Synthèse automatique
Ce skill vérifie si une idée de recherche a déjà été publiée en extrayant ses revendications techniques clés, en interrogeant arXiv, Google Scholar et Semantic Scholar, puis en produisant un rapport de nouveauté structuré avec un score et une recommandation.
Points forts
- Décompose l'idée en 3 à 5 revendications techniques distinctes et évalue la nouveauté de chacune séparément
- Multiplie les sources et les formulations de requêtes (au moins trois par revendication) avec un filtre sur 2024-2026 et un contrôle des six derniers mois sur arXiv
- Ajoute une vérification croisée par un second modèle (gpt-5.4 via spawn_agent) pour challenger les conclusions
- Livrable directement exploitable : tableau des travaux les plus proches, score sur 10, recommandation PROCEED / CAUTION / ABANDON et suggestion de positionnement
Limites
- Dépend fortement de la qualité des résultats de WebSearch et WebFetch ; les bases de données fermées (paywall) ne sont pas couvertes
- La liste des conférences (ICLR, NeurIPS, ICML) est codée en dur et devra être mise à jour à chaque saison
- Nécessite un agent Codex secondaire configuré avec un modèle OpenAI ; sans cela, la phase de vérification croisée est absente
- Le score de nouveauté reste un jugement subjectif du modèle, pas une preuve d'antériorité
À utiliser avant d'investir des semaines dans l'implémentation d'une méthode de recherche, pour repérer les travaux antérieurs qu'un relecteur citerait contre vous.
Ne pas l'utiliser comme substitut à une vraie revue de littérature exhaustive ou pour une recherche juridique de brevets, ni lorsqu'aucun accès web ou agent secondaire n'est disponible.
Analyse de sécurité
SûrThe skill instructs literature search and cross-model verification using WebSearch, WebFetch, and a secondary agent. It does not perform destructive, exfiltrating, or obfuscated actions. No risky shell commands or token exfiltration are present. The only minor operational note is that referenced tools are not declared in allowed-tools, but this is not a security risk.
Aucun point d'attention détecté
Comment cette analyse est faiteExemples
Novelty check: I want to combine a diffusion prior with sparse-view 3D reconstruction and add a test-time consistency loss. Has anyone done this already?查新:我的方法是在 LLM agent 上用分层记忆压缩长对话,同时用一个 reward model 做检索路由,有没有人做过?check novelty of this experimental setting — evaluating reasoning models on cross-lingual math benchmarks with a translated chain-of-thought protocol. Is the setting itself novel or just the finding?name: "novelty-check" description: "Verify research idea novelty against recent literature. Use when user says "\u67e5\u65b0", "novelty check", "\u6709\u6ca1\u6709\u4eba\u505a\u8fc7", "check novelty", or wants to verify a research idea is novel before implementing."
Novelty Check Skill
Check whether a proposed method/idea has already been done in the literature: $ARGUMENTS
Constants
- REVIEWER_MODEL =
gpt-5.4— Model used via a secondary Codex agent. Must be an OpenAI model (e.g.,gpt-5.4,o3,gpt-4o)
Instructions
Given a method description, systematically verify its novelty:
Phase A: Extract Key Claims
- Read the user's method description
- Identify 3-5 core technical claims that would need to be novel:
- What is the method?
- What problem does it solve?
- What is the mechanism?
- What makes it different from obvious baselines?
Phase B: Multi-Source Literature Search
For EACH core claim, search using ALL available sources:
-
Web Search (via
WebSearch):- Search arXiv, Google Scholar, Semantic Scholar
- Use specific technical terms from the claim
- Try at least 3 different query formulations per claim
- Include year filters for 2024-2026
-
Known paper databases: Check against:
- ICLR 2025/2026, NeurIPS 2025, ICML 2025/2026
- Recent arXiv preprints (2025-2026)
-
Read abstracts: For each potentially overlapping paper, WebFetch its abstract and related work section
Phase C: Cross-Model Verification
Call REVIEWER_MODEL via spawn_agent (spawn_agent) with xhigh reasoning:
reasoning_effort: xhigh
Prompt should include:
- The proposed method description
- All papers found in Phase B
- Ask: "Is this method novel? What is the closest prior work? What is the delta?"
Phase D: Novelty Report
Output a structured report:
## Novelty Check Report
### Proposed Method
[1-2 sentence description]
### Core Claims
1. [Claim 1] — Novelty: HIGH/MEDIUM/LOW — Closest: [paper]
2. [Claim 2] — Novelty: HIGH/MEDIUM/LOW — Closest: [paper]
...
### Closest Prior Work
| Paper | Year | Venue | Overlap | Key Difference |
|-------|------|-------|---------|----------------|
### Overall Novelty Assessment
- Score: X/10
- Recommendation: PROCEED / PROCEED WITH CAUTION / ABANDON
- Key differentiator: [what makes this unique, if anything]
- Risk: [what a reviewer would cite as prior work]
### Suggested Positioning
[How to frame the contribution to maximize novelty perception]
Important Rules
- Be BRUTALLY honest — false novelty claims waste months of research time
- "Applying X to Y" is NOT novel unless the application reveals surprising insights
- Check both the method AND the experimental setting for novelty
- If the method is not novel but the FINDING would be, say so explicitly
- Always check the most recent 6 months of arXiv — the field moves fast
Du fichier au premier essai
Le téléchargement contient exactement le contenu affiché sur cette fiche. Cette copie peut différer de la dernière version du dépôt source.
