刊/会议名、被引次数、出版年份
  • 方法和使用技术：从标题/摘要/来源类型推断，或进入详情页提取

6. 若当前环境无法打开浏览器

  • 进入"离线模板模式"，只输出规范化结果框架与可填空位，不伪造数据

字段填写细则（参考示例优化）

分区

  • 中文期刊：标注 CSSCI/CSCD/北大核心/AMI 等
  • 英文期刊：标注 SCI Q1/Q2/Q3/Q4、中科院分区等
  • 无法确认时填写 -

方法

  • 详细描述研究采用的方法论和技术路线
  • 可包含：研究设计、数据处理流程、分析框架等
  • 示例格式：
    • "深度学习边缘滤波（DEF）→ 闭合形状提取（CSE）"
    • "地理配准 → 矢量化 → 坐标校正 → 地名数据库构建"
    • "高清扫描 → 几何校正 → 要素提取 → CAD数字化转绘"

使用技术

  • 列出具体使用的技术、工具、算法、模型
  • 示例：
    • "ArcGIS, U-Net, HED, BDCN, Vision Transformer"
    • "知识图谱, RDF, SPARQL, Neo4j, NLP"
    • "GIS, 遥感(RS), 计算机视觉(CV), 深度学习(DL)"

被引次数

  • 使用检索平台可见数字
  • 不可见时填写 - 或 待查

标准执行流程

  1. 获取用户中文关键词
  2. 生成英文学术翻译关键词
  3. 启动 Chrome 浏览器（如未运行）
  4. 中文通道：
    • 打开知网搜索页面
    • 输入关键词并搜索
    • 提取结果列表（标题、期刊、年份、被引等）
    • 如需详情，点击进入单篇文献页面
  5. 英文通道：
    • 打开 Google Scholar 搜索页面
    • 提取结果列表
  6. 合并结果并按出版年份降序排序
  7. 输出 Markdown 表格

输出模板

中文关键词：\x3C用户原词>
英文关键词：\x3C学术翻译>

| 标题 | 期刊/会议名 | 分区 | 方法 | 被引次数 | 出版年份 | 使用技术 |
|:---|:---|:---:|:---|:---:|:---:|:---|
| \x3C标题> | \x3C期刊/会议> | \x3C分区> | \x3C方法描述> | \x3C被引> | \x3C年份> | \x3C技术列表> |

验证码检测与处理（强制规则）

检测方式

通过 browser snapshot 内容判断：

  • 页面标题或内容包含"验证"、"captcha"、"安全验证"等关键词
  • 页面内容异常简短（如只有 document 标签而无实质内容）
  • 页面 URL 包含 verify、/captcha/、security-check 等路径

处理流程

  1. 立即停止：不再进行任何后续操作
  2. 截图提示：如有必要，截图当前页面状态
  3. 明确告知："检测到验证码/安全验证，请手动完成验证"
  4. 等待确认：等待用户回复"继续"或"ok"后再继续
  5. 恢复操作：用户确认后，重新尝试获取页面内容

示例对话

AI: 正在打开知网进行检索...
AI: [截图显示验证码页面]
AI: 检测到知网验证码，请手动完成验证后告诉我"继续"
用户: 继续
AI: 好的，继续获取检索结果...

失败与空结果处理

  • 任一来源失败：继续输出另一来源可得数据，并对失败来源字段留 -
  • 双来源都失败：输出空表，不编造
  • 如遇验证码/反爬：必须暂停等待用户手动处理，严禁自动绕过

示例参考（高质量字段填写）

方法字段示例

类型 示例
技术流程 图像质量优化（扫描、校正、修复、地理配准）→ 信息提取（矢量化、符号识别、深度学习语义分割）→ 数据库构建
分析框架 资源实体 → 描述对象 → 知识抽象 → 舆图表达 → 舆图展示
数字化流程 高清扫描 → 几何校正 → 要素提取 → CAD数字化转绘 → 与现状图配准叠加
深度学习流程 边缘滤波（U-Net/HED/BDCN）→ 闭合形状提取（Meyer分水岭变换）→ 拓扑优化

