用途：research-hub 自动管线只摄取论文的元数据与摘要，Summary/Key Findings/Methodology/Relevance 会保持 [TODO] 骨架；簇级总结（NotebookLM brief、crystals）也不会填充单篇论文笔记。本技能按论文逐篇补全这三节，每篇一次 LLM 调用，输出经 JSON 校验后原子写入 Obsidian 与 Zotero 两套系统。
主要能力：重写 Obsidian 中 raw/<cluster>/<paper-slug>.md 的 ## Key Findings（3–5 条）、## Methodology（一句）、## Relevance（1–2 句），保留锚点 ^findings、^methodology、^relevance；同时按 frontmatter 的 zotero-key 找到父条目，覆盖或新建 Zotero 子笔记（含 Summary、Abstract、Key Findings 列表、Methodology、Relevance）。两处写入均成功才计为 applied；Zotero 写失败会回滚 markdown，保持同步。
使用方式：输入簇 slug（须已存在于 raw/<slug>/），可选 LLM CLI 覆盖（claude、codex、gemini、opencode、aichat、cursor 或自定义适配器），可选 --apply（默认关闭为 dry-run）。常用命令：research-hub summarize --cluster <slug> 为 dry-run；加 --apply 为正式写入；--llm-cli codex 覆盖模型；--apply --no-zotero 仅写 Obsidian。也可通过 apply_cluster_summaries MCP 工具传入解析后的载荷。
适用场景：为某簇论文批量生成可扫读的单篇摘要，或在跑完 auto 后补全空笔记并同步 Zotero。
限制与失败处理：不生成簇级总结、不填充簇问答、不解析 PDF（设计上仅基于摘要，摘要过薄会标 [PDF needed] 而非编造）。PATH 中无 LLM CLI 时，提示词保存到 <vault>/.research_hub/artifacts/<cluster>/summarize-prompt.md，退出码 0 且 ok=True，可手动跑 LLM 后重跑 --apply。LLM 返回无法解析的 JSON 时报 ok=False、不写入。载荷中不在该簇的论文条目跳过并记录原因，其余继续。空字段条目跳过。重跑会覆盖已有内容（幂等于相同输入，覆盖不同输出）。测试用桩替 LLM、对 fixture vault 执行真实 Obsidian 写入、对 mock Zotero 适配器执行真实子笔记写入，并显式测试回滚。测试命令：python -m pytest -q tests/test_v069_summarize.py tests/test_v073_parallel_summarize.py tests/test_v080_resummarize.py（共 23 项）。