К основному содержанию
скилл CX Codex

survey-generator — скилл для Claude Code: обзор литературы по AI/ML

Скилл survey-generator генерирует структурированный обзор научных статей по теме из AI/ML. Результат — wiki-страница в markdown с библиографией, а не одноразовый HTML.

MIT ★ 2 966 обновлён 2026-09-29

Установить в Claude Code · Через маркетплейс плагинов Все способы и платформы ↓
/plugin marketplace add rohitg00/pro-workflow
/plugin install pro-workflow@pro-workflow
Открыть на GitHub

Что делает survey-generator

Скилл собирает литературный обзор на основе публичного источника — arXiv-статьи, GitHub-списка или блога. Агент строит таксономию темы, распределяет работы по разделам и отправляет задачу выбранной модели (Anthropic, OpenAI, OpenRouter, Fireworks или кастомный провайдер). Итоговая страница попадает в derived/surveys/, библиография — в sources.md, всё индексируется для FTS5-поиска.

Каждая запись в библиографии должна быть реальной работой с указанием конференции или журнала — выдуманные ссылки запрещены. Секции в research_bundle.json ссылаются только на ключи, которые есть в той же библиографии. Если итоговый текст получился слабым, правят не сам markdown, а research_bundle.json — потом генерируют заново, автоматически создавая версию с номером (v2.md, v3.md).

Скилл совместим со скиллом wiki-research-loop: после первого прогона обзор становится стартовой точкой для автоматического расширения библиографии.

Какие задачи решает

  • сгенерировать обзор научной литературы по AI/ML-теме
  • собрать таксономию и структуру темы из публичного источника
  • получить wiki-страницу с библиографией вместо одноразового HTML
  • сравнить качество обзоров у разных провайдеров и моделей
  • подготовить базу для автоматического расширения исследования

Примеры запросов агенту

  • Составь литературный обзор по теме reasoning models, используй как якорь работу с arXiv
  • Построй survey по agentic engineering в wiki ai-agents, возьми 40 источников
  • Сгенерируй deep dive по chain-of-thought методам, провайдер openai, модель gpt-4o

Как установить survey-generator

1Через маркетплейс плагинов

/plugin marketplace add rohitg00/pro-workflow
/plugin install pro-workflow@pro-workflow

Команда ставит плагин pro-workflow целиком, со всеми его скиллами

2Через Skills CLI (Vercel)

npx skills add rohitg00/pro-workflow --skill survey-generator -a claude-code

3Вручную: положить файлы

~/.claude/skills/survey-generator/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/survey-generator/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Вопросы о survey-generator

Как установить survey-generator в Claude Code?

Выполните команды /plugin marketplace add rohitg00/pro-workflow, затем /plugin install pro-workflow@pro-workflow, затем npx skills add rohitg00/pro-workflow --skill survey-generator -a claude-code. Путь к документации — ~/.claude/skills/survey-generator/SKILL.md.

Что делает survey-generator?

Скилл генерирует структурированный литературный обзор по AI/ML-теме. Берёт публичный источник (статью, GitHub-список), строит таксономию и разделы, отправляет задачу LLM и пишет результат в wiki-страницу с индексируемой библиографией.

Какие провайдеры поддерживает survey-generator?

Anthropic, OpenAI, OpenRouter, Fireworks и любые кастомные провайдеры с OpenAI-совместимым API. Провайдер и модель выбираются флагами --provider и --model, дефолтный провайдер берётся из конфигурации.

Исходный текст

SKILL.md · MIT
---
name: survey-generator
description: Compile a structured literature survey on any AI/ML topic. Agent curates a research bundle (taxonomy + sections + bibliography of real papers) from a public anchor resource, then a chosen LLM generates the survey artifact. Output target is a wiki page (markdown), not a one-off HTML — survey lands in `<wiki>/derived/surveys/<slug>.md` with full bibliography rows in `sources.md`. Provider-agnostic (Anthropic/OpenAI/OpenRouter/Fireworks/custom OpenAI-compat). Use when the user asks for a "survey", "literature review", "lit review", or "deep dive" on a technical topic.
user-invocable: true
---

# Survey Generator

Provider-agnostic literature-survey artifact generator. Output flows into a pro-workflow wiki, not a standalone HTML file — survives sessions and indexes for FTS5 retrieval.

