AI Skill 大全

科研选题探索

输入一个宽泛的科研方向和研究约束,检索热点、难题与代表文献,筛出可行选题并输出分析、主题矩阵和文献预调研。

功能与用途

适合还没有明确研究问题、希望从宽泛方向中找到具体课题的用户。输入研究领域、理论或应用偏好、目标会议、算力预算和时间范围等信息后,系统会检索近期热点、开放问题、基准数据、应用方向及交叉领域,形成5—10个候选选题,并提供创新角度、可行性、风险、主题结构和20—30篇代表性文献的预调研。需要明确一个大致研究方向,并具备可用的网络检索条件。

适用场景

  • 硕士论文开题选题:从“联邦学习”或“医疗自然语言处理”等宽泛方向中筛选适合毕业周期和算力条件的具体课题。
  • 跨学科研究方向发现:结合机器学习与材料、能源或生物医学领域,寻找具有应用价值和交叉创新空间的研究主题。
  • 基金或课题申请前调研:梳理研究热点、关键难题、应用场景和近期代表工作,为项目题目与立项依据提供方向参考。
  • 实验室新方向评估:比较多个候选研究主题的创新性、数据可得性、已有工作密度和实施风险,辅助确定团队切入点。

适用人群

  • 需要确定论文方向的研究生
  • 准备开题报告的高校教师与科研人员
  • 探索研究主题的博士生和博士后
  • 希望进入新领域的跨学科研究者

使用步骤

  1. 提供宽泛研究方向及已有约束
  2. 确认理论、应用、语言和时间偏好
  3. 检索热点、难题、基准与代表文献
  4. 查看候选选题、主题矩阵和文献预调研
  5. 选择方向并衔接论文、实验或综述工作

开始使用

将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。

查看 MCP 接入说明

技术信息

分类
知识
适用工具
Codex、Claude Code、OpenClaw、Hermes Agent、国内 Agent
使用难度
进阶
版本
744ab20
最近更新
2026-11-07
文件数
3
安装包大小
自动生成 ZIP
安全检查
基础检查通过

Use when the user has a vague research direction and wants to explore feasible specific topics. Outputs a structured analysis with candidate topics, innovation/feasibility scoring, and a pre-survey of 20–30 representative works. Single-stage, no Python runtime.

同类 Skill