默认生成 8 个候选，近邻审查后保留 3 个，深入展开 1 个。
THE SKILL / 把研究经验变成可复用的工作流
这是一个可下载、
可阅读、可使用的 Skill。
网页是 Skill 的介绍与证据演示。真正的技能包包含原始提示规则、知识底座、研究卡契约、检索脚本和 APA 7th Word 交付规范，下载后可在支持自定义 Skills 的工具中使用。
COMPLETE SKILL / 完整技能包
心理学科研选题 Skill
默认关注人工智能心理学、积极心理学与数字心理健康；也支持指定人文社科学科。完整技能包保留原始目录名与全部 14 个文件。
14 个原始文件入口 + 参考文档 + 数据 + 脚本APA 7th Word原 Skill 中的报告交付规范无需登录下载ZIP 可直接保存与解压
提供 3 个具有实质差异的版本，并解释依据与边界。
核对已有项目、对象、机制、主要结局与设计重叠。
写清主假设、竞争解释、比较条件与反证结果。
使用九年统一口径及心理专题，回到原项目查证。
怎样使用
- 点击下载完整 ZIP，解压后保留整个技能文件夹。
- 在支持自定义 Skills 的工具中导入该文件夹，并按工具要求启用。
- 说明研究基础、拟研究人群、可用数据与申报任务，使用下方示例开始。
网页不会自动调用模型或生成 Word；这些是 Skill 被启用后的工作规范。运行原始题名检索脚本仅需 Python 标准库。
EXAMPLE PROMPT
使用 $34-tsinghua-sigs-413-lab-moe-topic-selection。 我的方向是人工智能心理学与数字心理健康，关注青少年现实求助行为。 请结合我的研究基础，生成 8 个候选；检索近邻后保留 3 个，深入展开 1 个。 逐题区分数据事实、待核实推断和研究建议，说明竞争解释、反证与资源缺口。 按 Skill 中的 APA 7th 规范交付可编辑 Word。
直接阅读原始 SKILL.md 全文
正在加载原始 Skill…下载这个原始文件 ↓
PSYCHOLOGY / 原始技能的心理学知识底座
心理学问题在前，
项目数据作为研究证据。
原包提供 1,002 条心理专题记录及 8 个探索性子簇。这里使用原始子簇关键词与代表项目，并展示已有研究的来源锚点。
子簇名称为根据原始关键词给出的展示性概括，不是新学科分类；个别簇含混合题名。8 簇规模合计 1,002，不能解释为主题准确率。
EXISTING WORK / 已有项目账本
沿着已有的研究线索继续深化。
区分独立新增与既有项目内深化，避免把“流动儿童＋严肃游戏＋心理韧性＋多智能体”的重新组合误写成独立创新。
第二版报告中的 8 项研究储备
以下为原包中的规划方向，不是已验证结论。是否进入优先深化，仍取决于文献查新、近邻差异和资源证据。
29,304历史项目证据为 Skill 提供跨学科近邻检索
1,002心理专题记录8 个探索性心理子簇
7完整选题步骤从问题澄清到 Word 交付
8研究储备方向来自第二版知识蒸馏报告
01 / THE QUESTION
题目越来越相似，
你的问题究竟不同在哪里？
题名库可以帮助我们定位近邻、识别议题、检查重复。真正的贡献，还需要回到理论、材料与能够区分不同解释的证据。
这个 Skill 把“研究基础—历史证据—科学问题—设计—申报选择”串成可执行流程。每条结果保留原题、年度、来源文件、页码和序号，方便进一步核查。
01看见议题以一致口径理解趋势
→02找到近邻从全库检索相近题名
→03收窄问题明确新旧解释的差异
→04回到证据验证设计与现实可行性
02 / NINE YEARS, ONE LENS
九年之间，
研究题名正在怎样变化？
统一使用附件 1—4 的一般项目作为分母。切换主题与指标，观察数量与占比的区别。
一般项目中的 AI 严格词表命中
1.05%↗17.58%
相同统计层级下，相关题名的可见度在上升。
这不等于资助成功率或研究质量提高。
AI 严格词表命中占比来源：原快照词表统计 · 每年度完整连线
查看逐年数据与分母
词表统计沿用原始快照，本次核验了年度总数与共同层记录数，未重建缺失的完整原词表。标签允许重叠；生成式、大模型、智能体的历史题名不均等于 LLM。
先对齐覆盖范围，再比较年度。
2020、2026 年未提供其他专项；一般项目附件 1—4 在九个年度均有记录。缺失材料不能当作零立项。
03 / THE TOPIC LANDSCAPE
把三万条题名，
展开为一张议题地图。
24 个主题簇来自原快照的字符 TF-IDF 与 NMF。点击一个主题，查看关键词和真实题名示例。
主题规模 / 点击探索NMF · k = 24 · seed = 413
