idea-generation

star 90

學術研究的 Idea 產生技能——從發散到收斂,系統化地產出高品質研究構想。當使用者想腦力激盪研究方向、找新 research idea、或問「我接下來可以做什麼研究」時,一定要使用此技能。觸發詞包括:brainstorm、想 idea、研究方向、下一步做什麼、有什麼可以研究的、找 gap、research proposal。適用於任何階段的學術研究構想生成。

voidful By voidful schedule Updated 3/19/2026

name: idea-generation description: "學術研究的 Idea 產生技能——從發散到收斂,系統化地產出高品質研究構想。當使用者想腦力激盪研究方向、找新 research idea、或問「我接下來可以做什麼研究」時,一定要使用此技能。觸發詞包括:brainstorm、想 idea、研究方向、下一步做什麼、有什麼可以研究的、找 gap、research proposal。適用於任何階段的學術研究構想生成。" license: MIT compatibility: Works with Claude Code, ChatGPT/Codex CLI, and Gemini CLI. metadata: author: research-skills version: "1.0.0"

02 — Idea Generation:學術研究構想產生

概述

本技能提供一套系統化的研究構想產生流程,幫助研究者從零開始產出具備新穎性、可行性與影響力的研究 idea。流程分為三個階段:發散文獻搜索驗證收斂,最終產出一份精煉的 1-page 研究提案。

本技能適用於:

  • 碩博士生尋找論文題目
  • 研究者開拓新研究方向
  • 跨領域合作時激盪構想
  • 研究團隊定期進行腦力激盪

三階段流程

總覽

階段一:發散          階段二:文獻搜索驗證        階段三:收斂
─────────────        ─────────────────        ──────────
產生 10-20 個         搜索相關文獻               篩選至 1 個
候選 idea            確認新穎性                 最佳 idea
                    建立文獻表

[10種發想框架]  →  [搜索策略 + 工具]  →  [評分矩陣 + 篩選標準]

階段一:發散 — 產生 10-20 個候選 Idea

目標

在不預設限制的情況下,盡可能產生大量候選構想。此階段的關鍵原則是**「量先於質」**——先求廣度,再求深度。

準備工作

  1. 界定探索範圍:確定你的研究大方向(例如:自然語言處理、電腦視覺、強化學習)
  2. 蒐集素材:回顧近期讀過的論文、參加過的演講、實驗中的觀察
  3. 設定時間限制:每個框架花 15-30 分鐘,避免過早陷入細節

10 種發想框架

以下提供十種不同角度的發想框架,建議至少使用其中 3-5 種來產生候選 idea。每種框架的詳細說明請參見 references/brainstorming-frameworks.md

框架 1:Problem-First(從問題出發)

從實際問題或痛點出發,尋找尚未被妥善解決的研究問題。

  • 觀察現有系統的瓶頸
  • 收集使用者抱怨與需求
  • 檢視 benchmark 上的失敗案例

框架 2:Solution-First(從技術出發找應用)

從一個新技術或方法出發,探索它可以應用的場景。

  • 一個新提出的演算法還能解決什麼問題?
  • 某個領域的突破能否遷移到其他領域?

框架 3:抽象階梯(Abstraction Ladder)

在不同抽象層次間移動,從具體問題上升到抽象原則,再下降到新的具體應用。

  • 向上抽象:這個問題的本質是什麼?
  • 向下具體:這個原則可以實例化為什麼?

框架 4:矛盾獵尋(Contradiction Hunting)

找出現有方法中的矛盾、假設衝突或未被質疑的預設。

  • 哪些「常識」其實缺乏證據?
  • 兩篇論文的結論是否相互矛盾?

框架 5:跨領域嫁接(Cross-Domain Transfer)

將其他領域的成功方法或概念引入自己的研究領域。

  • 生物學的機制能否啟發演算法設計?
  • 社會科學的理論能否解釋技術現象?

框架 6:What Changed(關注最近的技術變化)

關注最近的技術突破或環境變化,思考這些變化開啟了哪些新的可能性。

  • 新的硬體能力(更大的模型、更快的推理)
  • 新的資料來源(多模態資料、合成資料)
  • 新的社會需求(隱私、公平性、可解釋性)

框架 7:失敗分析(Failure Analysis)

從失敗的嘗試、被拒的論文、或表現不佳的方法中尋找機會。

  • 為什麼這個方法失敗了?能否修正?
  • 失敗的原因是否指向一個更根本的問題?

