Skip to content
Conduit

skill

bibliometric-review-skill

把文献计量图谱变成有依据的综述。A Codex skill for reproducible bibliometric reviews: search design, metadata audits, science mapping and evidence-backed writing.

JmAN-2003/bibliometric-review-skillcommunitylistedunreviewed
Use skill

Set up

Skills are installed by placing their folder where your agent loads skills.

Download ZIP from GitHub Open the repository

The download comes from github.com/JmAN-2003/bibliometric-review-skill itself, not from our server, so what you get is exactly what its author published.

Install instructions come from the README

Skills do not use an MCP config. Follow the steps in the README below.

README

synced Oct 22, 2026

Bibliometric Review Skill

把文献计量图谱，变成有依据的综述。

为 Codex 准备的文献计量综述工作流：检索设计、数据审计、知识图谱解释与论文写作。

Checks License: MIT Python audit: standard library Release: public preview

快速开始 · 下载 skill · 查看示例 · English

你可能已经有了选题、几批 WoS 数据，或一张 CiteSpace 聚类图。这个 skill 帮你回答下一步的问题：

  • 检索范围能否支撑研究问题，关键文献有没有漏掉？
  • 数据字段和导出批次是否完整，哪些分析现在可以做？
  • 聚类、突现和中心性分别能说明什么，结论还缺哪些原文证据？
  • 如何把数值、图谱与代表文献组织成可复核的综述？

它把方法选择、审计脚本和写作检查放进同一个工作流，适合从第一篇文献计量综述起步，也适合检查已有图表和初稿。

你会得到什么

你现在有什么skill 帮你推进到哪里
一个研究主题研究问题、已有综述差异、检索协议与最小分析方案
WoS / Scopus 导出文件批次、缺失字段、异常值与重复候选审计
CiteSpace / bibliometrix 图表参数核对、指标解释、代表文献阅读与结论边界
一份论文初稿按严重程度排列的修改意见，以及证据支持的改写
flowchart LR
    A[研究问题] --> B[检索协议]
    B --> C[数据审计与清洗]
    C --> D[计量分析]
    D --> E[代表文献综合]
    E --> F[可复核的综述]

快速开始

1. 安装到 Codex

先克隆仓库，然后运行安装工具。Python 需 3.10 或以上。

git clone https://github.com/JmAN-2003/bibliometric-review-skill.git
cd bibliometric-review-skill
python tools/install_skill.py

macOS / Linux 如只有 python3，将命令中的 python 换为 python3。安装器使用 CODEX_HOME/skills，未设置时使用 ~/.codex/skills；遇到同名 skill 会停止，不覆盖已有文件。

也可以从 v0.1.0 下载包 解压，把 bibliometric-review 文件夹手动复制到该目录。打开新会话载入 skill 后调用。

2. 给它一个具体任务

使用 $bibliometric-review。
我要研究“高光谱成像在肉品品质评价中的应用”。
先判断研究问题与已有综述的差异，制定可验证的检索策略、
纳排规则和最小分析方案。尚未实际检索的内容请明确标注。

已有文件时：

使用 $bibliometric-review，检查我提供的 WoS 导出数据。
先审计批次、年份、参考文献字段与重复候选，再判断哪些分析可以做。
保存问题清单和处理账本，不把缺失引用数当作零引用。

更多任务见 示例与预期交付。

3. 先体验一次零依赖数据审计

不需要 R 或数据库账号，也可以运行 Python 审计演示：

python skills/bibliometric-review/scripts/audit_metadata.py --input examples/synthetic-records.csv --out demo-audit

演示数据全部为人工构造的测试记录，含重复、缺失和异常值。你会得到 JSON 报告，以及字段缺失、异常记录、重复候选和来源索引 CSV。输出目录应新建或为空。

工具保留所有输入记录；重复候选需要核查，不自动删除。生成的年度计数包含尚未解决的候选，不能直接当成研究结果。

包含哪些方法与工具

  • 研究设计与检索：数据库/索引、同义词、字段、时间窗、关键文献召回、纳排与日志。
  • 数据准备：批次追溯、显式去重、作者/机构消歧、关键词规范、引用快照和计数口径。
  • 计量方法：描述统计、合作网络、共词/聚类、共被引、文献耦合、突现与主题演化；按问题选用 bibliometrix、CiteSpace 或其他工具。
  • 内容综合与写作：代表文献证据矩阵、结论账本、论文结构和过度推断检查。
  • 可运行辅助工具：R 批次导入、Python CSV 审计、R 描述分析起点、项目协议模板。

Skill 入口 · 方法选择 · 项目协议模板

能力范围与验证状态

模块当前状态
Skill 结构、资源链接和中文编码已检查；仓库提供自动校验
Python 审计工具标准库实现；仓库含行为测试和合成示例
R 导入与描述分析已核对示例产出；原测试环境退出异常，仍需在使用环境验证
CiteSpace 图谱提供方法/参数指导与结果审查；未提供 GUI 自动化
数据库检索可设计策略；实际执行取决于使用者账号、权限和可用工具

R 导入工具覆盖 WoS BibTeX/plaintext、Scopus BibTeX/CSV；CNKI、PubMed 等在方法指导范围内，不能直接交给该导入脚本。Python 工具读取规范 CSV，不直接解析 BibTeX/RefWorks。完整记录见 验证说明。

本项目是研究辅助工作流。被引量、中心性和突现提供不同的信号；核心解释仍需代表文献阅读，数据和结论由研究者核验。它没有发表保证，也不会把计量图谱直接写成干预效果证据。

参与改进

欢迎提交 Issue 或 PR，尤其是：

  • 可复现的导入/审计问题与去标识的最小示例；
  • 不同版本 bibliometrix、CiteSpace 的操作差异；
  • 更清晰的术语、方法解释或真实使用反馈。

请勿在 Issue 中上传账号凭据或受限数据库全文。贡献方式见 CONTRIBUTING。如果它帮助你把研究做得更清楚，欢迎 Star 或分享给同学、课题组。

来源与许可

本项目基于文献计量教学材料的方法主线重新组织，并补充数据审计、证据追溯和解释边界。原始讲义、论文全文和数据库导出不随仓库分发；方法出处见 来源说明。

原创代码和说明采用 MIT License。bibliometrix、CiteSpace、数据库及所引用文献分别遵循其自身许可和使用条款。

↑↓ navigate openesc close