用途
Novelty Check 用于核查一个研究方法或想法是否已在文献中出现过，帮助用户在投入大量研究时间之前判断新颖性。触发方式包括用户说“查新”、“novelty check”、“有没有人做过”，或表达验证研究想法新颖性的需求。
主要能力
该技能按以下四个阶段执行查新：
Phase A：提取关键主张 读取用户的方法描述，识别 3 至 5 项需要具备新颖性的核心技术主张，包括：方法是什么、解决什么问题、机制是什么、与明显基线有何不同。
Phase B：多来源文献检索 针对每一项核心主张，使用所有可用来源检索，包括通过 WebSearch 检索 arXiv、Google Scholar、Semantic Scholar；每项主张至少尝试 3 种不同查询表述；加入 2024 至 2026 年的年份过滤；核对已知论文数据库，如 ICLR 2025/2026、NeurIPS 2025、ICML 2025/2026，以及 2025 至 2026 年的近期 arXiv 预印本；对可能重叠的论文，用 WebFetch 读取其摘要和相关工作部分。
Phase C：跨模型验证 通过 Codex MCP（mcp__codex__codex）调用 REVIEWER_MODEL，并设置 config: {"model_reasoning_effort": "xhigh"}。提示中包含所提出的方法描述和 Phase B 中找到的所有论文，并询问：“Is this method novel? What is the closest prior work? What is the delta?”
注意：REVIEWER_MODEL = gpt-5.4，该模型通过 Codex MCP 使用，必须为 OpenAI 模型（例如 gpt-5.4、o3、gpt-4o）。
Phase D：新颖性报告 输出结构化报告，包含：所提出方法的一至两句描述；核心主张列表，每项标注新颖度 HIGH/MEDIUM/LOW 及最接近的论文；最接近先前工作对比表（论文、年份、发表场所、重叠点、关键差异）；总体新颖性评估，包括评分 X/10、建议（PROCEED / PROCEED WITH CAUTION / ABANDON）、关键区分点、风险（审稿人可能引用的先前工作）；以及投稿定位建议。
使用方式
技能接受参数：$ARGUMENTS（即待查新的方法或想法）。使用时提供方法描述，技能会按上述阶段执行。调用审查模型时需配置 Codex MCP 与 OpenAI 模型，并设置推理强度为 xhigh。
适用场景
适用于研究方法立项前的查新、论文投稿前的新颖性评估、判断某个想法是否已被他人完成，以及为研究贡献寻找更有利的定位方式。
限制与重要规则
- 必须极其诚实，虚假的新颖性主张会浪费数月研究时间。
- “把 X 应用到 Y”不算新颖，除非该应用揭示了意外洞见。
- 需同时检查方法和实验设置的新颖性。
- 如果方法不新颖但发现可能是新颖的，应明确指出。
- 必须始终检查最近 6 个月的 arXiv，因为该领域发展很快。
- 具体检索结果、评分与建议取决于实际执行；本文档未提供固定价格、收费或平台支持信息，相关事实暂未提供。