使用技术字段示例

类别 技术
GIS/遥感 ArcGIS, QGIS, ENVI, 遥感(RS)
深度学习 U-Net, HED, BDCN, ViT, PVT, Mask R-CNN, 语义分割
知识图谱 RDF, SPARQL, Neo4j, 知识图谱, 关联数据
计算机视觉 OpenCV, 计算机视觉(CV), OCR, 目标检测
数据处理 Python, MATLAB, CAD, 矢量化工具

对用户的最小交互提示

验证码相关提示

  • "检测到知网验证码，请手动完成验证后回复'继续'"
  • "检测到 Google Scholar 验证码，请手动完成验证后回复'继续'"
  • "当前页面需要安全验证，请完成验证后告诉我'ok'"

操作确认提示

  • "请确认已在页面中勾选时间范围 2016–2026，并选择按相关性排序"
  • "如需更详细的文献信息（如摘要、关键词），请告诉我进入详情页提取"
  • "准备进入文献详情页，如遇验证码请手动处理"

等待用户时的回复模板

当检测到验证码并等待用户时：

检测到 [知网/Google Scholar] 验证码/安全验证，请手动完成验证。

完成后请回复"继续"或"ok"，我将接着获取检索结果。

[可选：附上当前页面截图]
安全使用建议
这是一个说明清晰、目的明确的检索技能，但在安装/使用前请注意： - 元数据未声明任何必需二进制，但 SKILL.md 明确要求在本地启动 Chrome（给出 macOS 的具体可执行路径）；在非 macOS 环境或没有该 Chrome 可执行文件时技能无法按说明运行。请确认你的运行环境支持通过该路径启动 Chrome 或调整说明。 - 运行会在本地创建一个 user-data-dir（/tmp/openclaw_chrome_profile），会在 /tmp 写入浏览器配置文件；如果你对写入本地文件或会话隔离有顾虑，请确认或更改该路径。 - 技能依赖浏览器自动化与人工验证码处理：当检测到人机验证时，技能会暂停并提示你手动完成。这种设计降低了自动绕过风险，但需要你在检索过程中参与。 - 该技能不会请求 API 密钥或外部凭证，但会访问并抓取第三方网站页面内容；请在使用时确保遵守目标站点的使用条款与学校/单位的合规要求。 建议在安装前：确认平台是否提供或允许“browser”工具与本地 Chrome 启动；如果你希望在 Linux 或 Windows 上运行，要求维护者补充跨平台说明或移除硬编码路径；如需更高信任，请要求维护者在元数据中声明所需二进制与文件路径。
功能分析
Type: OpenClaw Skill Name: field-research Version: 1.0.0 The 'field-research' skill automates academic literature retrieval from CNKI and Google Scholar. It instructs the agent to launch a local Chrome instance with remote debugging to perform searches and extract data into a structured Markdown table. Notably, it includes strict 'human-in-the-loop' instructions in SKILL.md for handling captchas, requiring the agent to pause and wait for user verification rather than attempting to bypass security. The behavior is transparent and strictly aligned with its stated research purpose.
能力评估
ℹ Purpose & Capability
技能声称做中文（知网）+ 英文（Google Scholar）的双语文献检索，SKILL.md 的检索流程、字段与输出格式与描述一致，所需能力（浏览器自动化与人工验验证码配合）与目标相符. 但 registry metadata 声明“无必需二进制/无必需配置”，而运行说明明确要求在本地启动 Chrome（带特定路径），这在元数据与运行需求间不一致。
⚠ Instruction Scope
说明详细规定了用浏览器（browser 工具）打开知网与 Google Scholar、用 snapshot 提取并解析字段，并在遇到验证码时暂停等待人工处理——总体限定在检索与数据提取范围内。但是指令包含明确的本地 Chrome 启动命令（MacOS 路径）与 --user-data-dir=/tmp/openclaw_chrome_profile，此类对本地路径/二进制的硬编码在元数据未声明，且假定运行环境允许启动本地浏览器（可能不适用于非 macOS 或受限执行环境）。此外，指令允许进入详情页并截图/快照，这会在本地或远端采集页面快照（用户应知晓）。
✓ Install Mechanism
无安装规范、无代码文件：这是纯说明型技能，不会自动下载或写入磁盘（除了技能运行时可能要求启动 Chrome 并写 /tmp profile）。总体安装风险低。
✓ Credentials
技能不请求任何环境变量或凭据，也不声明访问外部密钥或配置文件，检索目标（知网、Google Scholar）不需要该技能声明额外凭证。因此所需权限看起来与目的相称。
✓ Persistence & Privilege
flags 显示 always:false，未请求常驻或修改其他技能配置，也未要求持久化凭据或提升平台权限。技能可被用户调用并会等待人工交互（验证码处理），没有异常特权请求。
如何使用
  1. 确保已安装 OpenClaw（本地或 Docker 部署）
  2. 在对话框中输入安装命令：/install field-research
  3. 安装完成后，直接呼叫该 Skill 的名称或使用 /field-research 触发
  4. 根据 Skill 的参数说明提供必要输入，即可获得结构化输出
版本历史
v1.0.0
field-research v1.0.0 - Initial release of the skill for bilingual literature search. - Supports input of Chinese keywords to generate both Chinese and English keywords with academic translations. - Searches recent 10-year literature results from CNKI (Chinese) and Google Scholar (English), prioritizing browser-based manual verification. - Outputs results in a fixed, standard Markdown table with strict field requirements and descending year order. - Implements robust pause-and-wait workflow for CAPTCHAs, requiring user intervention before proceeding. - Ensures integrity by not fabricating any data; leaves fields empty or marked when unverifiable.
元数据
Slug field-research
版本 1.0.0
许可证 MIT-0
累计安装 0
当前安装数 0
历史版本数 1
常见问题

