Now liveThe Skillselion MCP - thousands of ranked skills, loaded into your agent mid-task. No install.Get it →
fei0810 avatar

Bear Support

  • 59 installs
  • 66 repo stars
  • Updated June 13, 2026
  • fei0810/bear-research-skills

Helps with ai & agent building tasks.

About

bear-support is a Claude Code skill for ai & agent building. It helps solo builders move faster with AI-assisted development.

  • bear-support
  • AI & Agent Building
  • AI-coding skill

Bear Support by the numbers

  • 59 all-time installs (skills.sh)
  • Ranked #6,524 of 16,546 AI & Agent Building skills by installs in the Skillselion catalog
  • Data as of Aug 3, 2026 (Skillselion catalog sync)
npx skills add https://github.com/fei0810/bear-research-skills --skill bear-support

Add your badge

Show developers this skill is listed on Skillselion. Paste this into your README.

Listed on Skillselion
Installs59
repo stars66
Last updatedJune 13, 2026
Repositoryfei0810/bear-research-skills

What it does

Helps with ai & agent building tasks.

Files

SKILL.mdMarkdownGitHub ↗

bear-support · 找支持文献

一个任务:你交来一个观点,它带回真实存在的支持文献。支持来自检索,不来自记忆。

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(TUI / Markdown / HTML)和 HTML 外壳规范。

说明

references.bib 默认生成,包含本次报告所有引用文献。段落模式自动触发,无需加 flag。

步骤(固定顺序)

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。不要跳过。

Step 1 — 提取主张,识别段落模式 从一句话取核心断言。如果输入是含多个独立主张的段落,自动进入段落模式,把每个主张拆开逐一处理。

自动进入段落模式时,告诉用户:"检测到 N 个独立主张,分别检索。"然后直接开始,不等待确认。

给每个主张稳定编号:C1C2C3。后续查询、证据表和未支持主张都要回指这些编号,避免段落模式下混淆。

Step 2 — 检索,并展示查询词 对每个主张执行 sci search,使用 --mode low--limit 10–20--prefix 与主张挂钩。无论主张是否模糊,都在输出里展示实际使用的查询词——用户看到"它搜了什么"才能判断结果是否可信,也方便日后自己调整。

如果主张含义确实模糊(如专有名词有多个完全不同的含义),先用一句话确认再执行。

Step 3 — 读结果、筛支持候选.json,筛出真正支持该主张的候选文献:标题、作者、年份,以及一行"这篇文献如何具体支撑这个观点"(不是摘要复述,是支撑关系)。

筛选时使用四级口径: 1. 直接支撑:研究对象、变量、方向和结论都贴近主张 2. 部分支撑:只支撑机制、人群、条件或某个子主张 3. 间接相关:只能作为背景,不足以支撑核心断言 4. 排除:主题相近但不能支撑,不进入证据表

只把前三类写入证据账本;排除项只在必要时写入检索透明度。

Step 4 — 按支撑强度排序 在每个主张内部:直接证据排最前,相关或部分支持排后。对后者诚实标注"间接支持"或"部分相关"。标注最强的那篇——它是用户最应该优先引用的。

如果没有直接支撑,但有部分支撑,首屏结论必须说清楚"只有部分支撑",不要把部分支撑包装成强支撑。

Step 5 — 没有就说没有 如果检索结果里没有真正支持该主张的文献,直接说"未找到支持文献"并标记该主张。不要把弱相关的文献硬拉进来充数。

输出格式

每篇一块,直接支撑排最前,间接支持排后:

Smith et al. 2023 — "论文标题"
支撑强度 ████████░░ 强
→ 这篇如何具体支持你的主张(一句话)
查询词:sleep memory consolidation

强度对照:强 = ████████░░,中 = █████░░░░░,弱/间接 = ███░░░░░░░ 间接支持在强度后加注 (间接)

未找到支持的主张:[!] [主张] — 未检索到支持文献,单独一行,不混入列表。

末尾一行:首选引用: Smith et al. 2023 — 理由一句话

输出物

检索结束后,在当前目录下创建 {topic-slug}/ 子文件夹,输出四个东西:

1. 终端 — 直接 print 已定义的 TUI 格式 2. `report.md` — 按 output-system.md 的结构化 Markdown 规范生成:稳定 YAML front matter + 一眼结论 + 证据阶梯 + 研究动作建议 + 证据表 + 详细证据 + 检索透明度 + 可复用 JSON 3. `report.html` — 自包含 HTML,按 output-system.md 规范生成 4. `references.bib` — 合并所有 query 生成的 .bib 文件,去重后只保留报告中实际引用的文献条目

HTML 签名体验:证据阶梯,强调色 #16a34a(绿)。文献区按「直接支撑 / 部分支撑 / 间接相关」分 tabs 展示。HTML 组件规范见 output-system.md 的 bear-support 节。

简单查询只给 1–2 条轻量下一步。科研写作场景给具体建议:首选引用放哪、哪些主张需要降调、下一轮补查什么。

Gotchas

  • 部分支撑不要包装成直接支撑:只支撑机制、子人群或背景的文献,在首选引用和首屏判断中都要如实标注局限,不要省略。
  • 段落模式下主张编号要贯穿全文:C1/C2/C3 编号一旦分配,后续证据表、未支持主张、下一步建议都必须回指这些编号,不要在输出中途改变指代方式。
  • 空结果不能删除:某个主张搜不到支持文献是一个信号,必须在报告里保留,不要因为"看起来更完整"而省略。

Related skills

This week in AI coding

Five minutes, every Monday - the tools, releases and tactics for developers.

unsubscribe anytime.