## Diff vs dair-academy version

| dair | pro-workflow |
|------|--------------|
| Hardcoded Kimi K2.6 on Fireworks | Provider-agnostic (Anthropic/OpenAI/OpenRouter/Fireworks/custom) |
| Output = single-file HTML with inline SVG | Output = wiki markdown page + bibliography rows in `sources.md` |
| One-off artifact, no follow-up | Persists in FTS5 index; reused by `wiki-research-loop` |
| Manual run only | Composable with `/wiki research` for auto-bibliography expansion |

## When to use

- "Survey on <topic>" / "lit review on <topic>"
- Onboarding a new domain — generate the map-of-the-field
- After a wiki has 10-30 sources, compile a synthesis page over them
- Pre-step before `/wiki research` runs: gives the loop a high-quality seed bundle

## Inputs

| Input | Required | Description |
|-------|----------|-------------|
| `topic` | yes | "Reasoning Models", "Agentic Engineering" |
| `source_url` | yes | Public anchor: arXiv survey, GitHub awesome-list, canonical blog post |
| `--wiki <slug>` | yes | Target wiki for the artifact |
| `--bibliography-size N` | no | Default 20. 40-50 comprehensive, 80-100 exhaustive |
| `--section-count N` | no | Default 6-10 numbered sections |
| `--provider name` | no | Override provider (default: first explicitly configured provider) |
| `--model id` | no | Override model |

## Workflow (the agent runs these in order)

### Step 1 — Read the anchor

`WebFetch source_url`. Extract subtopics + cited papers. For GitHub awesome-lists, walk README + linked papers files. For arXiv survey PDFs, use abstract + ToC.

### Step 2 — Build research_bundle.json

Use `templates/research_bundle.template.json` as scaffold. Required keys:

```json
{
  "topic": "...",
  "anchor_source": "...",
  "abstract_hints": ["..."],
  "taxonomy": [{"branch": "...", "children": [{"name": "...", "description": "..."}]}],
  "sections": [{"title": "...", "guidance": "...", "papers": ["key1","key2"]}],
  "bibliography": [{"key": "author-year-shortname", "authors": "...", "year": 2024, "title": "...", "venue": "...", "summary": "..."}]
}
```

**Hard rules:**
- Every paper in `bibliography` must be real. No invented entries.
- Every `key` referenced in `sections[].papers` must exist in `bibliography`.
- 4-8 taxonomy branches, 2-4 children each.
- 6-10 numbered sections covering: introduction → foundations → methods → evaluation → open problems.

### Step 3 — Run the generator

In a plugin session, call the `providers` MCP server's `run_provider_task` tool with `task: "survey"` and `args: ["--bundle", "/absolute/path/research_bundle.json", "--wiki", "<slug>", "--provider", "openai"]`. Keys come from the plugin configuration dialog. Never request keys in chat or retrieve existing machine credentials.

The direct commands below are for standalone CLI use with explicit `PRO_WORKFLOW_*_API_KEY` variables. See [provider configuration](../../references/provider-configuration.md).

```bash
node $SKILL_ROOT/scripts/build-survey.js \
  --bundle <path-to-research_bundle.json> \
  --wiki <slug> \
  [--provider anthropic|openai|openrouter|fireworks|custom] \
  [--model <id>]
```

Generator:
1. Reads bundle.
2. Sends to LLM with strict markdown spec (numbered sections, inline `[^paper-key]` citations, no HTML).
3. Writes output to `<wiki>/derived/surveys/<topic-slug>.md`.
4. Appends bibliography rows to `<wiki>/sources.md` (deduped by key).
5. Calls `wiki-cli.js page` to upsert into FTS5 index.

### Step 4 — Iterate

If prose is thin: tighten `sections[].guidance` and rerun. Output filename versions automatically (`<slug>-v2.md`, `<slug>-v3.md`).

To compare providers:

```bash
node build-survey.js --bundle bundle.json --wiki agent-memory --provider openai --model gpt-4o
node build-survey.js --bundle bundle.json --wiki agent-memory --provider anthropic --model claude-opus-5-5
```

Each writes a separate versioned file; diff them.

## Output structure

```text
<wiki-root>/
├── sources.md                                 # bibliography rows appended (deduped)
└── derived/surveys/
    └── <topic-slug>-v1.md                     # the survey
        # title (h1)
        # ## 1. Introduction
        # ## 2. Foundations
        # ...
        # ## References
        # [^src-bib-<slug>] author year. title. venue.
```

## Hard rules

1. Never invent bibliography entries — every paper must be a real work with venue.
2. Every section's `papers` array references keys in `bibliography`.
3. Output is markdown ONLY. No HTML, no inline SVG, no JS.
4. Bibliography rows in `sources.md` use the slug-style id `src-bib-<slug>` (derived from the bibliography `key`); cite as `[^src-bib-<slug>]`. Manual non-bibliography sources continue to use `src-NNN`.
5. Iterate on inputs (`research_bundle.json`), not on the generated output.
6. Provider+model selection is the user's call — never hardcode.

