用途：严格评估一个研究想法是否具有新颖性，通过系统化文献检索判断其是否与已有工作显著重叠，适用于撰写会议或研讨会论文前的选题验证。
主要能力：
- 多轮检索——最多10轮，每轮生成针对性查询，检索 Semantic Scholar、arXiv、OpenAlex，查看前10篇结果摘要并评估重叠度后决定是否继续检索或作出判定。
- 二元判定——输出 novel 或 not_novel，并附 high/medium/low 置信度。
- 差异化定位——若判定为新，列出最相似论文、说明差异及所填补的具体空白，可用于 Related Work。
- 严格批评者视角——要求贡献足以支撑新论文；对已有工作的琐碎扩展不算新颖，需在方法、表述或见解上有实质不同；同时考虑方法新颖性与应用新颖性，并检查同期或近期 arXiv 投稿。
使用方式：输入为研究想法描述、标题或 JSON 文件（$0）。核心脚本包括自动化新颖性检查：python ~/.claude/skills/idea-generation/scripts/novelty_check.py --idea "Your research idea description" --max-rounds 10 --output novelty_report.json；以及文献检索：python ~/.claude/skills/deep-research/scripts/search_semantic_scholar.py --query "relevant search query" --max-results 10。评估提示词与标准见 ~/.claude/skills/novelty-assessment/references/assessment-prompts.md。
工作流：第一步理解想法，识别核心贡献、列出关键技术组件、确定研究领域与子领域；第二步多轮文献检索（最多10轮），每轮生成针对性查询、检索并查看前10条带摘要结果、评估重叠、决定继续检索或作出判定；第三步作出判定；第四步为新想法进行定位。
输出格式（JSON）：decision（novel 或 not_novel）、confidence（high/medium/low）、justification（如“After searching X rounds...”）、most_similar_papers（含 title、year、overlap）、differentiation。
规则与限制：声明新颖前至少进行3轮检索；尽量回忆确切论文名以构造针对性查询；琐碎扩展不算新颖；需考虑方法与应用两方面新颖性；检查同期或近期 arXiv 投稿。相关技能：上游 literature-search、deep-research；下游 idea-generation、research-planning；另见 related-work-writing。具体价格、平台支持范围及效果保证暂未提供。