academic-scientific-research

Finden, prüfen und synthetisieren Sie wissenschaftliche Arbeiten, wissenschaftliche Literatur, technische Berichte, Preprints, klinische oder biomedizinische Publikationen und Evidenz rund um ein…

npx skills add https://github.com/tavily-ai/use-case-skills --skill academic-scientific-research

Academic Scientific Research

Workflow

Use search to discover scholarly sources, extract to verify source content, map or crawl for known scholarly sites and collections, and research for full literature-review synthesis. Keep this skill focused on research planning, source selection, extraction targets, and evidence synthesis; execution mechanics should come from companion endpoint skills.

Treat the guidance below as base guidance; adapt it to the user's request when appropriate.

  • Translate the user's question into search terms, synonyms, key entities, and likely source domains.
  • Break broad questions into short subqueries under 400 characters: core concept, synonyms, method names, target population or data, benchmark or dataset, author/lab, and year range.
  • Prefer scholarly and official sources when available: preprint servers, PubMed/NIH pages, journals, conference proceedings, professional societies, standards bodies, and official technical reports.
  • Extract from the strongest selected pages after screening titles, snippets, source type, recency, and relevance.
  • Reserve broad research synthesis for full literature reviews, research landscapes, or multi-method comparisons.
  • Distinguish primary studies, review papers, preprints, editorials, guidelines, standards, and news coverage.

Research Budget

  • Start with a small focused search set covering the main concept, synonyms, methods, and source type.
  • Extract only the strongest scholarly sources before drafting the evidence brief.
  • Add more searches only for named gaps, such as missing review papers, missing recent work, or missing primary studies.
  • Do not use map unless a known lab, journal, conference, repository, or documentation site has buried pages.
  • Do not use crawl unless the user needs broad collection from a known proceedings, publication list, or docs section.

Capability Guidance

  • Use search first when the user needs papers, methods, benchmarks, authors, institutions, or recent work.
  • Use extract when comparing a small set of papers, reading abstracts, or verifying study claims.
  • Use map only when a known lab, journal, conference, repository, or documentation site has useful but hard-to-find pages.
  • Use crawl only when the user needs many pages from a known source, such as proceedings, a lab publication list, or a technical docs section.
  • Use research only when the user explicitly needs a full literature review or research landscape.

Query And Source Guidance

  • Pair formal terms with common synonyms and acronyms.
  • Include population, dataset, benchmark, organism, intervention, model, metric, or method terms when relevant.
  • For recent literature, include explicit year ranges or recency language in the query.
  • Prefer primary literature for claims, review papers for landscape summaries, and guidelines/standards for practice recommendations.
  • Deduplicate preprints and final publications; cite the final version when available.
  • Treat abstracts, papers, supplemental pages, tables, and official repositories as separate evidence surfaces.
  • Report failed or inaccessible sources when they affect key papers, guidelines, datasets, or primary evidence.

Output Template

Use this markdown structure and adapt sections to the user's scope:

# Evidence Brief: <topic>

## Research Question
<brief framing of the question>

## Search Strategy
- Concepts searched:
- Source types prioritized:
- Inclusion logic:
- Exclusions or limitations:

## Key Sources
| Source | Type | Why it matters | URL |
| --- | --- | --- | --- |

## Findings
### <Theme>
- Claim:
- Evidence:
- Limitations:

### <Theme>
- Claim:
- Evidence:
- Limitations:

## Consensus And Disagreement
- Consensus:
- Disagreement:
- Evidence gaps:

## Follow-Up Queries
- <query idea>

For medical, clinical, or biomedical topics, be conservative: do not provide diagnosis or treatment advice, and prioritize primary literature, systematic reviews, guidelines, and official health sources.

