MaryCache/imozuru

功能概述

imozuru 是一个由 Claude 驱动的“技能”，帮助你对不熟悉的主题进行深入、以来源优先的研究。它不是让 LLM 去总结几个排名靠前的网页，而是构建一个包含关键术语、有影响力的人物和知识中心的关键词研究地图，然后追踪引用、链接和作者，直到收集到原始文档（论文、博客文章、视频等）。原始文本被原样保存；该工具只指向每个主张证据所在的确切文件和行号，最终判断由你来做。

工作原理

1. 提示 – 你给 Claude 一个自然语言请求，例如：“芋づる式に調べて: Gaussian Splattingって何か”。
2. 地图创建 – 两个并行的搜索代理爬取网络，收集词汇、专家和平台。他们的发现写入 map.md。
3. 引用追踪 – 使用 OpenAlex API（无需密钥），代理追踪参考文献、被引链接和作者页面，将原始来源获取到 sources/。
4. 停止条件 – 当每个期望的主张都有来源支持（HALT 条件）或当新发现材料的 70% 与现有地图重叠（饱和）时，过程停止。
5. 提取 – 对于每个主张，从来源中提取精确片段；report.py 验证片段与保存文件中的行号匹配。
6. 输出 – 在 ~/research/<topic>/ 下创建目录结构，包含：
   • map.md – 研究地图和进度日志
   • log.md – 每周尝试内容及成功/失败原因的笔记
   • sources/ – 原始 PDF、HTML 转换的 Markdown、YouTube 字幕等
   • extracts.json 和 report.html – “抜き書き”（提取）页面，列出每个主张及其支持摘录。

为什么重要

• 来源优先的严谨性 – 通过拒绝过早总结，它避免了“过早闭合”（Kuhlthau 1991），确保你在形成结论前看到原始证据。
• 混合学术与灰色文献搜索 – 同样适用于学术领域（arXiv、PDF）和从业者为主的领域（Qiita、Zenn、YouTube），在这些领域最佳知识存在于博客和视频中。
• 透明的来源 – 每个主张都关联到具体的文件和行号，使研究可审计且可复现。
• 模块化、开源 – 使用纯 Python 3.10+ 实现，仅依赖可选外部工具（pdftotext、yt-dlp、ax 等）。可通过 Vercel Skills CLI 添加到 Claude。

适用人群

• 需要对不太了解的主题进行深入、可验证背景的研究人员、工程师或爱好者。
• 对可能遗漏关键细微差别的 LLM 生成摘要感到不安的人。
• 希望拥有可复现的“研究笔记本”，记录每个论点由哪些主要来源支持的团队。

快速开始

# 作为 Claude 技能安装
npx skills add MaryCache/imozuru
# 或手动复制
cp -r skills/imozuru/ ~/.claude/skills/imozuru/

确保你拥有 Python 3.10+，并可选安装：

• pdftotext（poppler 或 Xpdf）用于 PDF 提取
• yt-dlp 用于 YouTube 字幕
• ax 用于 HTML 转 Markdown
• tesseract + pdftoppm 用于扫描 PDF 的 OCR

然后在 Claude Code 中直接询问：

芋づる式に調べて: Gaussian Splattingってよく聞くけど全然わからない。論文とか解説の流れを掘ってほしい

该技能将创建一个类似 ~/research/GaussianSplatting/ 的文件夹，包含地图、来源和 HTML 报告。

---

许可证： MIT – 你可以自由修改和重新分发该技能（但请尊重所收集源文档的版权）。