用途：把一个概念交给 bear-map，它从真实检索到的论文摘要里挖出邻近概念，画出以该概念为中心的一层深知识地图，再给出入门论文。所有节点和边都必须可追溯到真实检索到的摘要，无法锚定的概念不上图；地图只有检索到的那么宽，是真实文献的一个切片，不是完整本体。多层递进的学习地图不在此任务内，会引导用户前往 SciMaster。
主要能力：先锚定中心概念执行主检索，再做至少 2 个补充检索（方法邻居、应用场景、对照概念、解释任务、前沿组合等角度）验证邻居；从摘要中为每个邻居提取概念名与关系类型、2–3 句实质解释、与中心的连接一句、支撑文献 ID；筛选要求至少 2 篇摘要共同支撑，单篇支撑时标注，排除 study/method/model 等过泛词。输出包含终端 TUI 结果、report.md、自包含 map.html（强调色 #0891b2，SVG 概念星图 + 邻居说明卡片 + 推荐书单）和 references.bib，另推荐 3–6 篇入门论文。
使用方式：先运行 sci --version 确认 CLI 可用，未安装则需先安装，认证错误则运行 sci init；检索使用 sci search，如 --mode low、--limit 20、--prefix 与概念挂钩。若术语有歧义，先确认用户想要的含义再检索。
适用场景：快速了解一个陌生概念的邻近领域、找入门阅读清单、在 Claude Code、GitHub 或 Obsidian 中渲染 Mermaid 概念图，或制作可截图的独立 HTML 地图。
限制：需要可用的 sci CLI，否则流程停止；检索结果不足时直接说明未能找到足够的邻近概念支撑，建议换更具体的搜索词，不凭记忆补全；地图只有一层深，不做多层递进学习地图。SVG 节点坐标需均匀分布避免重叠；书单中有 DOI 的论文标题需渲染为可点击链接。