Mehr Skills von tavily-ai

crawl
tavily-ai
Website-Inhalte extrahieren und als Markdown-Dateien für den Offline-Zugriff und die Analyse speichern. Unterstützt konfigurierbare Crawl-Tiefe (1-5 Ebenen), Breitenbegrenzungen und Seitenobergrenzen, um Abdeckung und Leistung auszugleichen. Enthält Pfadfilterung mittels Regex-Mustern, um sich auf bestimmte Abschnitte zu konzentrieren und irrelevante Inhalte auszuschließen. Bietet zwei Modi: vollständige Seitenextraktion für die Datensammlung oder semantisches Chunking mit natürlichen Sprachinstruktionen, um Ergebnisse in den LLM-Kontext einzuspeisen. Stellt eine begleitende Map-API für URLs bereit...
extract
tavily-ai
Extrahiere saubere Inhalte von bestimmten URLs mithilfe der Tavily-Extraktions-API. Unterstützt bis zu 20 URLs pro Anfrage mit optionalem query-basiertem Reranking, um sich auf relevante Inhaltsabschnitte zu konzentrieren. Zwei Extraktionsmodi: Basis für schnelle Textextraktion, erweitert für JavaScript-gerenderte Seiten und strukturierte Daten. Automatische OAuth-Authentifizierung über den Browser beim ersten Start oder manuelle API-Schlüsselkonfiguration in den Einstellungen. Gibt Markdown- oder Klartextformat mit optionalen Bild-URLs und konfigurierbarem Timeout von bis zu 60 Sekunden zurück.
investment-research-briefs
tavily-ai
Erstellen Sie prägnante Investment-Research-Briefings, Unternehmens-Memos, Branchen-Snapshots, Portfolio-Überwachungs-Updates, Gewinn-/Nachrichtenzusammenfassungen, Risiko- und Katalysator-Briefings, …
product-competitor-intelligence
tavily-ai
Konkurrenzprodukte, SKUs, Preisgestaltung, Verpackung, Positionierung, Funktionsvergleiche, Produktkataloge, Kategorieseiten, Händlerlisten, Marktplatz …
research
tavily-ai
Umfassende Recherche zu jedem Thema mit automatischer Quellensammlung, Analyse und Zitaten. Führt mehrquellige Web-Recherche mit expliziten Zitaten durch, ideal für Vergleiche, aktuelle Ereignisse, Marktanalysen und detaillierte Berichte. Bietet drei Modelloptionen: Mini für gezielte Ein-Themen-Recherche (~30s), Pro für umfassende Multi-Perspektiven-Analyse (~60-120s) und Auto für API-gesteuerte Komplexitätserkennung. Authentifiziert sich über OAuth durch den Tavily MCP-Server mit automatischem browserbasiertem Login auf...
sales-account-intelligence
tavily-ai
Erstellen Sie verkaufsbereite Account-Intelligenz für Unternehmen, Interessenten, Kunden, Partner und Zielkäufer. Verwenden Sie dies, wenn der Benutzer nach Vertriebsvorbereitung, Account-Briefing usw. fragt.
search
tavily-ai
Web-Suche mit LLM-optimierten Ergebnissen, Relevanzbewertung und flexiblen Filtern. Unterstützt vier Suchtiefenmodi (ultraschnell, schnell, einfach, erweitert) mit konfigurierbaren Latenz- und Relevanzabwägungen. Enthält Domain-Filterung, Zeitbereichseinschränkungen, Datumsbereiche, Länder-Boosting und Rohinhalts-Extraktion. Gibt Ergebnisse mit Titel, URL, Inhaltsausschnitt und Relevanzbewertung zurück; optionale Bild-Ergebnisse und Favicons. Automatische OAuth-Authentifizierung über Tavily MCP-Server oder API-Key-Konfiguration;...
tavily-best-practices
tavily-ai
Websuch-API für LLMs mit Echtzeit-Datenzugriff, Inhalts-Extraktion, Site-Crawling und KI-gestützter Recherche. Fünf Kernmethoden: search() für Webergebnisse, extract() für URL-Inhalte, crawl() für siteweite Extraktion, map() für URL-Erkennung und research() für durchgängige KI-Synthese. Unterstützt Python- und JavaScript-SDKs mit asynchronen Clients für parallele Abfragen und konfigurierbare Suchtiefe (ultra-fast/fast/basic/advanced). Die Crawl-Methode akzeptiert semantische Anweisungen, um die Extraktion auf... zu fokussieren.