用途：该技能面向科研创意生成与筛选。给定研究领域、任务描述或已有代码库背景，可生成 3-5 个多样化研究想法，并对每个想法做多轮迭代打磨与文献新颖性核查，最终排序选出最值得推进的想法。
主要能力：1) 创意生成，每个想法给出名称、标题、实验计划和评分；2) 最多 5 轮迭代精炼，批判性评估质量、新颖性与可行性，在保留核心思想的前提下改进，收敛或达到轮次上限后停止；3) 新颖性评估，可运行脚本或手动检索 Semantic Scholar / arXiv，多轮生成查询、审阅结果并给出“新颖/不新颖”的二元判断及理由；4) 按有趣度、可行性、新颖性各 1-10 分打分并排序。
使用方式：输入 $0 为研究领域、任务描述或代码库背景，$1 可选补充上下文（如投稿会议、约束条件）。新颖性检查示例命令：python ~/.claude/skills/idea-generation/scripts/novelty_check.py --idea "Adaptive attention head pruning via gradient-guided importance" --max-rounds 5。提示词模板见 ~/.claude/skills/idea-generation/references/ideation-prompts.md。
输出为 JSON，字段包括 Name、Title、Experiment、Interestingness、Feasibility、Novelty、novel 以及 most_similar_papers。
限制与规则：想法需在现有资源下可行，不应要求新数据集或大规模算力；避免过拟合特定数据集或模型；对新颖性从严判断，确保达到会议论文贡献度；每个想法应源于简洁优雅的问题或假设；确定想法前必须核查新颖性。上游相关技能为 literature-search、deep-research，下游为 research-planning、experiment-design，另见 novelty-assessment。具体价格、平台与效果资料暂未提供。