用途：在多个学术论文之上生成结构化系统性文献综述（SLR），适用于主题文献调研、跨论文综合、带统一引用的系统综述、注释书目以及某领域研究趋势概览。不适用于单篇论文的同行评审、无需多源综合的事实问答或非学术性的通用网页检索。
主要能力：通过 arXiv 检索论文，提取每篇论文的研究问题、方法、关键发现与局限等结构化元数据，识别跨论文主题、共识、分歧与研究空白，并按 APA、IEEE 或 BibTeX 格式统一引用。仅查询 arXiv，不涉及 Semantic Scholar、PubMed 或 Google Scholar。
使用方式：流程分五阶段。第一阶段规划，确认主题、论文数量（默认 20，上限 50）、可选时间窗口与 arXiv 分类、引用格式（默认 APA）及输出位置（默认 /mnt/user-data/outputs/）。第二阶段检索，调用内置脚本：
python /mnt/skills/public/systematic-literature-review/scripts/arxiv_search.py
"<topic>"
--max-results <N>
[--category <cat>]
[--sort-by relevance]
[--start-date YYYY-MM-DD]
[--end-date YYYY-MM-DD]
查询应提取 2-3 个核心关键词，领域限定改用 --category，默认为 relevance 排序，只执行一次检索。第三阶段用 task 工具派生子代理并行提取元数据，每批约 5 篇论文，每轮最多 3 个子代理；需解析并剥离结果前缀中的 JSON。第四阶段综合并格式化，引用模板按用户所选格式读取对应模板文件，报告需包含主题、共识、分歧与空白。第五阶段保存为 slr-<topic-slug>-<YYYYMMDD>.md 并调用 present_files 展示，聊天中仅给出执行摘要、主题列表与文件提示。
适用场景：计算机、机器学习、物理、数学等 arXiv 预印本为主的领域调研，论文数量 1 至 50 篇。
限制：硬性上限 50 篇；论文超出 50 篇时建议按子主题拆分；仅支持 arXiv；第三阶段依赖 subagent_enabled=true，否则无法执行并行提取；论文数量少于请求数量时应按实际数量报告，不得伪造或补齐元数据；论文集过小或过于异构时可不强制归纳主题。原文未提供收费、价格与具体效果数据。