用途：针对用户给定的研究主题或种子论文，构建该领域的历史演化报告，展示早期技术挑战如何引出后续方法，并给出每个方案的论文间“演化自”关系、演化节点与未解挑战。
主要能力：输出单个 Markdown 文件，包含研究目标、高层分类图（根→挑战→方案→论文引用）、每个方案的演化路径图，以及论文附录（标题/年份/作者/摘要/结论摘录）。Mermaid 以 ```mermaid 代码块形式嵌入，可在 GitHub、Obsidian、带 Mermaid 扩展的 VS Code 中直接渲染。技能本身不调用外部 LLM，由宿主智能体提供全部 LLM 调用；技能提供确定性数据获取器（S2 / DeepXiv）、提示模板、Markdown 解析器与 Mermaid 渲染器。
使用方式：按 runbook 逐步执行，每步为 CLI 调用（python scripts/cli.py <subcmd> …）或 LLM 调用。需设置 S2_API_KEY；可选 DEEPXIV_API_TOKEN 作为 arXiv 搜索回退，安装 pip install deepxiv-sdk。CLI 依赖 pip install deepxiv-sdk httpx python-dotenv。输入为自由文本查询与必填的输出路径，可选 --n 控制抓取论文数（默认 10）、--theme 控制 Mermaid 主题（默认 light）。若调用方已提供 parsed_query.json、seed.json、papers.json，可复制到工作目录并从第 6 步开始。
适用场景：用户询问某领域的历史、某论文的思想来源、重要改进或后续工作、思想谱系、文献分类或引用树时触发。
限制：不适用于单篇论文摘要或单次搜索、非学术引用工作、或用户只想要普通参考文献列表。缺少 S2_API_KEY 会明确报错；S2 无结果且 DeepXiv 不可用时退出非零。最终报告只能由 assemble_report 写出，不得手工追加边；不确定性保留在 verdict JSON 中。工作目录建议使用相对当前目录的路径，避免 /tmp 等绝对路径。