前言¶
做研究或写综述时，常见困境不是找不到 PDF，而是读完后留不下可复用的结构：方法、结论、局限散落在高亮和便签里，多篇之间也难以横向对照。检索工具解决的是「有没有这篇」，后续仍要靠人工整理笔记和对比表。
下面介绍 SkillHub 上的 文献挖掘专家（@user_8d26dabd/literature-mining）。它是一套面向 Agent 的文献阅读方法论工具包，用结构化笔记、文献矩阵和 Gap 识别，把阅读过程固定成可重复的流程，而不是堆链接。
这是什么¶
文献挖掘专家 是社区来源（community）的 Agent Skill，当前版本 v2.0.10，分类为 knowledge-management，由发布者 user_8d26dabd 维护；SkillHub 页面标注作者为刘楠。官方简介概括为：用 结构化笔记 + 文献矩阵 + Gap 识别 帮你读透文献，而不是只「搜到」一堆。
该 Skill 标签为 requires_api_key=false，安装后不需要额外配置 API Key 即可按 Skill 说明使用。
核心功能¶
依据官方简介，可核实的能力包括以下几项（均围绕「读透」而非单纯检索）：
- 结构化笔记：把单篇文献拆成固定字段（如问题、方法、数据、结论等），便于回顾和引用。
- 文献矩阵：多篇文献在同一维度上并排对比，适合综述选题和 Related Work 起草。
- Gap 识别：在已有文献脉络上标出未覆盖的问题、方法或证据空白，为研究方向提供线索。
Skill 基于通用 SKILL.md 格式，由 Agent 读取技能说明后按流程协助你完成上述步骤；具体字段与模板以安装包内 SKILL.md 为准。
安装与启用¶
方式一：SkillHub CLI¶
先确认本机已安装 skillhub（安装方式见 SkillHub 安装文档）。安装技能时必须用 --dir 指向当前 Agent 的 skills 目录，否则默认目录可能不会被识别。
command -v skillhub && skillhub --version
skillhub install user_8d26dabd/literature-mining --dir <skills 目录>
常用目录示例（按你实际使用的客户端选择）：
- Cursor：
~/.cursor/skills/ - Claude Code：
~/.claude/skills/ - Codex：
~/.codex/skills/或项目下的.agents/skills/
安装完成后，按所用客户端要求刷新或重启 Agent，使新 Skill 生效。
方式二：让 AI 按官方指引安装¶
SkillHub 页面提供的安装提示词为：
请根据 https://skillhub.cn/install/skillhub.md，安装 `@user_8d26dabd/literature-mining`。
将上述内容发给支持 Skill 安装的 Agent，由它按文档完成 CLI 检查与 --dir 安装。
典型用法¶
官方未单独给出分步骤教程，典型用法与简介中的能力对应，可在启用 Skill 后向 Agent 说明你的材料与目标，例如：
- 提供一篇或多篇文献（正文、摘要或你自己的摘录），要求按 Skill 中的结构化笔记模板输出单篇卡片。
- 在已有多篇笔记的基础上，要求生成文献矩阵（同一批文献在方法、数据集、结论等维度上的对照表）。
- 在矩阵或笔记汇总后，要求基于现有文献指出研究 Gap，并区分「尚未被验证的假设」与「已被多篇支持的方向」。
每一步应引用你提供的原文或笔记，避免 Agent 脱离材料发挥。若 Skill 包内对工作流有更细的阶段划分，以 SKILL.md 为准。
适用场景与注意¶
适合谁
- 需要系统读文献的研究生、科研工程师、技术写作者。
- 正在写综述、开题或调研报告，需要矩阵化对比和 Gap 梳理的场景。
使用注意
- 输出质量取决于你提供的文献内容与 Skill 内模板；Skill 不能替代阅读原文，也不能保证引文零误差，关键结论应回查原文。
- 社区 Skill，版本与下载量以 SkillHub 为准（截至资料抓取：评分 100000，下载 8378 次）；与页面展示的安装数可能不同步，以商店页面为准。
- 不涉及
requires_api_key时仍可能受 Agent 自身模型与配额限制。
结尾¶
文献挖掘专家把「结构化笔记、文献矩阵、Gap 识别」收进一个可安装的 Skill，适合已经能拿到文献、但缺一套固定阅读流程的人。需要安装或查看详情时，可打开 SkillHub 页面：
- 商店页：https://www.skillhub.cn/skills/user_8d26dabd/literature-mining
- 坐标：
@user_8d26dabd/literature-mining
