用途：面向研究场景，根据研究领域、任务描述或已有代码库上下文，生成并精炼具有新颖性的研究想法，并用文献检索评估其新颖程度。
主要能力：一次生成 3-5 个多样化研究想法，每个包含名称、标题、实验计划与评分；对每个想法进行最多 5 轮迭代精炼，在保留核心思路的前提下批判性评估质量、新颖性与可行性；通过 Semantic Scholar 做多轮文献检索，给出 Novel / Not Novel 的二元判断及理由；最后按 Interestingness、Feasibility、Novelty 三个维度（1-10 分）排序并选出最优想法。
使用方式：输入 $0 为研究领域、任务描述或代码库上下文，$1 为可选补充上下文（如投稿会议、约束条件）。新颖性核查脚本用法：python ~/.claude/skills/idea-generation/scripts/novelty_check.py --idea "Adaptive attention head pruning via gradient-guided importance" --max-rounds 5。提示词模板位于 ~/.claude/skills/idea-generation/references/ideation-prompts.md。输出为 JSON，含 Name、Title、Experiment、Interestingness、Feasibility、Novelty、novel 及 most_similar_papers 字段。
适用场景：学术研究选题、会议论文方向探索、实验方案前期构思。
限制：想法需在现有资源下可行，不依赖新数据集或大规模算力；不应过度贴合特定数据集或模型；新颖性判断需从严。上游技能为 literature-search、deep-research，下游为 research-planning、experiment-design，另见 novelty-assessment。具体收费、平台支持等信息暂未提供。