paper-discovery — скилл для Claude Code: что делает и как установить
Скилл paper-discovery для Claude Code ищет научные статьи по академическим базам, собирает их в коллекцию и передаёт субагенту на разбор. Формирует подборку для обзора темы, а не одну ссылку из поиска.
Apache-2.0 1 установок ★ 15 обновлён 2026-03-04
npx skills add acertainKnight/project-thoth --skill paper-discovery -a claude-codeЧто делает paper-discovery
Скилл ведёт поиск статей по академическим источникам и держит найденное в одной коллекции. Вы называете тему, он собирает поисковый запрос, запускает его и показывает выдачу. Работу делают шесть инструментов: list_available_sources перечисляет доступные базы, create_research_question создаёт запрос с ключевыми словами, run_discovery_for_question выполняет поиск, list_articles и search_articles разбирают результаты, collection_stats считает размер подборки.
Источники: arXiv, PubMed, biorxiv, Semantic Scholar, OpenAlex, Crossref. По умолчанию берутся semantic_scholar и openalex, поэтому за свежими препринтами по CS arxiv придётся добавить в запрос самому. Порог релевантности 0.7 — значение по умолчанию: ниже выдача шире, выше 0.8 остаются только близкие по теме работы.
Если нужного журнала или репозитория в списке нет, скилл отправляет к custom-source-setup — тот настраивает сбор статей с конкретного сайта. Глубокий разбор найденного сюда не входит: для этого есть передача субагенту Research Analyst через send_message_to_agent. Без этих инструментов в окружении скилл ничего не найдёт, потому что умеет только вызывать их.
Какие задачи решает
- собрать подборку статей по новой теме одним запросом
- отфильтровать выдачу по порогу релевантности
- добавить
arxivилиpubmedвместо двух баз по умолчанию - посчитать, сколько работ уже накопилось в коллекции
- передать найденные статьи субагенту на разбор
Примеры запросов агенту
- Найди свежие статьи про mixture of experts в LLM, источники —
arxivиsemantic_scholar. - Покажи доступные источники и собери подборку по protein folding с порогом 0.65.
- Отфильтруй коллекцию по «sparse attention» и выведи статистику.
Как установить paper-discovery
1Через Skills CLI (Vercel)
npx skills add acertainKnight/project-thoth --skill paper-discovery -a claude-code2Вручную: положить файлы
~/.claude/skills/paper-discovery/SKILL.mdПапка скилла целиком; для одного проекта — .claude/skills/paper-discovery/
1Через Skills CLI (Vercel)
npx skills add acertainKnight/project-thoth --skill paper-discovery -a codex2Вручную: положить файлы
.agents/skills/paper-discovery/SKILL.mdДля всех проектов — ~/.agents/skills/
1Через Skills CLI (Vercel)
npx skills add acertainKnight/project-thoth --skill paper-discovery -a cursor2Вручную: положить файлы
.cursor/skills/paper-discovery/SKILL.mdCursor читает и .agents/skills/, и .claude/skills/
1GitHub CLI
gh skill install acertainKnight/project-thoth src/thoth/.skills/paper-discovery2Вручную: положить файлы
.github/skills/paper-discovery/SKILL.md1Через Skills CLI (Vercel)
npx skills add acertainKnight/project-thoth --skill paper-discovery -a gemini-cli2Командой платформы
gemini skills install https://github.com/acertainKnight/project-thoth --path src/thoth/.skills/paper-discoveryВручную: положить файлы
.devin/skills/paper-discovery/SKILL.mdСтарый путь .windsurf/skills/ тоже читается
Через Skills CLI (Vercel)
npx skills add acertainKnight/project-thoth --skill paper-discovery -a opencodeClaude.ai
Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills
По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов
Вопросы о paper-discovery
Как установить paper-discovery в Claude Code?
Выполните npx skills add acertainKnight/project-thoth --skill paper-discovery -a claude-code. Файл скилла появится по пути ~/.claude/skills/paper-discovery/SKILL.md.
Что делает paper-discovery?
Ищет научные статьи по академическим базам, складывает их в коллекцию и позволяет фильтровать выдачу по ключевым словам и релевантности.
Какие источники используются по умолчанию?
semantic_scholar и openalex. Для CS и ML имеет смысл добавить arxiv, для медицины и биологии — pubmed или biorxiv.
Исходный текст
SKILL.md · Apache-2.0
---
name: paper-discovery
description: Find and curate research papers from academic sources. Use when user
asks to find papers, search for research, discover articles, or explore a new topic.
tools:
- list_available_sources
- create_research_question
- run_discovery_for_question
- list_articles
- search_articles
- collection_stats
---
# Paper Discovery
Find and curate research papers across academic sources (arXiv, PubMed, Semantic Scholar, OpenAlex, etc.).