## Composing with research loop

```bash
/wiki init reasoning-models --title "Reasoning Models" --flavor research
# Manually compile a research_bundle.json
node skills/survey-generator/scripts/build-survey.js --bundle bundle.json --wiki reasoning-models
# Now the wiki has a structured survey + 50 bibliography rows
# Enable auto-research to expand:
# (edit reasoning-models/wiki.config.md, set auto_research.enabled: true)
node skills/wiki-research-loop/scripts/research-loop.js seed reasoning-models "chain-of-thought failure modes" --depth 0
node skills/wiki-research-loop/scripts/research-loop.js run reasoning-models
```

© Rohit Ghumare · MIT · rohitg00/pro-workflow

Похожие скиллы

Все скиллы по теме «ИИ и ML» →
research-survey EvoScientist Скилл research-survey собирает из найденных статей структурированный обзор поля: план, черновик, расширение по разделам, сравнительные таблицы и ссылки. CX Codex +1 318установок medical-imaging-review luwill Скилл medical-imaging-review для Claude Code помогает планировать и писать обзоры ИИ в медицинской визуализации. Он охватывает поиск, отбор исследований и качественный синтез данных. CX Codex +1 695установок obsidian-literature-workflow Galaxy-Dawn Скилл obsidian-literature-workflow ведёт обзор литературы в хранилище Obsidian: заметки о статьях, синтез, черновик related work и карта связей. CX Codex +1 418установок consensus официальный Consensus Плагин consensus для Codex связывает диалог с базой из 220M+ научных статей. Инструмент составляет обзоры литературы, формирует библиографии и находит пробелы в исследованиях. CX Codex GP ChatGPT ★ 8 052звёзд репо wiki-enrich wanshuiyin Скилл wiki-enrich дописывает разделы с пометкой TODO на страницах статей в research-wiki/papers/, которые оставили скиллы для сбора литературы. CX Codex +1 388установок paper-evidence-distiller franklee16 Скилл paper-evidence-distiller переводит научные статьи из форматов PDF и Markdown в краткие карточки доказательств. Сохраняет ключевые данные и привязывает выводы к разделам оригинала. CX Codex +1 ★ 240звёзд репо

Из того же набора83

Весь набор →
skill-router Скилл skill-router для Claude Code показывает навыки и слэш-команды pro-workflow по задачам и объясняет, как они запускаются. Указывает, с какого элемента pro-workflow начать. CX Codex +1 ★ 2 966звёзд репо permission-analyst Субагент permission-analyst для Claude Code. Анализирует запросы разрешений и отказы, рекомендует правила permissions и записи autoMode — разбирает случаи, когда промпты тормозят работу или авторежим откатывается к подтверждениям. CX Codex ★ 2 966звёзд репо safe-mode Скилл safe-mode защищает проект от разрушительных команд терминала и ограничивает правки одной папкой через хуки Claude Code. CX Codex +1 ★ 2 966звёзд репо wiki-research-loop Скилл wiki-research-loop для Claude Code запускает цикл веб-исследования и пополняет вики страницами по теме. Агент включает его по запросу research <topic>, для роста вики или автоматического исследования. CX Codex +1 ★ 2 966звёзд репо context-engineering Скилл context-engineering задаёт правила управления контекстом в Claude Code через четыре операции: запись, выборку, сжатие и изоляцию рабочих сессий. CX Codex +1 ★ 2 966звёзд репо learn Команда learn показывает советы по работе с Claude Code и сохраняет подтверждённые выводы из сессии. Помогает разобраться с контекстом, режимами и субагентами. CX Codex +1 ★ 2 966звёзд репо pro-workflow Скилл pro-workflow собирает рабочие привычки для ИИ-кодинга: самокоррекцию, параллельные сессии в worktree, ритуал завершения и точки ревью. CX Codex +1 ★ 2 966звёзд репо pro-workflow Плагин pro-workflow добавляет в Claude Code долговременную память на базе SQLite, базу знаний с поиском FTS5 и набор из 23 слэш-команд. ★ 2 966звёзд репо

Спонсоры проекта

Компании, которые помогают держать аналитику открытой