academic-scientific-research

Find, screen, and synthesize academic papers, scientific literature, technical reports, preprints, clinical or biomedical publications, and evidence around a…

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.

Plus de skills de tavily-ai

research
tavily-ai
Recherche approfondie sur n'importe quel sujet avec collecte automatique des sources, analyse et citations. Effectue des recherches web multi-sources avec citations explicites, idéal pour les comparaisons, l'actualité, l'analyse de marché et les rapports détaillés. Propose trois options de modèle : mini pour une recherche ciblée sur un seul sujet (~30s), pro pour une analyse complète multi-angle (~60-120s), et auto pour la détection de complexité via API. S'authentifie via OAuth via le serveur MCP Tavily avec connexion automatique basée sur le navigateur...
official
search
tavily-ai
We need to translate the given English text into French, preserving the name "search" if it appears. The text is a description of a web search agent skill. The instruction says to translate only the text inside <text>, and not include the name unless it appears in the source text. The name "search" is not in the provided text? Actually the text starts with "Web search..." so "search" is part of the phrase "Web search". But the instruction says "Name to preserve: search" - that likely means the skill name is "search", but it's not explicitly in the text as a standalone name. The text says "Web search" which includes "search". We should preserve that as is? The instruction says "Do not include the name unless it appears in the source text." Since "search" appears as part of "Web search", we should keep "Web search" as is? But we are translating to French, so "Web search" would become "Recherche Web" or "Recherche sur le Web"? However, the instruction says
official
tavily-best-practices
tavily-ai
API de recherche web pour LLMs avec accès aux données en temps réel, extraction de contenu, exploration de sites et recherche assistée par IA. Cinq méthodes principales : search() pour les résultats web, extract() pour le contenu d'URL, crawl() pour l'exploration complète d'un site, map() pour la découverte d'URL, et research() pour la synthèse IA de bout en bout. Prend en charge les SDK Python et JavaScript avec des clients asynchrones pour les requêtes parallèles et une profondeur de recherche configurable (ultra-rapide/rapide/basique/avancée). La méthode crawl accepte des instructions sémantiques pour concentrer l'extraction sur...
official
tavily-cli
tavily-ai
Recherche web, extraction de contenu, exploration de sites et recherche approfondie via Tavily CLI. Cinq modes de commande couvrant la recherche, l'extraction, la découverte d'URL, l'exploration en masse et la recherche multi-sources avec citations. Toutes les commandes prennent en charge la sortie JSON et la sauvegarde de fichiers pour des workflows structurés et agentiques. Un modèle d'escalade vous guide de la recherche simple à l'extraction, la cartographie, l'exploration, jusqu'à la recherche complète selon vos besoins. Nécessite l'installation de tavily-cli et l'authentification par clé API via tvly login.
official
tavily-crawl
tavily-ai
Robot de site web multi-pages avec filtrage sémantique et export en Markdown. Parcourez des sections entières de site avec contrôle de la profondeur et de la largeur ; filtrez par expression régulière de chemin, domaine ou instructions en langage naturel pour cibler les résultats. Enregistrez chaque page sous forme de fichiers Markdown locaux via --output-dir, ou renvoyez du JSON structuré pour un traitement agentique. Utilisez des instructions sémantiques avec extraction par fragments pour éviter le gonflement du contexte lors de l’envoi des résultats aux LLM ; utilisez l’extraction de page entière pour les téléchargements de documentation hors ligne. Prend en charge...
official
tavily-dynamic-search
tavily-ai
Rechercher sur le web, filtrer les résultats et extraire le contenu afin que les données brutes de recherche n’entrent jamais dans votre fenêtre de contexte. Seul votre résultat print() organisé est renvoyé.
official
tavily-extract
tavily-ai
Extrayez du markdown ou du texte propre à partir de jusqu'à 20 URL, avec prise en charge du rendu JavaScript et du découpage ciblé par requête. Gère les pages rendues par JavaScript avec une profondeur d'extraction configurable (basique pour les pages simples, avancée pour les SPA dynamiques et les tableaux). Prend en charge l'extraction ciblée par requête pour ne renvoyer que les fragments de contenu pertinents au lieu des pages entières. Renvoie par déf
official
tavily-map
tavily-ai
Découverte rapide d'URLs sur des sites web sans extraction de contenu, idéale pour trouver des pages spécifiques sur de grands sites. Renvoie des listes structurées de toutes les URLs d'un domaine avec une profondeur et une largeur configurables, un filtrage par expression régulière des chemins, et des instructions en langage naturel pour un filtrage sémantique. Prend en charge le contrôle de la profondeur (1 à 5 niveaux), les limites de largeur par page, l'inclusion/exclusion de liens externes, et le filtrage de domaine via des motifs regex. Conçue comme étape 1 d'un workflow : cartographier pour trouver la bonne page, puis utiliser extract ou...
official