research-lookup
Ajuda seu agente a coletar informações e referências para artigos científicos. Ele busca evidências atuais e pesquisas relacionadas. É útil para pesquisadores que precisam compilar literatura para seus trabalhos.
O que ela faz
Esta ferramenta ajuda a encontrar e organizar informações científicas para escrever artigos e relatórios de pesquisa. Ela busca evidências acadêmicas, referências e dados que apoiam ou contradizem uma afirmação científica.
Quando usar
- ✓Precisa de referências acadêmicas para um artigo científico.
- ✓Quer encontrar estudos que apoiem ou refutem uma hipótese.
- ✓Está montando um resumo de pesquisa com base em evidências atuais.
Exemplo do que pedir para a IA
“Procure evidências científicas sobre o impacto da inteligência artificial na educação infantil.”
Quer saber mais? Abra as seções abaixo.
Como usar
O jeito mais fácil: copie a mensagem abaixo e cole no Claude, ChatGPT, Cursor ou outra IA. Ela lê a skill e segue as instruções.
Link da skill
Mensagem pronta para colar
Como funciona
A ferramenta busca em várias fontes acadêmicas, como artigos e revisões, para coletar informações relevantes. Ela organiza essas informações em um pacote de pesquisa pronto para ser usado.
Instalação
Jeito mais fácil: copie o link da skill e cole no Claude, ChatGPT ou Cursor pedindo para seguir as instruções.
No terminal (Claude Code, Codex, Cursor), na pasta do projeto:
npx skills add K-Dense-AI/scientific-agent-skills --skill research-lookupOu baixe só o arquivo:
curl -L https://raw.githubusercontent.com/K-Dense-AI/scientific-agent-skills/main/skills/research-lookup/SKILL.md -o SKILL.mdConteúdo técnico (SKILL.md)
Tradução do texto original do autor no GitHub. Os comandos e códigos estão como no original.
Pesquisa de Referências
Compile a evidência externa necessária para planejar e escrever um manuscrito científico de alta qualidade. O fluxo de trabalho acadêmico padrão visa 60 referências verificadas e únicas e produz um pacote de pesquisa pronto para manuscrito em vez de uma lista solta de links. Aqui verified_references conta a recuperação bem-sucedida de trechos de Extração não vazios, excluindo retratações sinalizadas. Isso não estabelece identidade bibliográfica, reivindica suporte, revisão por pares ou ausência de correções; isso requer revisão da fonte.
Escopo e limites
Use esta habilidade quando o usuário explicitamente desejar:
- pesquisa de literatura e de fundo para um manuscrito
- muitas referências acadêmicas de alta qualidade
- evidências que apoiam ou contradizem uma afirmação científica
- uma matriz de evidências estruturada ou um mapa de afirmação para fonte
- estudos atuais, precedentes de métodos, mecanismos, limitações ou lacunas de pesquisa
Não a ative para perguntas factuais casuais que não precisam de pesquisa, material privado ou não publicado, ou uma afirmação que possa ser respondida a partir de arquivos fornecidos pelo usuário. O texto da consulta é enviado para o Parallel. Ele é enviado para o OpenRouter apenas quando o Perplexity é explicitamente selecionado ou quando o usuário habilita esse fallback.
Esta habilidade compila evidências externas. Ela não pode fornecer os dados de estudo não publicados do usuário, decidir o que seus Resultados mostram, ou garantir a completude da revisão sistemática. Para uma revisão sistemática no estilo PRISMA, use literature-review para protocolos, pesquisa específica de banco de dados, triagem, motivos de exclusão e risco de viés.
Roteamento com Parallel primeiro
| Necessidade | Backend | Seleção |
|---|---|---|
| Literatura de manuscrito e referências | Parallel Search + Extract | Padrão; use --academic |
| Pesquisa rápida na web com limites | Parallel Search | Use --no-academic |
| Relatório profundo/exaustivo de múltiplas fontes | Parallel Research | --force-backend research explícito |
| Síntese compatível com OpenAI com base em pesquisa | Parallel Chat | --force-backend chat explícito |
| Pesquisa acadêmica alternativa opcional | Perplexity via OpenRouter | Fallback explícito ou habilitado |
Comportamento importante de compatibilidade:
- Uma consulta de script simples usa Parallel Search. Chat Completions permanece disponível apenas através de seleção explícita de backend.
--force-backend parallelpermanece um alias para Parallel Research explícito.- Palavras-chave acadêmicas selecionam a estratégia acadêmica Parallel de múltiplos passes; elas não mudam silenciosamente o provedor para Perplexity.
--batch,--json,-o/--output, a classeResearchLookup, a saída de progresso e o envelope de resultado existente continuam suportados.
