Survey Generator 用于针对任意 AI/ML 主题生成结构化文献综述。它不依赖特定模型供应商，可选择 Anthropic、OpenAI、OpenRouter、Fireworks 或自定义通道；输出不是独立 HTML，而是 pro-workflow wiki 中的 Markdown 页面，并追加参考文献行到 sources.md，写入 FTS5 索引，可跨会话持久化并被 wiki-research-loop 复用。
适用场景：撰写某主题综述或文献回顾；为新领域生成全景图；在 wiki 已有 10-30 个来源后汇总成综合页；作为 /wiki research 之前的种子研究包。
输入：topic（必填）、source_url（必填，公开锚点）、--wiki <slug>（必填，目标 wiki）、--bibliography-size N（默认 20，40-50 为全面，80-100 为穷尽）、--section-count N（默认 6-10 个编号章节）、--provider name 与 --model id（可选覆盖）。
工作流程：第 1 步用 WebFetch 读取锚点，提取子主题与被引论文；第 2 步按 templates/research_bundle.template.json 生成 research_bundle.json，包含 topic、anchor_source、abstract_hints、taxonomy、sections、bibliography 等键，硬性要求每篇文献必须真实存在、sections 引用的 key 必须存在于 bibliography、4-8 个分类分支每支 2-4 个子项、6-10 个编号章节覆盖导言到开放问题；第 3 步调用脚本生成，插件会话中调用 MCP 的 run_provider_task，独立 CLI 可用：node $SKILL_ROOT/scripts/build-survey.js --bundle <path> --wiki <slug> [--provider ...] [--model <id>]；生成器输出到 <wiki>/derived/surveys/<topic-slug>.md，追加参考文献到 sources.md 并按 key 去重，再 upsert 进 FTS5 索引；第 4 步迭代优化输入研究包而非输出，重跑会自动生成 <slug>-v2.md 等版本文件，也可用不同 provider 与 model 生成多版本对比。
限制：输出仅限 Markdown，不含 HTML、内联 SVG 或 JS；不得编造文献条目；参考文献 id 采用 src-bib-<slug>，手工非文献来源仍用 src-NNN；API key 来自插件配置，文档明确禁止在聊天中索取密钥或读取本机已有凭据。资料未提供具体收费与效果数据。