领域调研 是什么？

输入中文关键词后，生成中英双语关键词与文献检索结果表：中文来源知网、英文来源Google Scholar，近10年、相关性排序、按年份降序输出标准Markdown表格；优先可见浏览器人工验证。 它是一个面向 Claude Code / OpenClaw 的 AI Agent Skill 插件，目前累计下载 62 次。

如何安装 领域调研？

在 OpenClaw 或 Claude Code 对话框中运行命令「/install field-research」即可一键安装，无需额外配置。

领域调研 是免费的吗？

是的，领域调研 完全免费，采用 MIT-0 许可证，可自由下载、安装和使用。

领域调研 支持哪些平台？

领域调研 跨平台运行，可在任意部署了 OpenClaw / Claude Code 的环境中使用（cross-platform）。

谁开发了 领域调研？

由 huixiaheyu（@huixiaheyu）开发并维护，当前版本 v1.0.0。

推荐 Skills
self-improving agent
Captures learnings, errors, and corrections to enable continuous improvement. Use when: (1) A command or operation fails unexpectedly, (2) User corrects Clau...
⬇ 463283 · by pskoett
Skill Vetter
Security-first skill vetting for AI agents. Use before installing any skill from ClawdHub, GitHub, or other sources. Checks for red flags, permission scope, and suspicious patterns.
⬇ 259410 · by spclaudehome
Polymarket
Query Polymarket prediction markets. Check odds, find trending markets, search events, track price movements.
⬇ 232503 · by joelchance
Self-Improving + Proactive Agent
Self-reflection + Self-criticism + Self-learning + Self-organizing memory. Agent evaluates its own work, catches mistakes, and improves permanently. Use when...
⬇ 200423 · by ivangdavila
Github
Interact with GitHub using the `gh` CLI. Use `gh issue`, `gh pr`, `gh run`, and `gh api` for issues, PRs, CI runs, and advanced queries.
⬇ 191113 · by steipete
ontology
Typed knowledge graph for structured agent memory and composable skills. Use when creating/querying entities (Person, Project, Task, Event, Document), linkin...
⬇ 190156 · by oswalpalash

💬 留言讨论