Literature Analysis

Propósito

Generar resúmenes de literatura, listas de referencias e informes de análisis de citas a partir de adjuntos en PDF o Markdown.

Literature Analysis es la piedra angular de la gestión de literatura con agentes — todo artículo incorporado debe procesarse con este flujo de trabajo. Establece una base de conocimiento estructurada para cada artículo, y todas las funcionalidades avanzadas como los grafos de citas y la síntesis temática dependen de los resultados de este flujo.

Este flujo de trabajo invoca la habilidad literature-analysis en el backend Skill-Runner para realizar un análisis estructurado de artículos académicos.

Mejores prácticas

• Extraer Markdown primero: Antes de ejecutar Literature Analysis, se recomienda usar MinerU para convertir PDF a Markdown primero. El Markdown original mejora significativamente la comprensión de la estructura del artículo por parte de la IA.
• Inicializar el vocabulario de etiquetas primero: Se recomienda ejecutar Tag Bootstrapper para inicializar un vocabulario de etiquetas controlado antes del primer Literature Analysis. Esto permite que la regulación automática de etiquetas en el pipeline de análisis alcance su máxima efectividad.

Casos de uso

• Obtener rápidamente un resumen del contenido clave al leer un nuevo artículo
• Recopilar la lista completa de referencias de un artículo
• Analizar el contexto de citación y la intención de cita de un artículo

Restricciones de entrada

Tipo de restricción	Descripción
Unidad de entrada	Adjunto
Tipos aceptados	text/markdown, text/x-markdown, text/plain, application/pdf
Límite por elemento padre	Como máximo 1 adjunto

Métodos de activación

• Seleccionar directamente un adjunto PDF o Markdown
• Seleccionar el elemento padre, y el complemento expandirá automáticamente su primer adjunto elegible

Flujo de ejecución

1. Construir solicitud
   └── Subir archivo fuente a Skill-Runner
       └── Invocar skill_id: "literature-analysis"

2. Procesamiento en Skill-Runner
   └── Analizar contenido del documento
       └── Generar tres resultados:
           ├── digest.md          (Resumen de literatura)
           ├── references.json    (Lista de referencias)
           └── citation_analysis.json (Análisis de citas)

3. Devolver resultados
   └── Descargar paquete (zip)
       └── Contiene result.json y artifacts/

Modo de ejecución

Totalmente automático, no requiere intervención del usuario. Basta con enviar y esperar a que se complete.

Configuración de ejecución

• execution.mode: auto — Ejecución automática, no requiere intervención del usuario
• skillrunner_mode: auto — Modo no interactivo

Duración estimada

Escenario	Tiempo estimado
Formato de referencia estándar	6-10 minutos
Formato de referencia no estándar	12-18 minutos

La duración depende principalmente de si el formato de referencia es estándar — cuanto más estandarizado sea el formato (por ejemplo, citas de ScienceDirect, IEEE y otras revistas principales), más rápida será el análisis por parte de la IA. La longitud del artículo tiene un impacto relativamente menor.

Resultados

Una vez completada la ejecución, se crean 3 notas de Zotero bajo el elemento padre:

1. Nota de resumen

• Tipo: data-zs-note-kind="digest"
• Contenido: Resumen de literatura renderizado en HTML que cubre contexto de investigación, métodos, resultados y conclusiones
• Estrategia de actualización: Cada ejecución actualiza la nota con el mismo nombre (sobrescribe si ya existe)

Sobre el contenido de las notas

El contenido mostrado en la nota está renderizado a partir de datos del backend. Modificar directamente el contenido de la nota en Zotero no cambiará los datos reales del backend. Para editar los resultados del análisis, usar la funcionalidad de Export/Import Notes para exportar, modificar y luego reimportar.

2. Nota de referencias

• Tipo: data-zs-note-kind="references"
• Contenido: Tabla HTML de referencias (#, Año, Título, Autores, Fuente, Localizador)
• Estrategia de actualización: Cada ejecución actualiza la nota con el mismo nombre

3. Nota de análisis de citas

• Tipo: data-zs-note-kind="citation-analysis"
• Contenido: Informe de análisis de citas que incluye contexto de citación y clasificación de intención de cita
• Estrategia de actualización: Cada ejecución actualiza la nota con el mismo nombre

Parámetros

Parámetro	Tipo	Descripción	Valor predeterminado
language	string	Idioma de salida	zh-CN
auto_tag_regulator	boolean	Si se debe ejecutar automáticamente Tag Regulator en cascada después del análisis de literatura. Se recomienda activar	true
auto_tag_infer_tag	boolean	Al ejecutar la regulación de etiquetas en cascada, si se debe permitir que la IA infiera nuevas etiquetas (solo visible cuando auto_tag_regulator está activado)	true

Valores disponibles para language: zh-CN, en-US, ja-JP, ko-KR, de-DE, fr-FR, es-ES, ru-RU. También se admite entrada personalizada.

Recomendación de modelo

🔴 Se recomiendan modelos con fuerte comprensión textual. Si el backend admite delegación de subagentes (por ejemplo, Claude Code, Codex), el resumen, las referencias y el análisis de citas se pueden procesar en paralelo, reduciendo significativamente el tiempo total.

Dependencias

• Backend: Servicio Skill-Runner
• Configuración del backend: Configurar un backend de tipo Skill-Runner en el gestor de backends
• Habilidad: La habilidad literature-analysis debe estar desplegada en el Skill-Runner

Flujos de trabajo relacionados

• Tag Bootstrapper — Inicializar un vocabulario de etiquetas controlado antes del primer análisis
• MinerU — Convertir PDF a Markdown primero para obtener la mejor calidad de análisis
• Interactive Literature Explainer — Dialogar con la IA para comprender la literatura en profundidad
• Export/Import Notes — Exportar artefactos de análisis para editarlos o migrarlos entre instancias de Zotero
• Tag Regulator — Ejecutar la regulación de etiquetas de forma independiente (Literature Analysis puede ejecutarla en cascada automáticamente)