Fluxo de trabalho recomendado para manuscritos
1. Capturar o contexto do manuscrito
Use o contexto disponível do usuário para restringir a recuperação:
- pergunta de pesquisa ou hipótese
- tipo de estudo
- população ou sistema biológico/técnico
- intervenção ou exposição
- comparador
- desfechos
- área e intervalo de datas
- revista alvo, se conhecida
O script aceita um objeto JSON através de --context-file. Não invente detalhes de estudo ausentes. Um tópico simples é suportado, mas o pacote sinalizará os resumos de suas seções como amplos.
Exemplo:
{
"research_question": "How does intervention X affect outcome Y?",
"study_type": "prospective cohort",
"population": "adults with condition Z",
"exposure": "intervention X",
"comparator": "standard care",
"outcomes": ["primary outcome Y", "adverse events"],
"field": "clinical epidemiology",
"target_journal": "Journal Name"
}
2. Executar o pipeline de evidências acadêmicas
Da raiz do repositório (execução ilustrativa de serviço pago; revise seu escopo primeiro):
python skills/research-lookup/scripts/research_lookup.py \
"Evidence relevant to the manuscript's research question" \
--academic \
--target-references 60 \
--context-file manuscript-context.json \
--packet-dir sources/manuscript-research \
--json
O pipeline acadêmico executa passes de advanced Search com limites para:
- estudos primários recentes revisados por pares
- revisões sistemáticas, meta-análises e evidências de consenso
- publicações seminais e fundamentais
- métodos, protocolos, validação, benchmarks e mecanismos
- evidências contraditórias, nulas, negativas, de replicação e de limitação
- uma pesquisa complementar irrestrita quando os passes filtrados não atingem o alvo
Ele prioriza PubMed/PMC, Europe PMC, Crossref, OpenAlex, Semantic Scholar, arXiv/bioRxiv/medRxiv, grandes revistas e fontes institucionais autoritativas. Filtros de domínio não são tratados como exaustivos; o passe complementar reduz pontos cegos.
…
Perguntas frequentes
Quantas referências a ferramenta busca por padrão?
Por padrão, ela busca 60 referências únicas e verificadas.
O que significa 'referências verificadas'?
Significa que a ferramenta conseguiu recuperar o conteúdo dos artigos, mas você ainda precisa verificar a identidade bibliográfica e a validade do conteúdo.
Posso usar esta ferramenta para perguntas gerais?
Não, ela é específica para pesquisa científica e não deve ser usada para perguntas casuais que não exigem pesquisa aprofundada.
Detalhes
Descrição original do autor
Compiles current scholarly evidence for a scientific manuscript or research brief when the user explicitly asks to gather literature, references, background evidence, competing findings, or a manuscript research packet. Uses Parallel Search by default, Parallel Extract for source retrieval, Parallel Research for explicitly deep/exhaustive work, optional explicit Parallel Chat, and optional Perplex
Popularidade
- Estrelas no GitHub
- 51 mil
- Posição no ranking
- #1965
- Licença
- MIT
- Atualizada em
- 15/10/2026
Comentários
- …
Mais skills deste repositório
13c-metabolic-flux
Estima fluxos metabólicos usando dados de rastreamento de isótopos de carbono-13. É útil para analisar o metabolismo celular e vias bioquímicas.
K-Dense-AI/scientific-agent-skills
adaptyv
Projeta experimentos de caracterização de proteínas usando a API Adaptyv. Ele ajuda a estimar custos, enviar sequências e monitorar resultados de laboratório.
K-Dense-AI/scientific-agent-skills
aeon
Realiza tarefas de aprendizado de máquina em séries temporais. É útil para classificar, prever, detectar anomalias e encontrar padrões em dados sequenciais.
K-Dense-AI/scientific-agent-skills
alphagenome
Consulta efeitos genômicos pré-calculados para variantes genéticas. Ele fornece pontuações e explicações para entender o impacto das variantes no genoma.
K-Dense-AI/scientific-agent-skills
Skills parecidas
deep-research
Faz seu agente pesquisar tópicos a fundo, reunindo informações de várias fontes. Ele cita as fontes e indica o nível de confiança. Ideal para análises detalhadas ou investigações.
affaan-m/ECC
research-ops
Permite que seu agente busque fatos e informações atuais. Ele usa pesquisas públicas e o contexto que você fornece para dar respostas baseadas em evidências.
affaan-m/ECC
scientific-thinking-literature-review
Ajuda seu agente a fazer revisões sistemáticas de literatura científica. É útil para compilar e entender pesquisas sobre um tema.
affaan-m/ECC