watericetangcw/academic-research-graph

Academic Research Graph Skill

English

把一篇论文，展开成一张可以继续生长的学术地图。
看清一个想法从哪里来、如何演化、遭遇了哪些质疑，以及论文代码究竟做了什么。

示例：“使用 @academic-research-graph 调研概念 Transformer，及论文 Attention Is All You Need。”

给它一篇论文、一个学术概念、一个 Benchmark、一个具体论点，或者论文对应的 GitHub 仓库。它会完成周边文献调研，并交付一个可以点击、追踪和继续扩展的论文图谱界面，而不只是一长串引用列表。

看到整个研究脉络，而不只是参考文献

找出真正的主链路

看清早期论文贡献了什么关键思想，后续工作如何继承和修改它，以及哪些分支最终发展成了重要方向。

不读原文，也能理解核心论文

每个重要节点都面向“了解本领域、但完全没读过这篇论文”的读者解释背景、问题、方法、证据、意义与局限。

把争议直接标在图上

冲突边会突出批评、相反结论、复现失败、假设不兼容，以及那些因为数据或评估协议不同而“看似矛盾”的结果。

区分“引用 Benchmark”和“真的使用 Benchmark”

Skill 会进一步核验实验、表格、数据加载、评估代码或配置证据，不会因为论文在 Related Work 中提到过就认定它实际使用了该 Benchmark。

把论文和代码连接起来

可以从 GitHub 仓库反查论文，固定到具体 commit，分析论文方法在代码中的位置，并检查实现与论文描述是否一致。

从任意节点继续向外生长

在现有图谱中选中一个节点，就能发起新的局部调研；审核后的结果会增量合并回原图，不必每次从头重建。

最终你会得到什么

生成的页面可以展示：

- 可点击的论文节点与论文关系边；
- 预印本、会议、期刊和正式发表状态；
- 有判定依据的顶会标记；
- 面向未读论文者的完整导读；
- 主链路与争议关系的醒目标注；
- 核心论文的可选代表性主图；
- 中文、英文或中英双语内容；
- 仅在真实增量调研后出现的“本次新增/更新”高亮。

在线示例： 打开可交互学术论文图谱

几乎可以从任何对象开始

- 论文 URL、DOI、arXiv ID、标题或 PDF；
- Transformer、Vision Transformer 等具体概念；
- Benchmark 或数据集；
- 一个明确的学术论点或争议；
- 论文对应的 GitHub 仓库；
- 已有论文图谱中的任意节点。

三步开始使用

1. 按照下方说明安装到 ChatGPT 或 DeepSeek Harness。
2. 告诉它你要调查什么，以及希望重点关注的问题和输出语言。
3. 浏览生成的论文图谱；遇到值得深挖的分支时，直接从对应节点继续调研。

可以这样提问

调研 arXiv:2406.05720，追踪它的重要来源和有实质意义的后续工作，
找出关键争议，并核验哪些论文真正使用了它的 Benchmark。
使用中文输出报告和论文图谱。

围绕 Vision Transformer 构建中文学术图谱。每篇核心论文都要面向
“了解本领域、但没读过原文”的读者解释，并突出 Transformer 到 ViT
及重要后续变体的主链路。

从这个 GitHub 仓库反向找到对应论文，比较代码实现和论文方法，
并梳理它的重要来源、后续工作与批评。

从当前图谱中的 DeiT 节点继续调研数据效率分支，并把审核后的结果
增量合并回原图。

支持中文、英文和双语

output_language: zh-CN      # 简体中文
output_language: en         # 英文
output_language: bilingual  # 中英双语

论文正式标题、作者、Venue、DOI、arXiv ID、Benchmark 名称、指标、公式和代码符号仍保留原文，确保可以准确检索。

下载与配置

ChatGPT

1. 从 https://github.com/watericetangcw/academic-research-graph/releases/latest 下载最新压缩包。
2. 打开 ChatGPT Skills。
3. 导入 ZIP 或解压后的 Skill 文件夹。
4. 如果宿主要求指定入口文件，选择 SKILL.md。

DeepSeek Harness

本仓库也可作为 DeepSeek Harness 原生 profile bundle 安装；当前 bundle 格式以 @deepseek-ai/dsh 0.1.0-rc.5 为兼容目标。

安装前请准备：

- Node.js ^22.19.0 或 >=24.0.0；
- PATH 中可用的 pnpm（可通过 corepack enable 启用）。

将插件安装到默认的 web profile，然后启动 Harness：

corepack enable
npx @deepseek-ai/dsh plugin --profile web add github:watericetangcw/academic-research-graph
npx @deepseek-ai/dsh web

Harness 启动后，输入 /academic-research-graph 并在后面写上调研请求。请求与 Skill 描述匹配时，Harness 也可以自动加载它。

插件按 profile 分别安装。如果实际运行的是 headless 或其他 profile，请将命令中的 web 替换为对应名称。若希望固定到本版本，可在 GitHub 包说明末尾追加 #v0.2.4。

可以使用以下命令检查配置、更新或卸载 bundle：

npx @deepseek-ai/dsh --profile web --dump-config
npx @deepseek-ai/dsh plugin --profile web update dsh-academic-research-graph
npx @deepseek-ai/dsh plugin --profile web remove dsh-academic-research-graph

如果系统已经安装了 dsh 命令，可以用 dsh 替代 npx @deepseek-ai/dsh。

面向开发者

主 README 只介绍研究用户能够直接体验到的结果。架构、Schema、脚本、本地渲染、图谱 Patch、数据适配器、目录结构、图片资产规则和贡献方式统一放在：

- 开发者指南
- Developer Guide
- Skill 工作流
- 详细设计文档

许可证

本项目采用 MIT License 开源。

引用

如果你在研究或学术工作中使用了 Academic Research Graph Skill，
请使用 CITATION.cff 中的元数据引用本项目。