色块面积为分档示意，精确规模见记录数。主簇是题名的探索性分组，并非学科分类；16 条全零载荷记录单列未归类。
04 / FIND YOUR NEIGHBORS
你的下一项研究，
先从已有工作中找坐标。
按题名近邻排序，也可用申请人、学校或记录编号精确查找。检索使用浏览器内的词汇索引，无需调用模型或外部搜索服务。
正在加载概览…完整项目库将在首次检索时加载。
↗
先放入一个研究问题。
不必想好最终题目。先看看，谁已经走到附近。
近邻得分仅表示字符二元组的 IDF 加权余弦相似度。它不是语义理解、创新程度、项目质量或获批概率。每页 12 条；CSV 最多导出前 1,000 条。
05 / SHOW THE EVIDENCE
工具靠不靠谱，
让实验说清楚。
下列实验用于核验 Skill 所带项目数据与检索工具，不构成对整个 Skill 选题质量的验证。公开代码、参数和局限。
正在读取实际实验结果…
06 / FROM AN IDEA TO A QUESTION
不是换一个题目，
而是提出一个可区分的问题。
三个研究规划示例，展示如何从真实近邻走向假设、比较条件与反证。它们尚待文献查新与资源核实。
07 / TAKE IT INTO YOUR WORKFLOW
先拿到完整 Skill，
再进入研究工作流。
原始 Skill、全部参考文档和数据在仓库根目录可见。完整 ZIP 直接下载；网页交互用于帮助理解技能所依据的证据。
网页直接探索
切换趋势，进入主题，检索近邻。打开项目的“来源与引用”，保留记录编号和页码，再回到原始材料查证。
开始探索 →本地复现与扩展
克隆仓库后，可运行原始检索脚本、复现实验。网站为静态 HTML / CSS / JavaScript，无构建框架依赖。
下载使用指南 ↓接入选题技能
仓库根目录直接提供原始 SKILL.md、agents、assets、references 与检索脚本，解压完整 ZIP 即可阅读和使用。
查看原始 SKILL.md ↓QUICK START
git clone https://github.com/ChenlizheMe/psychology-topic-selection-skill.git
cd psychology-topic-selection-skill
python scripts/retrieve_projects.py --query "AI陪伴与现实求助" --top 5
python -m http.server 8000 --directory site在浏览器打开 http://localhost:8000。原始检索只使用 Python 标准库；复现实验需另安装 requirements.txt。
08 / READ BEFORE YOU CONCLUDE
证据的边界，
也是工具的一部分。
这些数据来自哪里？是否已重新核验原始 PDF？
本站基于用户提供的 2026-10-20 数据快照。原包声明由 56 份 PDF、1,874 页提取，共 29,304 条项目记录。本站重新核对了结构化记录、年度汇总和来源清单；压缩包未附原始 PDF，无法再次逐页校验内容，也未核验所列 PDF 的 SHA256。
2026 年原记录状态为“评审结果公示”。2018 年部分专项的文件名与正文状态存在差异；2019 年附件 9 的若干题名存在截断。原状态与题名质量在来源详情中保留。查看完整来源清单 ↗
趋势可以告诉我们什么？
趋势反映所提供名单中题名词汇的可见度。缺少申请总量、预算、申请书和成果，因此不能推算获批率、资助倾向或研究效果。2026 年学科结构发生变化，不能直接将某学科数量变化解释为资助倾斜。未提供的专项不视为零。
检索没有命中，就说明是全新问题吗？
不能。零命中只表示本库题名在给定检索方式下没有命中。还应扩展同义词，查阅相关论文、其他基金项目、公开摘要及成果。题名没有提到某种设计，也不代表已有项目没有使用该设计。
主题簇和新做的稳定性实验是什么关系？
24 个主簇和 8 个心理子簇沿用原快照。本站的新实验另用公开正则筛选 AI 相关题名，以 k=8、三个随机种子检验初始化敏感性。它没有重新验证全部原始主题，也不提供主题准确率或人工效度结论。
如何引用、更新与纠错？
引用时保留快照日期、记录编号与来源定位。更新时保留原始题名、批准号、年份和版本，重新计算分母与统计；不要将同题名自动视为重复项目。可通过仓库 Issues 提交带记录编号的纠错。
提交可追溯的更正 ↗引用本工具
这是数据探索与研究规划工具，不是官方立项查询服务。
心理学科研选题 Skill. (2026). 基于2018—2026年项目证据的研究规划助手（数据快照：2026-10-20）. GitHub.