qinyan-topic-analysis

沁言学术 - AI选题分析

概述

本技能通过沁言学术OpenAPI大量检索相关文献，结合AI分析能力，为科研人员提供系统化的选题建议。分析涵盖选题方向、研究价值、研究内容概述、研究难点分析以及相关文献推荐。

学术诚信声明： 所有选题建议基于真实检索到的文献进行分析，不捏造文献或研究趋势。建议仅供参考，最终选题决策应结合导师意见和个人研究兴趣。

前置条件

使用前请确保：

1. 已设置 QINYAN_API_KEY 环境变量（前往 https://platform.qinyanai.com/ 申请）
2. 环境中可用 curl 和 python3

export QINYAN_API_KEY="your-api-key-here"

工作流程

第一步：大量检索相关文献

根据用户提供的研究领域/方向，使用 scripts/search.sh 从多个数据库大量检索文献。

检索策略：

• 中文领域：优先万方 + Google Scholar
• 英文领域：优先 Google Scholar + ArXiv/PubMed
• 医学类：必须检索 PubMed（中文query需翻译为英文）
• 理工计算机类：必须检索 ArXiv（中文query需翻译为英文）
• 每个相关数据库至少检索50-100条文献，确保充分覆盖

# 检索示例
bash scripts/search.sh google '{"query": "large language models education", "max_results": 20, "date_from": "2022"}'
bash scripts/search.sh arxiv '{"query": "large language models education", "max_results": 50, "date_from": "2022"}'
bash scripts/search.sh wanfang '{"query": "大语言模型 教育应用", "max_results": 50, "date_from": "2022"}'

搜索脚本参数格式同文献检索skill：

| 数据源 | 命令 | 特殊说明 |

|--------|------|----------|

| Google Scholar | bash scripts/search.sh google '<json>' | 单次最多20条 |

| 万方 | bash scripts/search.sh wanfang '<json>' | 支持中文，1-100条 |

| PubMed | bash scripts/search.sh pubmed '<json>' | 仅英文，1-200条 |

| ArXiv | bash scripts/search.sh arxiv '<json>' | 仅英文，1-100条 |

第二步：文献分析与选题生成

基于检索到的大量文献，分析研究现状、热点趋势、研究空白，生成选题建议。

第三步：输出结构化选题建议

输出格式

对每个推荐的选题，按以下结构输出：

选题建议模板

## 选题方向 [序号]：[选题名称]

### 选题方向
[具体的研究方向和切入点描述]

### 研究价值
[该选题的理论价值和实践意义，为什么值得研究]

### 研究内容概述
[该选题需要研究的主要内容、技术路线或方法框架]

### 研究难点分析
[该选题可能面临的主要技术难点、数据获取困难、方法挑战等]

### 相关文献
[列出5-10篇与该选题最相关的文献，标注来源]
- [1] 作者. 标题. 期刊/会议, 年份. DOI/URL
- [2] ...

分析要求

1. 选题数量：根据文献覆盖面，推荐 3-5 个有差异化的选题方向
2. 选题质量：

• 避免过于宽泛的选题（如"深度学习研究"）
• 避免过于狭窄的选题（如"某个特定数据集上的某个指标提升"）
• 选题应具有创新性，填补已有研究的空白
• 选题应具有可行性，在合理的时间和资源下可完成

1. 文献支撑：每个选题的相关文献必须来自实际检索结果，不得捏造
2. 趋势分析：结合文献的发表时间分布，分析研究趋势
3. 差异化：不同选题之间应有明显差异，覆盖不同的研究视角

示例工作流

用户: 我是计算机专业硕士研究生，想研究大语言模型在教育领域的应用，帮我分析选题

步骤1: 检索文献
- ArXiv: "large language models education" (50条)
- Google Scholar: "LLM education application" (20条)
- 万方: "大语言模型 教育" (50条)

步骤2: 分析文献趋势和研究空白

步骤3: 输出3-5个差异化选题建议，每个包含完整的五要素分析