Loading skill
Install any skill in seconds. Free to start, no credit card required.
Get Started Free →xuzhougeng/bear-scoop
在你投入一个研究方向之前，先看看有谁已经在做同样的事。把 idea 拆成多个不同角度分别去检索，返回一张"邻近程度地图"，重点标出最危险的撞车候选。底层走真实检索（scimaster-cli），不做主观新颖性判断。 **以下情况请主动触发本技能**：用户说"这个选题有没有人做过"、"我会不会被抢发"、"这个方向还有空间吗"、"我的 idea 新不新"、"要不要查一下有没有撞车"、"这个想法是不是已经有人发了"——即使用户没有说"bear-scoop"，只要意图是**在提交或动笔前确认 idea 的独特性**，就使用本技能。加 `-r` flag 只看近两年和预印本，适合担心被抢发的场景。 不适用于：为已有观点找支持文献（用 bear-support）、找反对文献（用 bear-counter）、概念地图（用 bear-map）、溯源演化史（用 bear-trace）。
Passed 12 of 18 test cases with the skill, and 7 of 18 without it.
and 5 more in the full report
7 fixed8 passed either way7 still failing0 broke
Tokens, turns and time describe resource use, not a dollar price.
One of 6 test cases the skill fixed. Same model, same prompt, with and without the skill.
一篇刚收录的文献在四轴评分中得分如下：问题重叠 2 分，方法重叠 2 分，结论重叠 1 分，场景重叠 2 分，总得分 7 分。分析人员认为因为它不是满分 8 分，所以应该放入‘方法孪生’层。请判断其正确的碰撞分层。
| Checked | Without skill | With skill |
|---|---|---|
| Assigns paper with total score 7 and essential axis scores not below 1 to direct collision layer | Missed | Passed |
The instructions your model reads when the skill loads.
一个任务：在你投入之前，看看谁坐在离你最近的位置。抢发你的那组人，用的词往往不是你会用的词——这里从你不会想到的角度去搜。
先读 references/sci-cli.md——CLI 检测步骤、用法和铁律。
再读 references/output-system.md——三层输出体系和 HTML 外壳规范。
-r：只看近一两年和预印本（撞车风险最高的地方）Step 0 — 确认 CLI 可用
运行 sci --version。未安装就给安装命令并停止；认证错误就提示 sci init 并停止。
Step 1 — 压缩 idea 把 idea 提炼成一句话并确认。模糊的 idea 搜出来的是噪音，不是信号。
Step 2 — 分解成 5–6 个正交角度 同一项工作，从不同立场描述：
在输出里明确列出这 5–6 个角度，每个附一行说明和实际使用的查询词。 用户需要看见你从哪些方向搜了，才能判断覆盖是否够全，也能自己补充遗漏的角度。列完后直接开始检索，不等待用户确认（除非 idea 本身太模糊）。
Step 3 — 分角度检索
宽泛角度用 ultra_low（免费），有收获的两三个用 low 复跑。加 -r 时偏向近期结果。每个角度用独立的 --prefix。
Step 4 — 合并去重 按 DOI 或标题去重。
Step 5 — 按邻近程度分四层
test cases passed, vs 7 / 18 without
Published skills whose descriptions closely match this one, with their headline benchmark lift.
More skills from the same source and nearby in the registry, with their headline benchmark lift.