用途：识别研究空白、综合跨学科知识、生成新颖科学假设，适用于“本领域有哪些开放问题”“X 与 Y 领域是否有关联”“A 领域发现如何用于 B 领域”等探索性提问，以及跨学科头脑风暴。
主要能力：提供四种发现模式。研究空白识别按已有知识、矛盾、证据不足、方法缺口、人群/情境缺口、转化缺口系统梳理，输出含 Gap、Evidence、Significance、Feasibility、Suggested Approach 的结构。跨学科综合通过类比推理、方法迁移、概念桥接、数据复用、工具适配寻找联系。新颖性评估将方向分为增量、组合、变革、颠覆四类，并按新颖性、可行性、影响潜力、风险各 1-5 分打分。偶然发现引擎从无关领域引入发现、识别结构或功能类比、提出可检验联系并建议最小验证实验。
使用方式：按“观察异常/缺口→跨学科检索→识别类比与联系→形成假设→评估新颖性与可行性→设计验证实验→记录以备同行评审”的工作流推进。可借助 networkx-social 构建研究知识图谱，用 spacy-nlp 抽取基因、蛋白、化合物、疾病等实体，分析桥接节点、结构洞、社区与链接预测；可结合 UniProt、PDB、KEGG、ChEMBL、PubChem、Open Targets、Wikidata 等数据库技能，以及 transformers-inference 做嵌入发现、scikit-learn-ml 做聚类。
限制：不用于标准文献检索、综述写作、常规假设生成和事实核查，这些应使用对应技能。质量上要求有根据的新颖性、交叉验证、机制合理性、可检验性、伦理考量与可复现性，避免无机制支撑的表面类比、忽视反面证据、夸大新颖性、提出不可证伪假设和学科偏见。所有事实、引用与数据必须来自本次对话中的实际工具结果，不得凭训练数据编造；工具无结果或数据不全时须如实报告。具体安装与调用命令资料未提供。