## Tools to Use
For discovery tasks, use ONLY these tools:
| Tool | Purpose |
|------|---------|
| `list_available_sources` | See available search sources |
| `create_research_question` | Create a new search query |
| `run_discovery_for_question` | Execute the search |
| `list_articles` | Browse results |
| `search_articles` | Filter/search within results |
| `collection_stats` | Check collection size |
## Quick Discovery (5 min)
For a quick search on a topic:
```
Step 1: Create the query
create_research_question(
title="User's topic in 1-2 sentences",
keywords=["keyword1", "keyword2", "keyword3"],
sources=["semantic_scholar", "openalex"],
max_papers=25,
relevance_threshold=0.7
)
Step 2: Run discovery
run_discovery_for_question(question_id="[from step 1]")
Step 3: Review results
list_articles(limit=20, sort_by="relevance")
```
## Source Selection Guide
| Research Area | Recommended Sources |
|---------------|---------------------|
| CS/ML/AI | `arxiv`, `semantic_scholar` |
| Medical/Bio | `pubmed`, `biorxiv` |
| General Science | `openalex`, `crossref` |
| Cross-disciplinary | `semantic_scholar`, `openalex` |
**Default**: Use `semantic_scholar` + `openalex` for broad coverage.
### Need a Source Not Listed?
If the user wants papers from a website/journal not in the built-in sources list:
**Load the `custom-source-setup` skill** to set up auto-detected scrapers for any website. This allows adding sources like:
- Specific journal websites (Nature, Science, PLOS ONE, etc.)
- Conference proceedings pages (ACL Anthology, NeurIPS, etc.)
- Institutional repositories (NBER, SSRN, arXiv mirrors, etc.)
- Any website with article listings
Example trigger phrases:
- "Can you get papers from NBER?"
- "Add Nature Neuroscience as a source"
- "Scrape articles from this URL: https://..."
## Keyword Extraction
Extract keywords from user's request:
1. **Core nouns**: Main concepts (e.g., "transformers", "attention")
2. **Technical terms**: Field-specific language (e.g., "multi-head", "self-attention")
3. **Modifiers**: Scope limiters (e.g., "efficient", "sparse", "2024")
**Example**:
- User: "Find papers on efficient attention mechanisms in vision transformers"
- Keywords: `["vision transformer", "efficient attention", "ViT", "sparse attention"]`
## Relevance Threshold Guide
| Threshold | Use When |
|-----------|----------|
| 0.8+ | User wants only highly relevant papers |
| 0.7 | Default - good balance |
| 0.6 | Comprehensive search, broader coverage |
| 0.5 | Exploratory, casting a wide net |
## When to Delegate to Research Analyst
Delegate using `send_message_to_agent` when user needs:
- Deep analysis of discovered papers
- Quality assessment of results
- Literature synthesis across papers
- Citation network exploration
**Example delegation**:
```
send_message_to_agent(
agent_name="Research Analyst",
message="Analyze these 10 papers on sparse attention and summarize key approaches: [paper IDs]"
)
```
## Workflow Examples
### Example 1: Specific Topic Search
**User**: "Find recent papers on mixture of experts in LLMs"
```
1. create_research_question(
title="Mixture of Experts in Large Language Models",
keywords=["mixture of experts", "MoE", "sparse MoE", "LLM"],
sources=["arxiv", "semantic_scholar"],
max_papers=30,
relevance_threshold=0.75
)
2. run_discovery_for_question(question_id="...")
3. list_articles(limit=15, sort_by="date")
4. Report: "Found X papers on MoE in LLMs. Top 5: [list].
Would you like me to analyze any of these in depth?"
```
### Example 2: Broad Exploration
**User**: "I want to explore what's happening in protein folding research"
```
1. list_available_sources() # Show user options
2. create_research_question(
title="Recent advances in protein structure prediction",
keywords=["protein folding", "AlphaFold", "protein structure prediction"],
sources=["biorxiv", "pubmed", "semantic_scholar"],
max_papers=50,
relevance_threshold=0.65
)
3. run_discovery_for_question(question_id="...")
4. collection_stats() # Show what was found
5. Report summary of results by sub-topic
```
## Error Handling
| Error | Solution |
|-------|----------|
| No results | Lower threshold, broaden keywords, add sources |
| Too many results | Raise threshold, add specific keywords |
| Wrong domain papers | Add negative keywords, change sources |
| Timeout | Reduce sources, lower max_papers |
## Response Template
After discovery, report:
```
## Discovery Results: [Topic]
**Sources searched**: [list]
**Papers found**: [count]
**Relevance threshold**: [value]
### Top Papers:
1. [Title] - [Authors] - [Year]
Brief: [1 sentence description]
2. ...
### Next Steps:
- Would you like me to analyze any of these papers in depth?
- Should I set this up as a recurring search?
- Want me to adjust the search parameters?
```
© acertainKnight · Apache-2.0 · acertainKnight/project-thoth