框架 8:簡單性測試(Simplicity Test)

用更簡單的方法挑戰複雜的現有方法,測試複雜性是否真的必要。

  • 簡單的 baseline 是否被公平比較過?
  • 複雜方法的哪些組件是真正必要的?

框架 9:利害關係人旋轉(Stakeholder Rotation)

從不同使用者、利害關係人的角度重新思考問題。

  • 終端使用者最在意什麼?
  • 開發者最大的痛點是什麼?
  • 決策者需要什麼資訊?

框架 10:組合/分解(Combine / Decompose)

將現有的方法或概念進行組合或拆解,產生新的研究方向。

  • 組合:A 方法 + B 方法能產生什麼效果?
  • 分解:複雜系統的哪個子模組值得獨立研究?

發散階段的輸出

完成發散階段後,你應該有一份包含 10-20 個候選 idea 的列表,每個 idea 包含:

欄位 說明
編號 流水編號
標題 一句話描述
使用的框架 使用了哪個發想框架
簡述 2-3 句話的初步構想
直覺評分 1-5 的初步直覺分數

階段二:文獻搜索驗證 — 確認新穎性

目標

透過系統化的文獻搜索,驗證候選 idea 的新穎性,並建立相關文獻表。此階段的關鍵是確認你的 idea 尚未被做過,同時找到可以借鑑的相關工作。

搜索策略

詳細的搜索策略請參見 references/paper-search-strategy.md,以下是簡要流程:

步驟 1:關鍵字設計

  • 為每個候選 idea 設計 3-5 組搜索關鍵字
  • 使用同義詞、上位詞、下位詞擴展搜索範圍
  • 結合英文與中文關鍵字

步驟 2:多平台搜索

  • Semantic Scholar:語義搜索,適合探索性搜索
  • Google Scholar:覆蓋面廣,適合確認性搜索
  • arXiv:最新預印本,適合追蹤前沿
  • DBLP:電腦科學領域的完整索引
  • ACL Anthology:NLP 領域專用

步驟 3:滾雪球法

  • 前向追蹤:找到關鍵論文後,看誰引用了它
  • 後向追蹤:看關鍵論文引用了誰
  • 作者追蹤:查看關鍵作者的其他工作

步驟 4:新穎性判定

對每個候選 idea 進行新穎性判定:

判定結果 說明 行動
全新 找不到直接相關的工作 保留,但需確認可行性
部分重疊 有相關但不完全相同的工作 找出差異點,精煉 idea
已被做過 找到幾乎相同的工作 淘汰或大幅修改

文獻搜索驗證的輸出

完成此階段後,你應該有:

  1. 篩選後的候選列表:淘汰已被做過的 idea,通常剩 5-10 個
  2. 文獻表:每個存活的 idea 對應 5-10 篇相關文獻
  3. 新穎性標註:標註每個 idea 的新穎性判定結果與差異點

階段三:收斂 — 篩選至 1 個最佳 Idea

目標

從存活的候選 idea 中,透過系統化的評估與篩選,選出 1 個最佳 idea 進行深入發展。

收斂流程

詳細的收斂流程請參見 references/idea-convergence.md,以下是簡要流程:

步驟 1:淘汰(Eliminate)

快速淘汰明顯不可行的 idea:

  • 技術上不可能在合理時間內完成
  • 缺乏必要的資料或計算資源
  • 新穎性不足

步驟 2:合併(Merge)

檢查是否有可以合併的候選 idea:

  • 兩個 idea 是否在解決同一個問題的不同面向?
  • 合併後是否能產生更有力的研究貢獻?

