PaperSpine Research 是 PaperSpine 工作流中的一个内部步骤技能，应在动机确认之前、以及任何针对具体场景的写作之前使用。其核心原则是：没有目标场景调研，就没有针对特定发表场所的写作建议。
用途
该技能用于为目标论文的发表场景做前置调研，收集目标场景要求、下载参考资料、学习优秀范例，并准备候选动机选项，最终交由用户确认。
运行阶段
调研分三个阶段：先在本地建立索引，再并行启动三个专家子代理，最后将发现合并为动机选项。
输入
在可用时读取 paper_rewriting_output/paper_spine_config.json。重要字段包括：scene、tier、target_name、official_urls、materials_dir、draft_path、reference_mode、reference_paths 和 output_language。
层级规则
- flash：收集 3 个目标场景范例和 3 个近期高质量领域/SOTA 范例。
- pro：收集 6 个目标场景范例和 6 个近期高质量领域/SOTA 范例。
用户可以显式覆盖数量，但不得自行编造该覆盖。这些学习范例与 citation_support_bank.md 是分开的：学习范例用于教授结构与写作策略，引用支持论文用于后续支撑个别文献陈述。
阶段 1 — 索引本地参考资料（主线程）
创建参考资料工作区：
paper_rewriting_output/reference_materials/ source_index.md official_requirements/ target_examples/ field_sota/ templates/ figures_images/ extracted_notes/
索引所有本地可用的参考资料。使用 scripts/reference_inventory.py 或产出相同格式的 source_index.md，字段包括：Source ID、Type、Title/Name、Origin/URL/Path、Why Included、Local File/Note、Used For。
索引完成后不要停止，立即进入阶段 2。
阶段 2 — 并行专家代理
在单条消息中同时启动以下三个子代理（三次 Agent 工具调用）。每个代理独立工作，看不到其他代理的输出。每个代理只获得其所需的上下文，不要传入完整对话历史。
Agent A：场景分析师（Scene Analyst）
目标：产出 paper_rewriting_output/research_dossier.md。
传入上下文：配置中的 scene、target_name、official_urls、output_language；阶段 1 的 reference_materials/source_index.md；场景专属参考文件 references/scenario-{journal|conference|report_review|competition}.md。
限制：阅读场景参考文件，最多搜索官方 URL 两次；目标输出 4 个部分共 300-500 词；不要枚举所有可能要求，只列最重要的约束；收集关键事实后立即写文件，不要持续搜索。
章节：1. ## Venue Requirements（格式规则：页数限制、结构、匿名化）；2. ## Review Criteria（审稿人评估什么）；3. ## Accepted Paper Patterns（来自场景参考的 1-2 个结构模式）；4. ## Constraints for This Paper。
仅输出 research_dossier.md，不产出其他文件。
Agent B：范例学习者（Exemplar Learner）
目标：产出 paper_rewriting_output/exemplar_learning_dossier.md。
传入上下文：配置中的 tier（用于确定分析多少范例）；阶段 1 的 source_index.md；场景参考文件路径。
限制：最多分析 3 篇（flash）或 6 篇（pro）论文，不得超过层级数量；每篇论文用一段总结结构模式，而非完整评审；目标输出共 400-600 词；写完最后一篇立即写文件，不要继续添加。
章节：1. ## Exemplar Inventory（表格：标题、发表场所、年份、入选原因）；2. ## Structural Patterns（跨范例观察到的 2-3 个可复用手法）；3. ## Rhetorical Patterns（1-2 个开头/结尾技巧）；4. ## Language Patterns（语域与惯例的简要说明）。
仅输出 exemplar_learning_dossier.md，不要复制论断或结果。
Agent C：SOTA 映射者（SOTA Mapper）
目标：产出 paper_rewriting_output/sota_gap_map.md。
传入上下文：配置中的 tier；阶段 1 的 source_index.md；用户的 user_motivation（若已设置，视为假设而非已确认）。
限制：最多映射 6 篇相关 SOTA 论文，挑选最具代表性的；表格中每篇论文一行，不要逐条写段落；目标输出为 4-6 行表格加 2-3 行差距总结；若用户提供了动机假设，将其作为额外一行加入。
表格格式：| Candidate Contribution | What SOTA Already Does | User Evidence | Real Gap | Claim Strength | Risk |
添加 ## Gap Summary，列出最有前景的 2 个差距。仅输出 sota_gap_map.md。
代理启动清单：在一条消息中用三次 Agent 工具调用启动全部三个代理；每个代理只获得上述列出的上下文，精简且任务专属；不要让代理看到彼此的指令或输出；三者都写入 paper_rewriting_output/。
阶段 3 — 合并与综合（主线程）
三个代理全部完成后，读取其输出并产出：
style_profile.md：将范例语言模式与场景规范合并，维度包括 Style Dimension、Target Venue Expectation、Exemplar Pattern、Applied To This Paper。
motivation_options_after_research.md：将 dossier、范例分析和 SOTA 差距图合并为候选动机，字段包括 Option、One-Sentence Motivation、Core Innovation、Why It Is Not Overbroad、Required Evidence、Best-Fit Paper Arc。
规则：每个选项必须简洁，优先一个主导性贡献；若真实新颖性较窄，应诚实说明；交叉参照三个代理——好的动机应契合发表场所（场景分析师）、遵循范例结构模式（范例学习者）、并占据真实差距（SOTA 映射者）。
用户确认
停止并向用户展示动机选项，请其选择、修改或自行撰写。仅在确认后写入 confirmed_motivation.md，内容包括：确切确认的动机、用户确认状态、被拒绝的选项及原因、范围限制与禁止的过度声明。
必需输出
- paper_rewriting_output/reference_materials/source_index.md
- paper_rewriting_output/research_dossier.md
- paper_rewriting_output/exemplar_learning_dossier.md
- paper_rewriting_output/style_profile.md
- paper_rewriting_output/sota_gap_map.md
- paper_rewriting_output/motivation_options_after_research.md
- paper_rewriting_output/confirmed_motivation.md（仅在用户确认后）