research-superpower
为Claude Code提供系统性文献检索与综述能力的AI工具包。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：research-superpower。 它的用途是：为Claude Code提供系统性文献检索与综述能力的AI工具包。 完整的 Skill 内容见：https://321skill.com/skills/research-superpower/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“查找并综述关于BTK抑制剂选择性的最新论文，重点关注IC50数据。”，它会自动解析你的问题，搜索PubMed，筛选出相关论文，从全文提取IC50等关键数据，并追踪重要引文，最终生成一份结构化的综述报告。
介绍
Research Superpowers是一个专为Claude Code设计的AI技能，旨在解决科研人员在查找、筛选和综述海量学术文献时面临的效率低下、信息过载和流程繁琐的问题。它通过集成PubMed、Semantic Scholar等学术数据库，自动化执行从关键词搜索、摘要评分、全文数据提取到引文追踪的完整文献综述工作流。
用户只需向Claude Code提出一个研究问题，该技能便会自动解析问题、构建筛选标准、搜索相关论文，并对高相关性的文献进行深度数据提取。它还能智能地向前和向后追踪引用网络，确保研究的全面性。
该技能非常适合学术研究者、需要撰写文献综述的高校学生以及需要快速了解特定领域技术前沿的产品经理或分析师。它极大地减轻了人工查阅和整理文献的负担。
使用建议：对于大型系统性综述，建议先使用其‘构建筛选标准’功能明确相关性定义。注意，该技能专注于文献检索与信息提取，不包含实验数据分析或实验设计功能，需配合其他工具完成完整研究。
核心特点
与通用文献搜索工具不同，它深度集成了完整的系统性文献综述工作流，从搜索、筛选、数据提取到引文追踪和结果合成全部自动化，并特别集成了ChEMBL数据库用于快速判断药物化学论文是否包含结构-活性关系数据。
注意事项
不适合进行实验数据分析、实验设计或处理非学术性的网络信息。
常见问题
这个技能能帮我分析实验数据吗？
不能，它专注于文献的查找、筛选和信息提取，不包含数据分析功能。
支持哪些数据库？
主要支持PubMed和Semantic Scholar，并集成ChEMBL用于药物化学数据查询。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/research-superpower/raw/index.md 读取 research-superpower 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/research-superpower/raw/index.md（查看排版版本）