步驟 3:精煉(Refine)

對剩餘的候選 idea 進行精煉:

  • 縮小研究範圍,使問題更具體
  • 明確研究貢獻(Technical Contribution)
  • 構想初步的實驗設計

步驟 4:評分矩陣

使用評分矩陣進行量化評估。詳細的評分矩陣模板請參見 references/evaluation-matrix.md

評分維度:

維度 權重 說明
新穎性 25% 與現有工作的差異程度
可行性 25% 在現有資源下完成的可能性
影響力 20% 對領域的潛在貢獻
時效性 15% 是否符合當前研究趨勢
個人興趣 15% 個人的熱情與動機

步驟 5:最終決策

  • 選擇加權總分最高的 idea
  • 但也要考慮:直覺是否認同?是否有足夠的熱情去執行?
  • 如果理性與直覺衝突,花時間釐清原因

常見陷阱

在收斂階段,需要警惕以下認知偏誤:

  1. 確認偏誤:只搜索支持自己偏好的證據
  2. 沉沒成本:因為已經投入時間而不願放棄劣質 idea
  3. 新奇偏誤:過度追求新穎而忽視可行性
  4. 從眾效應:因為某個方向很熱門就跟風
  5. 完美主義:等待「完美」的 idea 而遲遲不開始

最終輸出

完成三個階段後,你應該產出以下四份文件:

1. 候選列表

所有候選 idea 的完整列表,包含狀態標記(存活/淘汰/合併)。

2. 文獻表

每個存活 idea 的相關文獻清單,格式:

## Idea: [標題]

1. [作者] (年份). [論文標題]. [會議/期刊].
   - 相關性:[高/中/低]
   - 與本 idea 的關係:[簡述]

2. ...

3. 評分矩陣

所有存活 idea 的量化評分,包含各維度分數與加權總分。

4. 1-Page 提案

最終選定 idea 的一頁提案,包含以下段落:

# [研究標題]

## 問題陳述(Problem Statement)
- 要解決什麼問題?為什麼重要?

## 現有方法與不足(Related Work & Gap)
- 現有方法怎麼做?有什麼不足?

## 提議方法(Proposed Approach)
- 你打算怎麼做?核心想法是什麼?

## 預期貢獻(Expected Contributions)
- 預期的研究貢獻是什麼?

## 初步實驗計畫(Preliminary Experiment Plan)
- 打算用什麼資料集?什麼指標?什麼 baseline?

## 風險與備案(Risks & Mitigation)
- 主要風險是什麼?備案是什麼?

## 時間表(Timeline)
- 預計的里程碑與時間安排

流程檢查清單

發散階段

  • 設定探索範圍與時間限制
  • 至少使用 3 種發想框架
  • 產生至少 10 個候選 idea
  • 每個 idea 有標題、簡述、直覺評分
  • 沒有在此階段過早篩選

文獻搜索驗證階段

  • 為每個 idea 設計搜索關鍵字
  • 使用至少 2 個搜索平台
  • 執行滾雪球法追蹤關鍵文獻
  • 標註每個 idea 的新穎性判定
  • 建立文獻表

收斂階段

  • 淘汰明顯不可行的 idea
  • 檢查可合併的 idea
  • 精煉剩餘候選
  • 完成評分矩陣
  • 選定最終 idea
  • 撰寫 1-page 提案
  • 檢查是否有認知偏誤

時間建議

階段 建議時間 說明
發散 2-4 小時 可分散在 2-3 天內
文獻搜索驗證 4-8 小時 每個 idea 約 30-60 分鐘
收斂 2-3 小時 建議一次完成
撰寫提案 1-2 小時 在收斂後立即進行
合計 9-17 小時 約 1-2 週

參考資源


進階建議

建立 Idea Bank

  • 平時閱讀論文時,隨手記錄觸發的想法
  • 定期回顧 idea bank,將舊想法與新知識結合
  • 使用標籤系統分類(按領域、方法、問題類型)

與他人互動

  • 向不同領域的人解釋你的 idea,收集反饋
  • 參加讀書會或研討會,在討論中激盪新想法
  • 找一個「idea buddy」定期交流

迭代式發想

  • 不要期望一次就找到完美的 idea
  • 允許自己回到發散階段,用新的資訊重新發想
  • 好的 idea 往往是多次迭代的結果

記錄與反思

  • 記錄每次發想過程,包括最終沒被選上的 idea
  • 反思哪些框架對你最有效
  • 建立個人的發想流程與偏好檔案
Install via CLI
npx skills add https://github.com/voidful/academic-skills --skill idea-generation
Repository Details
star Stars 90
call_split Forks 8
navigation Branch main
article Path SKILL.md
More from Creator