research-topic-extractor

# Research Topic Extractor ## BenszAPI 任务工作区 本 Skill 的新任务中间文件统一写入 `./.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/{skill名}/input|output|log/`。同一任务复用一个任务根目录；多 Skill 协作才创建 `shared/`。正式交付物不写入该目录，历史隐藏目录只允许显式兼容读取、迁移或清理。 ## 与 bensz-collect-bugs 的协作约定 - 当用户环境中出现因本 skill 设计缺陷导致的 bug 时，优先使用 `bensz-collect-bugs` 按规范记录到 `~/.bensz-skills/bugs/`，严禁直接修改用户本地 Claude Code / Codex 中已安装的 skill 源码。 - 若 AI 仍可通过 workaround 继续完成用户任务，应先记录 bug，再继续完成当前任务。 - 当用户明确要求“report bensz skills bugs”等公开上报动作时，调用本地 `gh` 与 `bensz-collect-bugs`，仅上传新增 bug 到 `huangwb8/bensz-bugs`；不要 pull / clone 整个 bug 仓库。 ## 定位 - 从文件、图片、网页、文件夹或自然语言描述中提取结构化综述主题。 - 输出直接服务 `research-literature-review` 或其他文献综述工作流。 - 兼容旧名 `get-review-theme` 的 prompt 触发；系统级旧目录由安装器清理。 - 最高原则：主题要可操作、关键词要能检索、核心问题要具体。 ## 输入 必需： - `{输入源}`：文件路径、URL、文件夹路径、图片路径，或直接文本描述 可选： - `{输出格式}`：`text` / `yaml` / `json`，默认 `text` ## 输出 始终包含三项： - `主题` - `关键词` - `核心问题` 格式由用户选择： - `text` - `yaml` - `json` ## 工作流 ### 1. 识别输入类型 - 自然语言描述 - 图片 - URL - 文本文件 - PDF - Word - 文件夹 ### 2. 提取内容 - 自然语言：直接使用 - 图片：依赖 LLM 原生视觉能力 - URL：优先网页读取工具，失败则请用户提供正文 - 文本 / PDF / Word：直接读取 - 文件夹：递归扫描并合并 `.md/.txt/.pdf` 等核心材料 原则： - 优先用宿主原生能力和现有标准工具 - 工具不可用时优雅降级，不额外引入脚本依赖 ### 3. 语义提取 围绕以下任务输出： - 用一句话概括主题 - 提取 5-10 个英文标准术语 - 提取 2-5 个具体研究问题或挑战 ### 4. 格式化 - `text`：适合直接复制给下游 skill - `yaml` / `json`：适合结构化衔接 ## 质量要求 - 主题要包含研究对象与核心问题或方法 - 关键词优先用标准检索术语 - 核心问题必须具体，避免“意义重大/挑战很多”这种空话 ## 错误处理 - 文件不存在：提示用户改路径或直接粘贴内容 - 格式不支持：提示转换 - 内容提取失败：让用户手动提供文本 - URL 解析失败：让用户复制网页正文或提供 PDF - 图片语义不清：请用户补一句描述 #...