Consulter la source et ses fichiers annexesCe téléchargement contient uniquement SKILL.md. Les scripts, références, modèles et dépendances éventuels ne sont pas inclus. Récupérez les fichiers nécessaires depuis la source en conservant leur arborescence avant de poursuivre.
1. Télécharger le fichier
Télécharger SKILL.mdDepuis la racine d’un projet de test, enregistrez le fichier sous .skill-downloads/novelty-check-mrwakcus/SKILL.md, ou utilisez la commande suivante. Ce dossier sert à examiner la skill avant son installation.
Commande pour macOS/Linux ou WSL : un shell POSIX et curl sont nécessaires. Sous Windows sans WSL, utilisez le bouton de téléchargement et créez le dossier manuellement.
mkdir -p '.skill-downloads/novelty-check-mrwakcus' && curl --fail --show-error --location 'https://skills-guides.com/api/skills/novelty-check-mrwakcus/download' --output '.skill-downloads/novelty-check-mrwakcus/SKILL.md.part' && mv '.skill-downloads/novelty-check-mrwakcus/SKILL.md.part' '.skill-downloads/novelty-check-mrwakcus/SKILL.md'2. Vérifier les prérequis
Lisez SKILL.md avant de l’utiliser. Si le fichier cite des scripts ou services externes, examinez-les et préparez les accès nécessaires dans votre environnement de test.
Aucune section de prérequis reconnue dans ce fichier. Cela ne signifie pas qu’il est autonome : les bibliothèques, outils et accès peuvent être cités ailleurs dans le contenu ou dans le dépôt source.
Les plateformes de la fiche sont des indications du catalogue. Les chemins ci-dessous suivent la documentation des outils ; ils ne prouvent pas que cette skill y a été exécutée. Aucune version minimale de ces outils n’est attestée pour cette fiche.
3. Charger la skill
Après vérification, copiez le dossier complet dans le projet avec l’une des commandes ci-dessous, puis ouvrez une nouvelle session de l’outil. La commande s’arrête si un dossier du même nom existe déjà : comparez les fichiers avant de le remplacer.
Claude Code
test -f '.skill-downloads/novelty-check-mrwakcus/SKILL.md' && test -s '.skill-downloads/novelty-check-mrwakcus/SKILL.md' && mkdir -p '.claude/skills' && test ! -e '.claude/skills/novelty-check' && cp -R '.skill-downloads/novelty-check-mrwakcus' '.claude/skills/novelty-check'Codex
test -f '.skill-downloads/novelty-check-mrwakcus/SKILL.md' && test -s '.skill-downloads/novelty-check-mrwakcus/SKILL.md' && mkdir -p '.agents/skills' && test ! -e '.agents/skills/novelty-check' && cp -R '.skill-downloads/novelty-check-mrwakcus' '.agents/skills/novelty-check'OpenSkills
OpenSkills doit déjà être installé. La procédure locale install/read est contrôlée avec OpenSkills 1.5.0, qui exige Node.js ≥ 20.6.0. Aucun slug du catalogue n’est résolu automatiquement.
Installation officielle d’OpenSkillsopenskills install './.skill-downloads/novelty-check-mrwakcus'openskills read 'novelty-check-mrwakcus'La lecture doit afficher le contenu du fichier installé et son dossier de base. Elle ne lance ni la skill ni ses dépendances.
Pour un agent qui lit AGENTS.md, synchronisez ensuite l’index. Cette commande modifie AGENTS.md : relisez le diff avant de l’utiliser.
openskills syncMode manuel ou autre outil : joignez SKILL.md à une conversation, ou ouvrez-le dans un agent capable de lire les fichiers. Ajoutez les ressources annexes nécessaires. Il n’existe pas de dossier universel reconnu par tous les outils.
4. Faire un premier essai
Utilisez une entrée courte et fictive : un endpoint d’API, un petit document ou un brief d’interface. Dans une nouvelle conversation, joignez le fichier ou donnez son chemin à l’agent, puis adaptez cette demande :
Lis .skill-downloads/novelty-check-mrwakcus/SKILL.md et applique ses instructions à cet exemple : [décrire une entrée de test]. Indique les fichiers, dépendances ou accès qui manquent. Produis le résultat demandé par la skill sans inventer de données ni exécuter de script non examiné.Résultat attendu : une sortie correspondant aux instructions de la skill, ou une liste précise des prérequis manquants. Une simple confirmation de lecture ne valide pas le premier usage. Si une ressource externe est indisponible, ce parcours reste à tester.
Créer des cartes interactives avec kepler.gl
Data & IA
Création de cartes interactives et export HTML autonome avec le package Python keplergl, à partir de données géospatiales (DataFrame, GeoJSON, CSV).
Optimisation de paramètres par agent
Data & IA
Guide d'optimisation de systèmes configurables avec objectif mesurable, via des essais bornés et une recommandation fondée sur des preuves.
Relance des visiteurs ICP
Data & IA
Identifiez les utilisateurs inscrits correspondant au profil client idéal mais qui n'ont pas activé, et rédigez des messages de relance personnalisés pour les réengager.