К основному содержанию
скилл CX Codex

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

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add acertainKnight/project-thoth --skill paper-discovery -a claude-code
Открыть на GitHub

Что 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 arxiv или pubmed вместо 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 — arxiv и semantic_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-code

2Вручную: положить файлы

~/.claude/skills/paper-discovery/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/paper-discovery/

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

Похожие скиллы

Все скиллы по теме «Наука и исследования» →
deep-research lingzhi227 Скилл deep-research для Claude Code и Codex. Проводит систематический обзор научной литературы по теме: ищет статьи, читает их, собирает базу и пишет итоговый отчёт вместо пары ссылок из поиска. CX Codex +1 2 000установок semantic-scholar wanshuiyin Ищет опубликованные журнальные и конференционные статьи через API Semantic Scholar: метаданные площадки, число цитирований, краткое резюме. CX Codex +1 705установок adamamer20-paper-search-mcp-openai adamamer20 Сервер adamamer20-paper-search-mcp-openai ищет научные публикации и загружает PDF-статьи из arXiv, PubMed, bioRxiv и других баз данных прямо в контекст ассистента. CX Codex +1 ★ 15звёзд репо paper-navigator EvoScientist Скилл paper-navigator для Claude Code ищет научные статьи в S2 и arXiv и читает их на трёх уровнях глубины. Срабатывает на «найди статьи», «связанные работы», «прочитай эту статью». CX Codex +1 374установок semanticscholar-skill Agents365-ai Скилл semanticscholar-skill ищет научные статьи, авторов и цепочки цитирований через Semantic Scholar API. Помогает подбирать публикации и анализировать исследования прямо в чате с агентом. CX Codex +1 3 500установок literature-review collaborative-deep-research Скилл literature-review проводит систематический обзор научной темы: ищет статьи, отсеивает лишнее, разбирает ключевые работы и собирает отчёт по темам. CX Codex +1 746установок

Спонсоры проекта

Компании, которые помогают держать аналитику открытой